[發(fā)明專利]基于條件隨機場的極化SAR圖像道路提取方法

有效

• 申請?zhí)枺?/td>: 201611249273.5
• 申請日: 2016-12-29
• 公開（公告）號: CN106709465B
• 公開（公告）日: 2019-08-02
• 發(fā)明（設(shè)計）人: 何楚;劉新龍;張芷
• 申請（專利權(quán)）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 嚴彥

本發(fā)明提供一種基于條件隨機場的極化SAR圖像道路提取方法，構(gòu)建一個條件隨機場框架實現(xiàn)道路提取，包括以利用多尺度線狀目標檢測算子MLFD對輸入SAR圖像構(gòu)建金字塔，獲得多尺度的圖像金字塔；通過CRF進行建模，引入上下文信息，其中單元勢函數(shù)通過logistic函數(shù)建模，根據(jù)成對勢函數(shù)設(shè)定采用Beamlet分解方式尋找最優(yōu)劃分；采用相關(guān)約束來對道路的基元進行編組和標記，描述成對勢函數(shù)，合并從全局數(shù)據(jù)中得到的信息，對特征矩陣進行統(tǒng)一的歸一化處理。應用本發(fā)明技術(shù)方案進行道路提取的效率高，精度好，適于推廣使用。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種基于條件隨機場的極化SAR圖像道路提取方法。

背景技術(shù)

合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像具有極強的現(xiàn)實應用，如測繪，遙感，城市規(guī)劃，農(nóng)業(yè)和災害預防。與原來的單一極化的SAR相比，極化SAR顯示出在數(shù)據(jù)的應用程序上的能力，并且能夠獲得更豐富的目標信息，以及對完全偏振光散射機制的鑒定。它采用主動成像原理，實現(xiàn)全天候?qū)δ繕说倪B續(xù)跟蹤，不受天氣和照明的影響。其中SAR圖像解譯應用，道路提取具有十分重要的研究意義，因為線性指標(包括道路，橋梁，脊線，沿海線)由于奇散射將在SAR圖像中呈現(xiàn)為較暗的區(qū)域。

從SAR圖像進行道路提取一般分為兩步：局部道路候選段檢測和全局道路網(wǎng)絡(luò)優(yōu)化。對于局部路段檢測，可用不同的檢測算子從局部像素獲得候選段，如傳統(tǒng)的邊緣檢測、形態(tài)學算子。對于全局道路網(wǎng)優(yōu)化，可由先驗信息約束提供全局選擇技術(shù)。如Tupin等人提出通過D1和D2操作的兩步技術(shù)提取局部候選段，然后在局部候選段建立馬爾可夫隨機場(MRF)實現(xiàn)全局道路的網(wǎng)絡(luò)優(yōu)化。

傳統(tǒng)的基于線性檢測算子的方法，是通過SAR圖像的局部特征來獲得道路的片段。由于SAR圖像的斑點噪聲，需通過全局優(yōu)化以改進局部結(jié)果。候選道路段的全局選擇本質(zhì)上是利用上下文信息類別的標識過程，即每條道路的候選段標記為道路或噪聲。馬爾科夫隨機場(MRF)是利用上下文信息，最大限度地降低全局損失函數(shù)，這是一種對分類結(jié)果產(chǎn)生積極影響的方法。然而，MRF需要估計標簽和數(shù)據(jù)的聯(lián)合分布，并涉及數(shù)據(jù)的分布，因此總是難以實現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對極化SAR圖像道路提取問題，提出一種基于條件隨機場模型的方法，實現(xiàn)了多尺度的道路提取，并在統(tǒng)一的框架內(nèi)進行推斷學習。

本發(fā)明的技術(shù)方案提供一種基于條件隨機場的極化SAR圖像道路提取方法，構(gòu)建一個條件隨機場框架實現(xiàn)道路提取，包括以下步驟，

步驟1，利用多尺度線狀目標檢測算子MLFD對輸入SAR圖像構(gòu)建金字塔，獲得多尺度的圖像金字塔；

步驟2，通過CRF基于步驟1所得結(jié)果進行建模，引入上下文信息，實現(xiàn)如下，

設(shè)給定圖像I，x表示觀測數(shù)據(jù)，y表示標號集合，記I＝{x₁,x₂,...,x_M}；設(shè)i表示圖像所有塊集合S＝{1,2,...,M}中的一個子塊，觀測數(shù)據(jù)對應為x_i；設(shè)j表示塊i的鄰域集合N_i中的一塊，給定數(shù)據(jù)x時標號y的后驗概率由指數(shù)形式給出如下，

式中，φ(x)表示對觀測數(shù)據(jù)x進行特征映射，A_i(.)和I_ij(.)分別是單元勢函數(shù)和成對勢函數(shù)，A_i(.)表示給定觀測數(shù)據(jù)x_i時相應塊i被標記為y_i的期望，I_ij(.)描述塊i和塊j之間的相互影響；φ_i(x)將塊i的觀測數(shù)據(jù)x_i映射到特征空間向量；μ(φ_i(x),φ_j(x))是成對塊(i,j)的新特征向量；Z(φ(x))是歸一化常數(shù)，表示如下，