專利名稱：基于脊波雙框架系統的sar圖像機場跑道提取方法
技術領域：
本發(fā)明屬于圖像處理技術領域，涉及圖像檢測方法，用于對SAR圖像中的機場跑 道進行提取。
背景技術：
合成孔徑雷達Synthetic Aperture Radar，即SAR具有全天候、全天時對地球表 面進行觀察的能力，并且隨著信號處理技術的提高，目前已經達到很高的空間分辨率，這使 得SAR傳感器在軍事偵查和戰(zhàn)場感知中發(fā)揮了越來越大的作用，目前SAR自動目標檢測和 識別是一個受到國內外高度關注的領域。 對于SAR圖像來說，往往一些重要的目標含有大量的線性特征，例如港口、機場、 建筑物等。所以線目標的檢測和提取一直以來都是SAR圖像處理中的一個重要的問題。
SAR圖像中的線目標通常表示不同類的目標的界線，或者當地面線目標的橫向尺 寸小于分辨單元尺寸時表示目標本身，包括道路、橋梁、河流、地質構造造成的線性體、邊界 等，線性目標是SAR圖像中的一個重要的目標特征，線性體的檢測與提取是SAR圖像目標識 別中的一個關鍵步驟，在SAR圖像的應用中有著重要的價值。由于SAR圖像中存在著相干 斑噪聲，使得對線性體和邊界的自動檢測與提取遇到了一定的困難。傳統的方法只是基于 像素級，所以對于噪聲比較敏感，若在檢測前對圖像進行平滑，雖然能夠減少噪聲的影響， 但是同時也不可避免造成損失了一些邊緣信息，有時可能還會是一些關鍵信息。
SAR圖像機場跑道提取的流程可按照圖像分層理論籠統的分為邊緣檢測、線基元 提取和基元連接及機場跑道提取，這些是對圖像進行低層處理、中層處理和高層處理的三 個主要的步驟。這類方法對低層邊緣檢測的結果精度要求很高，在線基元提取的過程中平 行線檢測大多采用hough變換，而hough在直線檢測時存在著固有的缺陷(1)會受柵格圖 像鋸齒問題的影響，導致一條直線的hough變換結果呈兩條或者多條直線；(2)只能檢測出 局部最長的一條直線；(3)只能檢測出局部直線的位置，并不能檢測出直線的端點坐標。所 以這些方法對復雜場景中提取機場目標并不能達到理想的效果。 Michel等人在1990年提出使用經過地理配準的多源圖像，包括ERS-ISAR圖像和 SPOT圖像、地理參考系統及簡單機場模型來檢測機場的存在。首先把待檢測的圖像在地理 參考系統中進行配準，再利用地理信息確定機場存在的大致區(qū)域，最后使用模糊濾波器來 檢測機場跑道的存在。該方法雖然能夠在相對較大、較復雜的場景中檢測機場跑道等目標， 但是仍然無法解決較大的復雜SAR圖像場景中的機場提取問題。

發(fā)明內容
本發(fā)明的目的在于克服上述現有技術的不足，提出了一種基于脊波雙框架系統的 SAR圖像機場跑道提取方法，以減小計算量，提高復雜SAR圖像場景中的機場提取的抗噪聲 干擾能力和檢測精度。 為實現上述目的，本發(fā)明包括如下步驟
(3)設定閾值1\，將圖像邊緣檢測結果中小于該閾值的邊緣置零，保留大于該閾值 的邊緣區(qū)域； (4)根據保留的邊緣區(qū)域檢測機場跑道邊緣線 4a)用脊波雙框架系統將保留下來的邊緣區(qū)域變換到脊波域，并檢測出若干變換 后的峰值點； 4b)根據這些峰值點的橫軸和縱軸坐標得到這些峰值點對應于原始待檢測圖像中 直線的斜率和截距，這些峰值點對應的直線就是機場跑道邊緣線，將該直線對應的峰值點 保留，否則將對應的峰值點置零，將結果記為Img ; 4c)對Img做Fast Slant Stack逆變換得到機場跑道的邊緣線。 (5)設定閾值T2將檢測到的機場跑道邊緣結果進行二值化處理； (6)用直線跟蹤將二值化處理結果與原始SAR機場圖像進行匹配，確定跑道的實
際長度。 本發(fā)明與現有的技術相比具有以下優(yōu)點 1、本發(fā)明將二進小波邊緣檢測方法引入機場跑道提取中，有效的解決了傳統方法 中出現的偽邊緣、有意義邊緣損失以及邊緣過粗的問題； 2、本發(fā)明將脊波雙框架系統引入機場檢測中，大大提高了算法的速度，并且定位 準確； 3、本發(fā)明與現有的SAR圖像機場檢測方法相比，不需要復雜的后處理過程，實用 性很強，并且具有快速、定位準確的優(yōu)點，對于高分辨率SAR目標圖像，可以省略邊緣檢測 直接進行機場檢測，使速度更一步提高，實時性很強。


圖1是本發(fā)明的實現流程圖；
圖2是本發(fā)明的二進小波邊緣檢測子流程圖；
圖3是本發(fā)明輸入的兩幅待檢測SAR機場圖像；
圖4是對圖3進行圖像增強的結果圖；
圖5是對圖4進行前濾波處理的結果圖；
圖6是本發(fā)明對圖5進行邊緣檢測的結果圖；
圖7是對圖6剔除短區(qū)域得到的結果圖；
圖8是本發(fā)明對圖7進行直線檢測的結果圖；
圖9是對圖8 二值化處理的結果圖； 圖10是本發(fā)明對圖9直線跟蹤的結果圖，即是本發(fā)明使用的待檢測SAR圖像機場 跑道提取的結果圖； 圖11是本發(fā)明使用的待檢測SAR圖像機場跑道提取的結果與原始待測圖像疊加 的結果圖。
具體實施例方式參照圖l，本發(fā)明的具體實現過程如下 步驟l，對輸入待檢測SAR機場圖像進行基于直方圖均衡的圖像增強。 直方圖修正是圖像增強的常用方法，利用圖像灰度分布信息，對灰度分布形式作
校正來修正圖像灰度，最終達到圖像增強的目的，步驟如下 la)對本發(fā)明待檢測SAR機場圖像做正規(guī)化處理，將源圖像灰度r的范圍[r' min， r' mJ壓縮到[O，l]; lb)對將灰度范圍壓縮以后的圖像按下式進行變換，得到直方圖均衡后的灰度圖 像s = =〖p r(<y)^y , r e

式中Pr (")是灰度r的分布密度， 經過上式變換后得到直方圖均衡后的灰度圖像s在
區(qū)間服從均勻分布，使
待檢測SAR機場圖像弱特征的機場得到了加強，同時噪聲的干擾也得到了加強，所以需要
在后續(xù)的前濾波中將其剔除。 步驟2，對圖像增強的結果進行前濾波。 本發(fā)明采用小波分析的去噪濾波思想，把二進小波作為一種濾波的算子，對原圖 像進行二進尺度小波變換，得到其模糊像，即是剔除細節(jié)信息的前濾波圖像，小波分解的次 數選取為兩次，即j = 1，2。 步驟3，對前濾波的結果進行基于三次B樣條函數的二進小波的邊緣檢測。 為了得到更好的邊緣檢測檢測效果，本發(fā)明采用基于二進小波變換的局部模極大
值邊緣檢測方法，其步驟參照圖2，實現如下 3a)對原始圖像f (x， y)進行二進小波多尺度分解； 3b)計算每一尺度下二進小波變換系數的模值與梯度幅角矩陣； 3c)設定雙閾值T_Low和T_High，濾去模值矩陣中一部分由噪聲和極細小的紋理
產生的模值點； 3d)在每一尺度下，檢測小波變換系數的模極大值點，并將非極大值點的二進小波 變換系數的模值標記為O，得到不同尺度下二進小波變換系數模極大值矩陣；
3e)將得到的模極大值矩陣以圖像形式輸出，得到單像素寬的圖像邊緣。
步驟4，剔除邊緣檢測結果的短區(qū)域。 設定全局閾值1\，保留大于該閾值的基于二進小波邊緣檢測的得到的邊緣，將小
于該閾值的基于二進小波邊緣檢測得到的邊緣置零，防止直線檢測時小區(qū)域造成的誤檢。
步驟5，對剔除短區(qū)域的結果進行直線檢測提取跑道。 用Fast Slant Stack變換，簡稱FSS變換和非下采樣雙正交小波構造脊波雙框架 系統，對剔除短區(qū)域以后的邊緣進行處理，變換到脊波域，檢測峰值點提取跑道。其步驟如 下 5a)先對剔除短區(qū)域以后的邊緣結果進行FSS變換，將其變換到Radon域，結果記 為RM。 5b)對RM沿著徑向做一維非下采樣雙正交小波分解，取分解以后的第一層高頻分
5c)借鑒hough變換檢測峰值的思想，在第一層高頻分量中先找到包含有最大 峰值max(h(:))的變換單元并記下它的位置，h表示要檢測的變換區(qū)域；再設定峰值閾值 threshold = p她ax(h(:))， p的取值為0 1，將大于該閾值的部分保留；最后找出保留 下來的所有峰值點對應的直線，并將h的最大值點的鄰域中的變換單元設為零，小于閾值 threshold的點置零。
步驟6 ， 二值化直線檢測的結果。 設定閾值L，將直線檢測的結果轉換成二值圖像，以方便后繼進行的直線跟蹤。
步驟7，對二值化的結果進行直線跟蹤。 用直線跟蹤的方法與原始SAR目標圖像經過濾波后的結果進行匹配，確定原始待 檢測機場圖像中跑道的實際長度。選取大小為n*n的模板，n取奇數，n的大小根據圖像的 大小確定，用此模板在二值圖像上沿從上到下、從左到右開始移動。若模板中軸線上的值為 l，則找到這些點在對應原始待檢測SAR目標圖像濾波結果中對應的位置，并且計算模板該 中軸線兩側的灰度均值之差，若小于閾值，則將二值圖像中該中軸線對應的點置O，否則置 l，得到的結果就是直線跟蹤的結果，對其進行剔除短區(qū)域及分段直線擬合，輸出結果就是 原始SAR目標圖像機場檢測的結果。
實驗結果與分析 圖4是對圖3進行圖像增強的結果圖，將圖3(a)和圖3(b)進行直方圖增強，得到 的結果分別是圖4(a)和圖4(b)。從圖4(a)和圖4(b)可以很明顯的看出，增強以后的圖像 弱特征的跑道被加強了，但是噪聲的干擾同時也加強了，在后繼的處理中我們可以采用前 濾波將其剔除。 圖5是對圖4進行前濾波的結果圖，將圖4(a)和圖4(b)進行前濾波處理，得到的 結果分別為圖5(a)和圖5(b)。從圖5(a)和圖5(b)可以看出，前濾波以后圖像有了一些模 糊，但是機場的邊緣輪廓卻保持了下來，同時淡化了陸地目標，為后繼的邊緣提取起到了鋪 墊的作用。 圖6是對圖5進行邊緣檢測的結果圖，將圖5(a)和圖5(b)進行邊緣檢測，得到結 果的分別是圖6(a)和圖6(b)。從圖6(a)和圖6(b)可以看出，基于二進小波的邊緣檢測方 法，邊緣定位準確，而且能夠克服噪聲的干擾。 圖7是對圖6進行剔除短區(qū)域的結果圖，將圖6(a)和圖6(b)進行剔除短區(qū)域處
理，得到的結果分別是圖7(a)和圖7(b)。從圖7(a)和圖7(b)可以看出，剔除剔除短區(qū)域
可以有效地提高后繼直線檢測的精度和速度，防止小區(qū)域造成的誤檢。 圖8是對圖7進行直線檢測的結果圖，將圖7(a)和圖7(b)進行直線檢測，得到的
結果分別是圖8(a)和圖8(b)。從圖8(a)和圖8(b)可以看出，基于脊波雙框架系統的直線
檢測可以快速準確地檢測出機場跑道。 圖9是對圖8進行二值化處理的結果圖，將圖8 (a)和圖8 (b)進行二值化處理，得 到的結果分別是圖9(a)和圖9(b)。從圖9(a)和圖9(b)可以看出，二值化以后直線較為光 滑，為下一步準確跟蹤直線做好了鋪墊。 圖10是對圖9進行直線跟蹤的結果圖，將圖9(a)和圖9(b)進行直線跟蹤，得到 的結果分別是圖10(a)和圖10(b)，即機場檢測的結果圖。從圖10(a)和圖10(b)可以看 出，通過直線跟蹤可以有效地提取出實際機場跑道的長度。
圖11是圖3與圖10進行疊加的結果圖，將圖3(a)與圖10(a)疊加得到的結果和 將圖3(b)與圖10(b)疊加得到的結果分別是圖11 (a)和圖ll(b)。從圖11 (a)和圖ll(b) 可以看出，直線檢測定位準確，檢測精度高。 綜上所述，本發(fā)明將二進小波邊緣檢測方法引入機場跑道提取中，有效地解決了 傳統方法中出現的偽邊緣、有意義邊緣損失以及邊緣過粗的問題，保證了后續(xù)檢測的精度； 本發(fā)明將Fast Slant Stack變換和非下采樣雙正交小波構造的脊波雙框架系統應用于機 場跑道提取中，不需要復雜的后處理過程，提高了直線檢測的精度和速度。
權利要求
一種SAR圖像機場跑道提取方法，包括如下步驟(1)對輸入的待檢測SAR機場圖像進行直方圖均衡，得到增強的結果圖像Imo；(2)對增強后的圖像Imo進行前濾波，并對前濾波后的結果進行基于二進小波變換的圖像邊緣檢測；(3)設定閾值T1，將圖像邊緣檢測結果中小于該閾值的邊緣置零，保留大于該閾值的邊緣區(qū)域；(4)根據保留的邊緣區(qū)域檢測機場跑道邊緣線4a)用脊波雙框架系統將保留下來的邊緣區(qū)域變換到脊波域，并檢測出若干變換后的峰值點；4b)根據這些峰值點的橫軸和縱軸坐標得到這些峰值點對應于原始待檢測圖像中直線的斜率和截距，將這些峰值點對應的直線作為機場跑道邊緣線，將該直線對應的峰值點保留，將非峰值點的點置零，并將得到的結果記為Img4c)對Img做Fast Slant Stack逆變換得到機場跑道的邊緣線；(5)設定閾值T2將檢測到的機場跑道邊緣結果進行二值化處理；(6)用直線跟蹤法將二值化處理結果與原始SAR機場圖像濾波后的結果進行匹配，確定跑道的實際長度。
2. 根據權利要求l所述跑道提取方法，其中步驟(2)所述的前濾波，是將二進小波作為 一種濾波的算子，對原圖像進行尺度為2的二進尺度小波分解，得到原圖像的模糊像。
3. 根據權利要求1所述跑道提取方法，其中步驟(2)所述的基于二進小波變換的圖像 邊緣檢測，按如下步驟進行3a)對前濾波后的結果進行三次B樣條二進小波分解； 3b)計算各個尺度下二進小波分解后系數的模值與梯度； 3c)設定閾值T3，將模值中小于該閾值的值置零，保留大于該閾值的值； 3d)在每一尺度下，檢測小波變換系數的模極大值點，并將非極大值點的二進小波變換 系數的模值標記為O，得到不同尺度下二進小波變換系數模極大值矩陣； 3e)將得到的模極大值矩陣以圖像形式輸出，得到圖像的邊緣。
4. 根據權利要求l所述跑道提取方法，其中步驟(4)所述的檢測出若干變換后的峰值 點，是先找到包含有最大峰值max (h (:))的變換單元并記下它的位置，h表示要檢測的變換 區(qū)域；設定閾值threshold = p她ax(h(:)) ， p的取值為0 1，將大于該閾值的部分保留； 最后找出保留下來的所有峰值點對應的直線，并將h的最大值點的鄰域中的變換單元設為 零，小于閾值threshold的點置零。
5. 根據權利要求l所述跑道提取方法，其中步驟(6)所述的用直線跟蹤法將二值化處 理結果與原始SAR機場圖像濾波后的結果進行匹配，按如下步驟進行5a)選取大小為n*n的模板，n取奇數，n的大小根據圖像的大小確定；5b)用選取的模板在二值圖像上沿從上到下，從左到右開始移動，若模板中軸線上的值為l，則找到這些點在對應原始輸入待檢測SAR目標圖像濾波結果中對應的位置，并且計算模板該中軸線兩側的灰度均值之差；5c)設定閾值T4，若模板中軸線兩側的灰度均值之差小于閾值T4，則將二值圖像中該中軸線對應的點置0，否則置l，得到與原始SAR機場圖像濾波后結果匹配的直線。
全文摘要
本發(fā)明公開了一種基于脊波雙框架系統Ridgelet Bi-frame的SAR圖像線性目標檢測方法。其實現步驟是(1)對輸入待檢測SAR機場圖像進行直方圖均衡，得到增強的結果圖像；(2)對增強后的圖像進行前濾波，并對前濾波后的結果進行基于二進小波變換的圖像邊緣檢測；(3)設定閾值T1，將圖像邊緣檢測結果中小于該閾值的邊緣置零，保留大于該閾值的邊緣區(qū)域；(4)根據保留的邊緣區(qū)域檢測機場跑道邊緣線；(5)設定閾值T2將檢測到的機場跑道邊緣結果進行二值化處理；(6)用直線跟蹤法將二值化處理結果與原始SAR機場圖像濾波后的結果進行匹配，確定跑道的實際長度。本發(fā)明具有不需要復雜的后處理過程，實用性強，快速、定位準確的優(yōu)點，可用于對較大的復雜SAR圖像場景中的機場跑道提取。
文檔編號G06T7/00GK101777181SQ201010013720
公開日2010年7月14日 申請日期2010年1月15日 優(yōu)先權日2010年1月15日
發(fā)明者何俊, 侯彪, 劉卓, 劉芳, 焦李成, 王爽, 胡育輝, 鐘樺 申請人:西安電子科技大學