[發明專利]基于結構特性的高分辨率單極化SAR影像建筑目標檢測方法

有效

• 申請號: 202010475776.4
• 申請日: 2020-05-29
• 公開（公告）號: CN111666856B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 徐新;楊瑞;桂容;眭海剛;徐川
• 申請（專利權）人: 武漢大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于結構特性的高分辨率單極化SAR影像建筑目標檢測方法，其特征在于，包括以下步驟：

步驟1，讀入高分辨率單極化SAR影像；

步驟2，利用統計區域合并的方法進行圖像分割，利用統計特征將輸入的高分辨率單極化SAR影像劃分為若干區域，并獲得每一區域的編號seg_label；

步驟3，將輸入的高分辨率單極化SAR影像通過深度語義分割網絡，獲得SAR影像每一像素位置屬于“建筑目標”和“背景”的概率值prob，并根據概率值prob的大小對每一個像素位置賦予一個偽標簽pseudo_label，實現如下，

當該像素屬于“建筑目標”的概率值prob_建筑大于該像素屬于“背景”的概率值prob_背景時，該像素的偽標簽為“建筑”，pseudo_label＝1，

否則為“背景”，pseudo_label＝0；

步驟4，計算偽標簽pseudo_label對應的二值圖像的連通域，并獲得連通域編號connect_label；

步驟5，利用步驟2獲得的區域編號seg_label和步驟4獲得的連通域編號connect_label，對原始SAR影像進行區域的交運算，獲得圖像的過分割結果及相應的區域編號oseg_label；過分割的結果保證了目標區域既有統一的統計特征，又具有相似的高層語義特征；

步驟6，計算步驟5中過分割后圖像的區域鄰接圖，獲得每一區域與之鄰接的區域編號和連結關系對；

步驟7，計算步驟5中過分割后圖像的每一區域的幾何特征、統計特征和紋理特征；

步驟8，根據區域鄰接關系，利用步驟7所得區域幾何特征、統計特征、紋理特征，以及步驟3獲得的概率值prob，進行相鄰區域的相似性分析，合并滿足相似性閾值的區域，并依次向外擴展合并，直至全部相鄰區域均不滿足合并條件，獲得合并區域結果及每一個區域的編號merge_label，并再次計算合并后各區域的幾何特征、統計特征、紋理特征；

步驟9，計算步驟8中合并區域后圖像各區域的鄰接圖，獲得每一區域與之鄰接的區域編號和連結關系對；

步驟10，將數據集中的建筑目標隨機劃分為訓練樣本和測試樣本，訓練樣本中的建筑目標標注有“房頂”、“墻體”、“建筑地面陰影”三類區域，

步驟11，基于SAR影像中建筑目標的房頂、墻體和地面陰影表現出的不同圖像特征，利用步驟9建立的區域鄰接圖，判斷步驟10中初步提取結果所屬區域是否能夠與鄰接區域形成建筑目標的相應結構，得到建筑目標檢測結果。

2.根據權利要求1所述基于結構特性的高分辨率單極化SAR影像建筑目標檢測方法，其特征在于：步驟2中，統計區域合并方法包含如下兩步，

第一步，分別計算坐標位置為(x,y)的像素與其四鄰域的四個像素之間的關系f(p,q)的值，并將f(p,q)的值從小到大排序；(p,q)為一個像素對，其中p為坐標位置為(x,y)處的圖像像素，q分別取圖像坐標為(x-1,y),(x+1,y),(x,y-1),(x,y+1)的四個像素，位置為(x,y)的像素與其四鄰域的每一個像素均構成一個像素對；

第二步，根據f(p,q)的值，從大到小依次遍歷所有像素對，滿足以下合并準則即合并，

其中，R′,R分別表示兩個相鄰的區域，分別表示區域R′,R的像素均值，表示取相鄰區域R′與R的像素均值之差的絕對值，其中Q為尺度因子，為2的冪，Q值越大，分割結果越精細；||R||為區域R包含的像素個數，為包含像素個數為||R||的區域集合，δ＝1/(6||I||²)，其中||I||為輸入圖像的像素總個數。