[發(fā)明專利]一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法

有效

• 申請?zhí)枺?/td>: 201110031907.0
• 申請日: 2011-01-28
• 公開（公告）號: CN102073873A
• 公開（公告）日: 2011-05-25
• 發(fā)明（設(shè)計(jì)）人: 楊衛(wèi)東;黃偉麟;殷凱;朱鵬;孔德煜;鄒臘梅
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 李智

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)圖像處理領(lǐng)域，具體涉及基于星載合成孔徑雷達(dá)(SAR)影像的匹配區(qū)選取技術(shù)，尤其涉及一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法。

背景技術(shù)

景象匹配是指將一個圖像區(qū)域從不同傳感器在不同時間、從不同視角攝取的相應(yīng)景象區(qū)域中確定出來或找到它們之間對應(yīng)關(guān)系的一種重要的圖像分析技術(shù)。它在導(dǎo)航、目標(biāo)跟蹤、資源分析及環(huán)境研究中具有重要的應(yīng)用。景象匹配區(qū)選擇是景象匹配的關(guān)鍵技術(shù)，是對指定景象區(qū)域的匹配定位性能進(jìn)行評估、分析，從而確定該區(qū)域是否可作為合適的景象匹配區(qū)的方法。

迄今為止，匹配區(qū)的選擇尚無成熟的解決方案。在可見光下視景象匹配中，其利用光學(xué)衛(wèi)星圖像作為基準(zhǔn)圖，選取匹配區(qū)。具體方法為通過計(jì)算圖像方差、相關(guān)長度、互相關(guān)峰特征、紋理能量比、信息熵和邊緣密度以及獨(dú)立像元數(shù)等可匹配性檢驗(yàn)參數(shù)來選擇匹配區(qū)。這些方法大多研究單個因素對試驗(yàn)指標(biāo)的影響，而將影響試驗(yàn)指標(biāo)的其他因素固定，從而導(dǎo)致景象匹配區(qū)選擇準(zhǔn)則適應(yīng)性差，抗干擾性不強(qiáng)。最新的一些研究已經(jīng)開始考慮多個因素的綜合影響，江標(biāo)初在《層次景象匹配區(qū)選取準(zhǔn)則》一文中提出了由粗到細(xì)的層次選取準(zhǔn)則，張國忠在《Rule-based?expert?system?forselecting?scene?matching?area》中使用專家系統(tǒng)來選擇景象匹配區(qū)，但這些方法沒有考慮參數(shù)之間的相關(guān)性。此外，這些匹配區(qū)選取規(guī)則針對的是下視可見光景象匹配，在SAR圖像上的應(yīng)用效果難以讓人滿意。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，該方法考慮了參考圖像的多種特征值與匹配區(qū)正確選擇之間的聯(lián)系，計(jì)算速度快，具有較大的適應(yīng)性和抗干擾性，能夠?qū)?fù)雜SAR參考圖的匹配區(qū)選取進(jìn)行正確決策指導(dǎo)。

一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，包括以下步驟：

(1)分別對基準(zhǔn)SAR灰度圖提取區(qū)域特征和線特征，得到區(qū)域特征圖和結(jié)構(gòu)特征圖；

(2)在基準(zhǔn)SAR灰度圖上截取子區(qū)，從中選擇明顯可以作為匹配區(qū)和明顯不能作為匹配區(qū)的兩類子區(qū)，作為訓(xùn)練子區(qū)；

(3)對基準(zhǔn)灰度圖、區(qū)域特征圖和結(jié)構(gòu)特征圖分別計(jì)算各自包含的訓(xùn)練子區(qū)的特征信息，構(gòu)成各訓(xùn)練子區(qū)的特征矢量；

(4)將各訓(xùn)練子區(qū)特征矢量作為支持向量機(jī)的輸入，各訓(xùn)練子區(qū)的類型作為支持相量機(jī)的輸出，訓(xùn)練確定支持向量機(jī)的參數(shù)；

(5)按照步驟(1)和(3)的方式對待定匹配區(qū)的SAR灰度圖像截取子區(qū)以及計(jì)算各子區(qū)的特征矢量，將各子區(qū)的特征矢量作為步驟(4)確定的支持相量機(jī)的輸入，該支持向量機(jī)的輸出即為匹配區(qū)選定結(jié)果。

進(jìn)一步地，采用基于恒虛警率的強(qiáng)弱散射區(qū)分割方法提取區(qū)域特征。

進(jìn)一步地，采用基于互相關(guān)濾波算子的線特征提取方法。

本發(fā)明的技術(shù)效果體現(xiàn)在：

本發(fā)明采用支持向量機(jī)(SVM)的分類方法進(jìn)行匹配區(qū)分類，以參考圖像的多種特征值作為輸入，根據(jù)線性可分原則確定最優(yōu)分類面，不但將兩類樣本無錯誤的分開，而且使得兩類樣本之間的分類間隙最大，適用于星載SAR成像條件下的匹配區(qū)選取。

大尺度SAR圖像中背景區(qū)域廣義上可分為強(qiáng)散射區(qū)和弱散射區(qū)兩種類型，因此，作為進(jìn)一步優(yōu)化，本發(fā)明中區(qū)域特征提取是基于CFAR(恒虛警率)的強(qiáng)弱散射區(qū)分割方法，根據(jù)SAR圖像中目標(biāo)區(qū)域和背景區(qū)域有明顯的亮度差異的特點(diǎn)進(jìn)行閾值分割，提取出原始SAR圖像中的區(qū)域特征。同時場景中存在道路、較窄的河流等線條狀物體以及反映了區(qū)域間物性差異的線特征，這些線特征為實(shí)時圖和參考圖共有的共性特征，利用基于互相關(guān)濾波算子的線特征提取方法，可以提取出原始SAR圖像中的結(jié)構(gòu)特征。

綜上所述，本發(fā)明考慮了參考圖像的多種特征值與匹配區(qū)正確選擇之間的聯(lián)系，試驗(yàn)結(jié)果表明該方法計(jì)算速度快，具有較大的適應(yīng)性和抗干擾性，能夠?qū)?fù)雜SAR參考圖的匹配子區(qū)選取進(jìn)行正確決策指導(dǎo)。

附圖說明

圖1為本發(fā)明的流程圖；

圖2為原始SAR基準(zhǔn)圖(縮小后)；

圖3(a)為匹配區(qū)選取結(jié)果示意圖(縮小后)，(b)、(c)、(d)和(e)為選取的匹配子區(qū)實(shí)例(原始大小)。

具體實(shí)施方式

本發(fā)明在星載SAR成像條件下實(shí)現(xiàn)景象匹配區(qū)的選取，具體實(shí)施過程的流程圖如圖1所示：

(1)特征提取過程

(1.1)以64像素為步長，從左至右、從上而下依次在2000*2000像素大小的星載SAR成像參考圖即如圖2所示的原始基準(zhǔn)灰度SAR圖像F1上截取128*128的子區(qū)；