[發(fā)明專利]一種大尺寸星載SAR圖像的機(jī)場自動檢測方法

有效

• 申請?zhí)枺?/td>: 200910053178.1
• 申請日: 2009-06-16
• 公開（公告）號: CN101923165A
• 公開（公告）日: 2010-12-22
• 發(fā)明（設(shè)計(jì)）人: 張紹明;林怡;陳映鷹
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06T7/00
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙志遠(yuǎn)

1.一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，包括以下步驟：

A.基于最大后驗(yàn)概率準(zhǔn)則進(jìn)行SAR圖像分割；

B.根據(jù)機(jī)場像素強(qiáng)度和面積提取興趣目標(biāo)；

C.提取興趣目標(biāo)的尺度和旋轉(zhuǎn)不變參數(shù)；

D.根據(jù)目標(biāo)的尺度和旋轉(zhuǎn)不變參數(shù)，訓(xùn)練支持向量機(jī)分類器，并對興趣目標(biāo)進(jìn)行分類，得到初步檢測結(jié)果；

E.對初步檢測結(jié)果進(jìn)行平行跑道檢測，保留具有平行跑道的目標(biāo)作為最終檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，所述的步驟A進(jìn)一步包括：

1)建立觀測模型：利用廣義瑞利分布或長拖尾瑞利分布對SAR圖像強(qiáng)度觀測值進(jìn)行概率建模，該模型為：其中y為SAR圖像觀測強(qiáng)度，x為分割結(jié)果，γ和α為模型參數(shù)，J₀為零階第一類貝塞爾函數(shù)；

2)建立先驗(yàn)?zāi)Ｐ停豪民R爾科夫隨機(jī)場對分割結(jié)果的先驗(yàn)概率進(jìn)行建模，利用吉布斯分布顯示表達(dá)局部馬爾科夫性，該分布的表達(dá)式為：p(x)＝exp{-U(x)/T}/Z，x為分割結(jié)果，U(x)為能量函數(shù)，Z為歸一化系數(shù)；

3)最大后驗(yàn)概率圖像分割：根據(jù)ICM算法以及Beyes公式，使p(y|x)p(x)最大，得到圖像分割結(jié)果。

3.根據(jù)權(quán)利要求1或2所述的一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，所述的步驟B包括以下步驟：

1)設(shè)定兩個(gè)閾值：機(jī)場面積最大值、機(jī)場面積最小值；

2)檢測圖像分割結(jié)果中的所有目標(biāo)，保留面積介于兩個(gè)閾值之間的對象；

3)通過旋轉(zhuǎn)測徑法構(gòu)建上述對象的最小面積外接矩形；

4)沿機(jī)場跑道方向構(gòu)建目標(biāo)在最小面積外接矩形中的灰度投影直方圖，根據(jù)投影直方圖計(jì)算以下參數(shù)：目標(biāo)的面積、最小面積外接矩形面積、跑道間距、跑道面積、跑道長度。

4.根據(jù)權(quán)利要求3所述的一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，所述的步驟C根據(jù)步驟3得到的參數(shù)提取目標(biāo)的尺度和旋轉(zhuǎn)不參數(shù)：目標(biāo)與最小面積外接矩形面積比值、跑道和最小面積外接矩形面積比值、跑道和目標(biāo)面積比值、長跑道與段跑道長度比值、跑道間距與長跑道的長度比值、最小面積外接矩形長邊與短邊的比值、長跑道與短跑道的面積比值。

5.根據(jù)權(quán)利要求4所述的一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，所述的向量機(jī)分類器的核函數(shù)采用小波核函數(shù)。

6.根據(jù)權(quán)利要求1或5所述的一種大尺寸星載SAR圖像的機(jī)場自動檢測方法，其特征在于，所述的平行跑道檢測為首先對初步檢測結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)細(xì)化處理，然后利用Hough變換進(jìn)行平行線檢測。