第17卷 智能系统学报 ·64· 看出，RED20去噪结果最平滑，其次是cattePM, 虽然抑制了部分斑点噪声，但是像前面所说仍保 最后是小波分析。 留了一些噪声的纹理；cattePM相比之下使得让阴 表1不同方法的去噪结果 影和道路都平滑了很多，但道路上仍然存在较大 Table 1 Denoising results of different methods 的斑块；而RED20则使得道路区域更加的平滑， 不同去噪方法 ENL 几乎看不到斑点的存在。第2行图像选取的是场 原图 46.95 景中的一块同质背景区域，可以看出RED20的去 小波分析 134.04 噪结果也是最佳的。综上，RED20能在保持目标 cattePM 146.82 边缘的情况下，比传统去噪算法更有效地抑制斑 RED20 173.16 点噪声，这表明，用可见光灰度图构建数据集来训 接下来从视觉质量方面对去噪图像进行对 练模型，并将其迁移到VideoSAR中是可行的。 比。首先是总体上进行对比，因为图像比较暗， 不太容易看出它们的差别，因此对去噪结果进行 了直方图均衡化，如图9所示。可以看到原图颗 粒感非常严重；小波分析能一定程度上抑制斑点 噪声，但是保留了一些噪声的纹理，像是盖了 层毛玻璃；cattePM让图像平滑了一些，但是还是 原图小波分析cattePM RED20 存在颗粒感，只不过颗粒比原图更少且更大了； 图10去噪效果细节对比 而RED20则因为能够获取到不同尺度的信息和 Fig.10 Detail comparison of denoising effect 具备复杂的映射关系，具有远强于前两者的去噪 2.2相邻帧配准的效果 能力，去噪结果中同质区域灰度差距小，图像比 前面算法部分的分析说明，计算帧间配准矩 前两者更加平滑。 阵可以显著减少配准的计算量，且理论上精度更 高。这里以长度为20的窗口对整个视频序列滑 窗进行试验，计算有效区域掩码中参考图与配准 结果的PSNR,将所有配准的平均PSNR作为评价 指标。PSNR原本是用于衡量去噪结果和真值图 的差别的，这里之所以能用它衡量配准性能，是 因为前面分析已经说明RED20能够有效地抑制 斑点噪声，可以认为一个窗口中的图像序列的同 名点像素值是相似的，因此配准精度越高，PSNR (a)原图 (b)小波分析 会越高。表2是实验结果，其中PSNR是880个 窗口共计16720次配准PSNR的平均值，实验环 境为windows1(0x64位，CPU为i7-8700,内存为16GB 程序基于opencv3.4.6编写。从表中可以看到帧 间配准比直接配准速度快了很多，且精度也略高 于直接配准，这与前面的分析是一致的。 表2不同配准方式的对比 Table 2 Comparison of different registration methods (c)cattePM (d)RED20 配准方法 PSNR 平均配准时间/ms 图9去噪效果总体对比 直接配准 Fig.9 Overall comparison of denoising effect 34.18 4071.01 帧间配准 34.33 127.85 接下来再从细节上进行对比，截取图9中两 个感兴趣区域并放大，如图10所示。第一行图片 2.3动目标阴影检测性能对比 中的黑色区域为动目标阴影，其周围是道路区 为了量化评估本文算法的检测性能，将本文 域，原图不管是动目标阴影还是周围的道路区 算法与文献[13]提出的传统的单帧检测算法、文 域，内部的像素点都存在较大的差异；小波分析 献[14]提出的基于深度学习的单帧检测算法、文看出，RED20 去噪结果最平滑，其次是 cattePM， 最后是小波分析。 表 1 不同方法的去噪结果 Table 1 Denoising results of different methods 不同去噪方法 ENL 原图 46.95 小波分析 134.04 cattePM 146.82 RED20 173.16 接下来从视觉质量方面对去噪图像进行对 比。首先是总体上进行对比，因为图像比较暗， 不太容易看出它们的差别，因此对去噪结果进行 了直方图均衡化，如图 9 所示。可以看到原图颗 粒感非常严重；小波分析能一定程度上抑制斑点 噪声，但是保留了一些噪声的纹理，像是盖了一 层毛玻璃；cattePM 让图像平滑了一些，但是还是 存在颗粒感，只不过颗粒比原图更少且更大了； 而 RED20 则因为能够获取到不同尺度的信息和 具备复杂的映射关系，具有远强于前两者的去噪 能力，去噪结果中同质区域灰度差距小，图像比 前两者更加平滑。 (a) 原图 (c) cattePM (b) 小波分析 (d) RED20 图 9 去噪效果总体对比 Fig. 9 Overall comparison of denoising effect 接下来再从细节上进行对比，截取图 9 中两 个感兴趣区域并放大，如图 10 所示。第一行图片 中的黑色区域为动目标阴影，其周围是道路区 域，原图不管是动目标阴影还是周围的道路区 域，内部的像素点都存在较大的差异；小波分析 虽然抑制了部分斑点噪声，但是像前面所说仍保 留了一些噪声的纹理；cattePM 相比之下使得让阴 影和道路都平滑了很多，但道路上仍然存在较大 的斑块；而 RED20 则使得道路区域更加的平滑， 几乎看不到斑点的存在。第 2 行图像选取的是场 景中的一块同质背景区域，可以看出 RED20 的去 噪结果也是最佳的。综上，RED20 能在保持目标 边缘的情况下，比传统去噪算法更有效地抑制斑 点噪声，这表明，用可见光灰度图构建数据集来训 练模型，并将其迁移到 VideoSAR 中是可行的。 原图 小波分析 cattePM RED20 图 10 去噪效果细节对比 Fig. 10 Detail comparison of denoising effect 2.2 相邻帧配准的效果 前面算法部分的分析说明，计算帧间配准矩 阵可以显著减少配准的计算量，且理论上精度更 高。这里以长度为 20 的窗口对整个视频序列滑 窗进行试验，计算有效区域掩码中参考图与配准 结果的 PSNR，将所有配准的平均 PSNR 作为评价 指标。PSNR 原本是用于衡量去噪结果和真值图 的差别的，这里之所以能用它衡量配准性能，是 因为前面分析已经说明 RED20 能够有效地抑制 斑点噪声，可以认为一个窗口中的图像序列的同 名点像素值是相似的，因此配准精度越高，PSNR 会越高。表 2 是实验结果，其中 PSNR 是 880 个 窗口共计 16 720 次配准 PSNR 的平均值，实验环 境为 windows10 x64 位，CPU 为 i7-8700，内存为 16 GB， 程序基于 opencv 3.4.6 编写。从表中可以看到帧 间配准比直接配准速度快了很多，且精度也略高 于直接配准，这与前面的分析是一致的。 表 2 不同配准方式的对比 Table 2 Comparison of different registration methods 配准方法 PSNR 平均配准时间/ms 直接配准 34.18 4071.01 帧间配准 34.33 127.85 2.3 动目标阴影检测性能对比 为了量化评估本文算法的检测性能，将本文 算法与文献 [13] 提出的传统的单帧检测算法、文 献 [14] 提出的基于深度学习的单帧检测算法、文 第 17 卷 智 能 系 统 学 报 ·64·