[發明專利]一種大尺寸星載SAR圖像的機場自動檢測方法

有效

• 申請號: 200910053178.1
• 申請日: 2009-06-16
• 公開（公告）號: CN101923165A
• 公開（公告）日: 2010-12-22
• 發明（設計）人: 張紹明;林怡;陳映鷹
• 申請（專利權）人: 同濟大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06T7/00
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙志遠

技術領域

本發明涉及SAR圖像目標檢測，特別是涉及一種大尺寸星載SAR圖像的機場自動檢測方法。

背景技術

SAR具有全天時、全天候成像能力，并具有一定的穿透性，在國民經濟建設和軍事方面有非常廣泛的應用。機場作為重要的交通和軍事目標，其自動檢測一直是SAR圖像解譯方面的重要研究內容，其方法主要涉及圖像處理和模式識別相關理論。對于大尺寸星載SAR圖像(接近5000×5000像素)而言，由于其背景復雜、相干斑噪聲強烈，所以其機場目標的自動檢測是具有很大難度的。目前，對于大尺寸光學遙感影像的機場自動檢測已有較多研究，如利用SPOT、IKONOS等衛星圖像進行的機場快速解譯等。而對于大尺寸的星載SAR圖像的機場自動檢測，目前國內外的研究相對較少，現有的研究成果大部分要依賴于預先給定的機場興趣區位置信息。在大尺寸星載SAR圖像中進行機場自動檢測的主要難點在于：(1)SAR圖像的相干斑噪聲強烈，圖像質量差；(2)大尺寸星載SAR圖像背景復雜，存在與機場類似的目標，極易造成誤檢。

發明內容

本發明所要解決的技術問題就是為了克服上述現有技術存在的缺陷而提供一種大尺寸星載SAR圖像的機場自動檢測方法。

本發明的目的可以通過以下技術方案來實現：一種大尺寸星載SAR圖像的機場自動檢測方法，其特征在于，包括以下步驟：

A.基于最大后驗概率準則進行SAR圖像分割；

B.根據機場像素強度和面積提取興趣目標；

C.提取興趣目標的尺度和旋轉不變參數；

D.根據目標的尺度和旋轉不變參數，訓練支持向量機分類器，并對興趣目標進行分類，得到初步檢測結果；

E.對初步檢測結果進行平行跑道檢測，保留具有平行跑道的目標作為最終檢測結果。

所述的步驟A進一步包括：

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圖像強度觀測值進行概率建模，該模型為：其中y為SAR圖像觀測強度，x為分割結果，γ和α為模型參數，J₀為零階第一類貝塞爾函數；

2)建立先驗模型：利用馬爾科夫隨機場對分割結果的先驗概率進行建模，利用吉布斯分布顯示表達局部馬爾科夫性，該分布的表達式為：p(x)＝exp{-U(x)/T}/Z，x為分割結果，U(x)為能量函數，Z為歸一化系數；

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

所述的步驟B包括以下步驟：

1)設定兩個閾值：機場面積最大值、機場面積最小值；

2)檢測圖像分割結果中的所有目標，保留面積介于兩個閾值之間的對象；

3)通過旋轉測徑法構建上述對象的最小面積外接矩形；

4)沿機場跑道方向構建目標在最小面積外接矩形中的灰度投影直方圖，根據投影直方圖計算以下參數：目標的面積、最小面積外接矩形面積、跑道間距、跑道面積、跑道長度。

所述的步驟C根據步驟3得到的參數提取目標的尺度和旋轉不參數：目標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。

所述的向量機分類器的核函數采用小波核函數。

所述的平行跑道檢測為首先對初步檢測結果進行數學形態學細化處理，然后利用Hough變換進行平行線檢測。

與現有技術相比，本發明在進行基于最大后驗概率準則的SAR圖像分割時利用廣義瑞利分布描述觀測SAR圖像概率，而不是用Gamma分布和高斯分布，對機場進行的結構分析利用最小面積外接矩形和跑道方向的投影直方圖，能夠完成機場目標的精確結構分析，目前還沒有類似方法；并且利用機場參數的比值構建尺度和旋轉不變參數，并用支持向量機分類器進行分類和識別，識別結構用Hough變換方法檢測平行跑道并最終用確認結果，識別速度快、識別質量好以及識別正確率高。

附圖說明

圖1為大尺寸星載SAR圖像示意圖；

圖2為本發明實施例的圖像分割結果示意圖；

圖3為本發明實施例的興趣目標提取結果示意圖；

圖4為本發明實施例的機場目標的最小面積外接矩形示意圖；

圖5為本發明實施例的機場目標投影直方圖；

圖6為非機場目標的最小面積外接矩形示意圖；

圖7為非機場目標投影直方圖；

圖8為本發明實施例的最終檢測結果示意圖；