基于改进极化白化滤波的PolSAR图像增强系统

资 源 简 介

该项目旨在开发一套针对全极化合成孔径雷达（PolSAR）图像的改进型极化白化滤波（PWF）处理软件，其核心目标是在抑制相干斑噪声的同时最大限度地保留地物目标信息。系统首先读取全极化雷达系统获取的HH、HV、VH、VV四个极化通道的原始复电场强度数据。在处理过程中，项目通过构建极化散射矢量及对应的协方差矩阵，利用白化变换技术对多通道数据进行线性组合，从而在统计意义上达到最佳的斑点抑制效果。改进之处在于引入了自适应窗口处理机制，能够根据局部区域的非均质性调整滤波权重，有效防止边缘模糊和点目标损失。处理完成后，

详 情 说 明

项目介绍

本项目名为基于改进极化白化滤波（PWF）的PolSAR图像增强系统。全极化合成胡成孔径雷达（PolSAR）在成像过程中，由于相干处理会产生严重的相干斑噪声（Speckle），这不仅降低了图像的视觉质量，还干扰了后续的特征提取与分类。

该系统通过改进传统的极化白化滤波算法，利用多通道极化信息（HH、HV、VH、VV）的统计相关性，在降低噪声的同时，通过引入自适应非均质性监测机制，有效地解决了传统滤波容易导致的边缘模糊和点目标损失问题。系统最终将复数域的雷达回波数据转化为高质量、可观测的灰度图像序列。

功能特性

• 全极化数据模拟：能够根据预设的地物反射率特征，模拟生成符合统计分布特性的HH、HV、VH、VV四通道全极化复数SLC数据。
• 自适应极化白化滤波：系统不采用单一的滤波强度，而是根据局部区域的统计特性动态调整模型权重。
• 边缘与点目标保护：通过计算局部变异系数，系统能够自动识别并保护图像中的非均质区域（如建筑物边缘、点目标），防止其被过度平滑。
• 高动态范围压缩：针对雷达数据动态范围极大的特点，采用对数变换与百分位线性拉伸相结合的方法，将物理量映射至标准的0-255灰度空间。
• 综合性能评估：系统内置等效视数（ENL）计算功能，并提供直方图对比与多通道增强前后视觉对比图表。

系统实现逻辑

系统按照以下流程顺序执行：

1. 数据初始化与模拟：系统首先构建一个512x512的场景，设置不同的散射强度区域。随后，基于复高斯分布特性，为四个极化通道生成带有相干斑噪声的复数矩阵。
2. 各向异性窗口构建：利用对称填充技术处理图像边界，随后通过滑动窗口（默认为7x7）遍历整个图像空间。
3. 统计建模：在每一个局部窗口内，提取四个通道的极化散射矢量，并计算其4x4的局部协方差矩阵（Sigma）。
4. 自适应逻辑判定：

* 计算当前窗口的变异系数（标准差与均值的比值）。 * 若变异系数较低（均质区），执行标准极化白化变换，以获得最大程度的斑点抑制。 * 若变异系数较高（非均质区），则进入改进阶段，通过引入正则化项调整协方差矩阵的逆阵，从而减弱滤波平滑权重，保留地物细节。

1. 白化变换执行：利用计算得到的权重矢量与原始极化矢量进行运算，获取增强后的分量。
2. 后端处理：对增强后的四路数据分别进行对数尺度变换，并剔除0.5%和99.5%的强点影响，进行线性归一化。
3. 结果呈现：输出原始含噪图像与增强图像的对比视图，并计算ENL性能指标。

关键算法与实现细节分析

• 极化白化滤波器（PWF）：这是系统的核心算法。它利用极化通道间的相关性对数据进行线性组合。其数学本质是通过协方差矩阵的逆阵对原始矢量进行白化处理，使得处理后的多通道数据在统计上表现为单位协方差，从而实现斑点抑制。
• 改进型自适应权重机制：代码中通过 v_index 变量实时监控区域特征。在计算协方差矩阵逆阵时，代码根据 v_index 的大小引入动态偏置项。这种方法避免了在强散射点处由于协方差矩阵奇异或过度平滑导致的细节丢失，是本项目“改进”的核心体现。
• 等效视数（ENL）评估：系统通过计算图像均值平方与方差的比值来量化斑点抑制效果。ENL数值的显著提升代表了系统对相干斑噪声的高效滤除能力。
• 鲁棒性百分位拉伸：在灰度映射环节，系统手动实现了百分位数计算函数，通过排序并剔除极值点（0.5%边缘），确保了输出图像具有良好的对比度，不会因为个别极强散射点的存在导致图像整体偏暗。

使用方法

1. 环境准备：确保安装了MATLAB环境。
2. 运行程序：在MATLAB命令行窗口中调用程序入口函数。
3. 参数调整：用户可以根据需求在代码参数设置区修改处理窗口大小（win_size）或自适应阈值。
4. 查看结果：程序运行完成后会自动弹出两张图表，直观展示各通道增强效果及统计分布曲线，并在命令行输出处理进度。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 硬件环境：建议内存不低于8GB，以支持大规模矩阵的滑动窗口运算。
• 数据支持：系统自带模拟数据模块，也可通过修改代码接口导入实际的SLC全极化雷达散射矩阵数据。