本發(fā)明屬于SAR圖像處理
技術(shù)領(lǐng)域：
，涉及一種基于多級判決的極化SAR圖像人造目標(biāo)提取方法。
背景技術(shù)：
：極化合成孔徑雷達(PolarimetricSyntheticApertureRadar，PolSAR)是一種全天時、全天候的高分辨率微波成像系統(tǒng)，可以有效擺脫天氣等自然因素的限制實現(xiàn)實時對地觀測，這些特點使其在自然災(zāi)害監(jiān)測、海洋觀測、軍事偵察等方面具有獨特的優(yōu)勢。與單極化SAR圖像相比，極化SAR圖像所包含的信息量更大，能夠更加完整準(zhǔn)確地揭示目標(biāo)的散射機理，為充分發(fā)掘圖像中的目標(biāo)信息，提高分割、分類、目標(biāo)檢測與識別性能提供了數(shù)據(jù)支持與保障。目前，機載和星載極化SAR數(shù)量已呈海量增長趨勢，但由于SAR圖像特有的成像機理及成像環(huán)境的極端復(fù)雜性，使得合理正確地解譯極化SAR圖像變得十分困難。因此，如何對海量的極化SAR數(shù)據(jù)進行分析和利用，快速有效地提取出盡可能多的目標(biāo)信息，已成為微波遙感信息處理領(lǐng)域的一個重要分支。人造目標(biāo)(如飛機、坦克、房屋建筑、艦船等)作為一類典型目標(biāo)，往往受到人們廣泛的關(guān)注，利用極化SAR數(shù)據(jù)對人造目標(biāo)進行有效的探測具有十分廣泛的應(yīng)用前景。在民用方面，利用極化SAR數(shù)據(jù)可以對城鎮(zhèn)發(fā)展進行監(jiān)控，防止亂搭、亂建現(xiàn)象發(fā)生，也可以對自然災(zāi)害進行評估，指導(dǎo)災(zāi)后重建工作；在軍用方面，可用于對軍事目標(biāo)實施提取、偵察和監(jiān)控，如坦克、裝甲車等軍用車輛及敵方指揮中心、機場導(dǎo)航臺等建筑物均屬于典型人造目標(biāo)，快速而準(zhǔn)確地提取這些信息，并獲取其發(fā)生的變化信息，可為情報分析及實施精確打擊等作戰(zhàn)任務(wù)提供強有力的技術(shù)支持?？偠灾?，利用極化SAR數(shù)據(jù)對人造目標(biāo)進行提取在民用用地監(jiān)測、軍事偵查及精確打擊等方面都發(fā)揮著重要作用。由于極化SAR圖像中人造目標(biāo)的散射特性較為復(fù)雜且多變，通常的極化SAR人造目標(biāo)提取方法往往難以準(zhǔn)確、完整地獲得檢測結(jié)果。Yu等人利用復(fù)Wishart分布對像素點協(xié)方差矩陣進行統(tǒng)計建模，進而采用貝葉斯統(tǒng)計判別和最大似然分類進行分層的極化SAR圖像建筑物提取。Lombardo等人利用了多頻全極化SAR圖像進行復(fù)雜城區(qū)的提取，提出“對角極化矩合并”的建筑物提取方法。徐牧等人通過分析人造目標(biāo)的極化散射特性，提出了一種基于分類和方位對稱性判決的極化SAR圖像人造目標(biāo)提取方法。技術(shù)實現(xiàn)要素：為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在利用極化SAR圖像中人造目標(biāo)的功率及散射特性，研究一種有效提取極化SAR圖像中人造目標(biāo)的方法，實現(xiàn)一種基于多級判決的極化SAR圖像人造目標(biāo)提取方法。本發(fā)明采用的技術(shù)方案是，極化SAR圖像人造目標(biāo)提取方法，步驟是，(一)預(yù)處理，對極化SAR圖像進行相干斑噪聲抑制和去取向處理；(二)功率判決，首先進行功率判決，排除弱散射點的影響，即認為弱散射點為自然目標(biāo)，在進行判決時，滿足功率小于特定閾值即span≤Th1的地物目標(biāo)被劃歸為自然目標(biāo)，記為“第一類自然目標(biāo)”，反之，則進行下一步的判別；(三)主散射機制判決，對于不滿足功率判決的目標(biāo)進行主散射機制判決，首先利用本發(fā)明提出的主散射機制提取方法得到目標(biāo)的主散射機制，然后以主散射機制為偶次散射為判決條件進行主散射機制判決，滿足該條件的目標(biāo)作為一部分人造目標(biāo)，記為“第一類人造目標(biāo)”，否則，進行下一步判別；(四)反射對稱性判決。通常認為自然目標(biāo)的散射在垂直于雷達視線平面內(nèi)具有一個對稱軸，共極化和交叉極化通道間的相關(guān)系數(shù)為0，即滿足“反射對稱性”，而人造目標(biāo)不滿足該特性；據(jù)此，可利用反射對稱性判決區(qū)分人造目標(biāo)和自然目標(biāo)，設(shè)ε為目標(biāo)的反射對稱判決參量，以反射對稱性即ε≤Th2為條件，對不滿足主散射機制判決的目標(biāo)進行該步判別，將不滿足反射對稱性ε＞Th2的目標(biāo)確定為候選人造目標(biāo)，記為“第二類人造目標(biāo)”，否則，作為“第二類自然目標(biāo)”；ε的計算公式如下：ϵ=0.5·[cor(Shh,Shv)+cor(Shv,Svv)]=0.5·[C12C11·C22+C23C22·C33]]]>其中，Cij為目標(biāo)極化協(xié)方差矩陣C中的元素。ε數(shù)值越小，表明共極化與交叉極化通道之間的極化相關(guān)性越差，即其方位性越好，反之亦然；(五)對整幅圖像每個像素做如上處理，將第一類人造目標(biāo)點集和第二類人造目標(biāo)點集取并集，獲得最終的人造目標(biāo)提取結(jié)果。在功率判決前加入極化對比增強處理，設(shè)a為待增強目標(biāo)，b為待抑制目標(biāo)，為了使a類目標(biāo)對于b類目標(biāo)的對比度最大，定義如下目標(biāo)函數(shù)：max|rab=WHCaWWHCbW|]]>其中，rab表示a類目標(biāo)對于b類目標(biāo)的對比度，其分子和分母分別表示兩類目標(biāo)的回波功率的期望值，Ca、Cb為兩類目標(biāo)的極化協(xié)方差矩陣，W＝[WhhWhvWvv]T為極化匹配矢量，利用拉格朗日中值定理乘子法求解匹配矢量W實部和虛部的梯度方程組得到如下特征表達式：CaW＝λCbW因此，對應(yīng)的最大特征值λmax即對應(yīng)λopt，其對應(yīng)的極化匹配矢量W即為最優(yōu)極化匹配矢量Wopt。極化對比增強后的功率圖像強度可以表達為：Y=[WoptH·X]2=WoptH·(C·A)·Wopt]]>其中，X＝[ShhShvSvv]T為輸入的極化散射矩陣矢量，主散射機制提取方法，其操作具體過程如下：(1)對極化SAR圖像中的目標(biāo)進行廣義Y分解，得到目標(biāo)的表面散射能量Ps、二次散射能量Pd、體散射能量Pv和螺旋體散射能量Pc；(2)對極化SAR圖像中的目標(biāo)進行特征值分解，得到目標(biāo)的三個特征值λ1、λ2和λ3，且使其滿足λ1≥λ2≥λ3≥0；(3)計算主散射機制判別參量γ1=PsPs+Pd+Pv+Pcγ2=PdPs+Pd+Pv+Pcγ3=PvPs+Pd+Pv+Pcη=λ1λ1+λ2+λ3]]>(4)主散射機制判別本發(fā)明的特點及有益效果是：本發(fā)明充分挖掘極化SAR圖像中人造目標(biāo)的功率及散射特性，提出了一種基于多級判決的極化SAR圖像人造目標(biāo)提取方法，該方法可以更加有效地提取圖像中的人造目標(biāo)，虛警、漏警少，且邊緣輪廓清晰。附圖說明：圖1給出了圣弗朗西斯數(shù)據(jù)的Pauli分解圖。圖2給出了實驗數(shù)據(jù)對應(yīng)的光學(xué)圖像。圖3給出了本發(fā)明的主散射機制提取結(jié)果。圖4給出了本發(fā)明的人造目標(biāo)提取結(jié)果。圖5給出了本發(fā)明方法的流程圖。具體實施方式本發(fā)明利用人造目標(biāo)和自然目標(biāo)的散射特性及功率特性差異，采用多級判決的方法提取極化SAR圖像中的人造目標(biāo)，其主要步驟包括：(六)預(yù)處理。主要包括對極化SAR圖像進行相干斑噪聲抑制和去取向處理，避免相干斑噪聲和地物隨機取向?qū)嶒灲Y(jié)果的影響。(七)功率判決。在極化SAR圖像中，人造目標(biāo)因其特殊的結(jié)構(gòu)、形狀、材質(zhì)通常會以強散射點的形式表現(xiàn)出來(即功率值較大)，因此本發(fā)明在人造目標(biāo)提取過程中，首先進行功率判決，排除弱散射點的影響(即認為弱散射點為自然目標(biāo))。在進行判決時，滿足功率小于特定閾值(即span≤Th1)的地物目標(biāo)被劃歸為自然目標(biāo)，記為“第一類自然目標(biāo)”，反之，則進行下一步的判別。為了降低自然地物中強散射點對后期處理的影響，本發(fā)明在功率判決前加入極化對比增強處理，這樣可以有針對性的增強人造目標(biāo)(如建筑物、飛機、車輛等)功率，而削弱自然目標(biāo)的功率。設(shè)a為待增強目標(biāo)，b為待抑制目標(biāo)，為了使a類目標(biāo)對于b類目標(biāo)的對比度最大，定義如下目標(biāo)函數(shù)：max|rab=WHCaWWHCbW|]]>其中，rab表示a類目標(biāo)對于b類目標(biāo)的對比度，其分子和分母分別表示兩類目標(biāo)的回波功率的期望值，Ca、Cb為兩類目標(biāo)的極化協(xié)方差矩陣，W＝[WhhWhvWvv]T為極化匹配矢量。利用拉格朗日中值定理乘子法求解匹配矢量W實部和虛部的梯度方程組得到如下特征表達式：CaW＝λCbW因此，對應(yīng)的最大特征值λmax即對應(yīng)λopt，其對應(yīng)的極化匹配矢量W即為最優(yōu)極化匹配矢量Wopt。極化對比增強后的功率圖像強度可以表達為：Y=[WoptH·X]2=WoptH·(C·A)·Wopt]]>其中，X＝[ShhShvSvv]T為輸入的極化散射矩陣矢量，(八)主散射機制判決。對于不滿足功率判決的目標(biāo)進行主散射機制判決，首先利用本發(fā)明提出的主散射機制提取方法得到目標(biāo)的主散射機制，然后以主散射機制為偶次散射為判決條件進行主散射機制判決，滿足該條件的目標(biāo)作為一部分人造目標(biāo)，記為“第一類人造目標(biāo)”，否則，進行下一步判別。(九)反射對稱性判決。通常認為自然目標(biāo)的散射在垂直于雷達視線平面內(nèi)具有一個對稱軸，共極化和交叉極化通道間的相關(guān)系數(shù)為0，即滿足“反射對稱性”，而人造目標(biāo)不滿足該特性。據(jù)此，可利用反射對稱性判決區(qū)分人造目標(biāo)和自然目標(biāo)。設(shè)ε為目標(biāo)的反射對稱判決參量，以反射對稱性(即ε≤Th2)為條件，對不滿足主散射機制判決的目標(biāo)進行該步判別，將不滿足反射對稱性(ε＞Th2)的目標(biāo)確定為候選人造目標(biāo)，記為“第二類人造目標(biāo)”，否則，作為“第二類自然目標(biāo)”。ε的計算公式如下：ϵ=0.5·[cor(Shh,Shv)+cor(Shv,Svv)]=0.5·[C12C11·C22+C23C22·C33]]]>其中，Cij為目標(biāo)極化協(xié)方差矩陣C中的元素。ε數(shù)值越小，表明共極化與交叉極化通道之間的極化相關(guān)性越差，即其方位性越好，反之亦然。(十)對整幅圖像每個像素做如上處理，將第一類人造目標(biāo)點集和第二類人造目標(biāo)點集取并集，獲得最終的人造目標(biāo)提取結(jié)果。本發(fā)明在進行主散射機制判別時，提出了一種新的主散射機制提取方法，其操作過程如下：首先利用GulabSingh和YoshioYamaguchi等人在2013年提出的廣義Y分解提取目標(biāo)的散射類型，該分解方法可以有效地解決Freeman分解的負功率和體散射過估計問題，且無適用范圍的約束，通用性更強。除此之外，本發(fā)明中給予不同散射類別不同的比例系數(shù)，同時為了避免單一散射機制判別導(dǎo)致的不準(zhǔn)確性，引入第二判別因子——最大特征值比率，即η＝λmax/(λ1+λ2+λ3)。其實現(xiàn)步驟歸納如下：(5)對極化SAR圖像中的目標(biāo)進行廣義Y分解，得到目標(biāo)的表面散射能量Ps、二次散射能量Pd、體散射能量Pv和螺旋體散射能量Pc；(6)對極化SAR圖像中的目標(biāo)進行特征值分解，得到目標(biāo)的三個特征值λ1、λ2和λ3，且使其滿足λ1≥λ2≥λ3≥0；(7)計算主散射機制判別參量γ1=PsPs+Pd+Pv+Pcγ2=PdPs+Pd+Pv+Pcγ3=PvPs+Pd+Pv+Pcη=λ1λ1+λ2+λ3]]>(8)主散射機制判別由于人造目標(biāo)與自然目標(biāo)在材質(zhì)、形狀等方面的差別，使得在整個SAR成像過程中人造目標(biāo)通常都具有很強的相干性，而自然目標(biāo)的相干性較弱，這些性質(zhì)使得人造目標(biāo)和自然目標(biāo)的散射機理存在明顯的區(qū)別。本發(fā)明利用人造目標(biāo)和自然目標(biāo)的散射特性及功率特性的差異，采用功率判決、主散射機制判決和反射對稱性判決的多級判決方法提取人造目標(biāo)，下面介紹本發(fā)明提出的基于多級判決的極化SAR圖像人造目標(biāo)提取方法的實施過程。1.預(yù)處理。主要包括對極化SAR圖像進行相干斑噪聲抑制和去取向處理。為了避免極化SAR圖像的固有相干斑噪聲對實驗結(jié)果的影響，本發(fā)明利用2006年Lee提出的基于散射模型的降斑算法對圖像進行相干斑抑制處理。除此之外，為了避免目標(biāo)的隨機取向?qū)嶒灲Y(jié)果的影響，本發(fā)明還利用2010年安文韜提出的去取向方法對極化SAR圖像進行預(yù)處理，增強實驗結(jié)果的可靠性和準(zhǔn)確性。2.功率判決。在極化SAR圖像中，人造目標(biāo)因其特殊的結(jié)構(gòu)、形狀、材質(zhì)通常會以強散射點的形式表現(xiàn)出來(即功率值較大)，因此本發(fā)明在人造目標(biāo)提取過程中，首先進行功率判決，排除弱散射點的影響(即認為弱散射點為自然目標(biāo))。在進行判決時，滿足功率小于特定閾值(即span≤Th1)的地物目標(biāo)被劃歸為自然目標(biāo)，記為“第一類自然目標(biāo)”，反之，則進行下一步的判別。閾值可以根據(jù)經(jīng)驗人工選取，也可以利用CFAR檢測方法自動確定分割閾值，但兩種方法都有各自的缺點，如經(jīng)驗選取方法的人為主觀性較大，分割結(jié)果會因人而異，而CFAR檢測方法又會依賴于數(shù)據(jù)的統(tǒng)計特性，如果擬合效果不理想，將會降低分割的準(zhǔn)確性。為了獲取更好的實驗結(jié)果，本發(fā)明中采用多次調(diào)試的方法人工確定閾值。除此之外，還有一種情況需要我們注意，即并非所有的自然目標(biāo)都表現(xiàn)為弱散射點，如山谷、森林、山林、茂盛農(nóng)田、粗壯的樹干等也可能因為多次散射疊加而形成強散射點。如果功率閾值選擇的過大，那么很多人造目標(biāo)就會被歸為自然目標(biāo)，反之，如果閾值過小，則可能使大量自然目標(biāo)進入后續(xù)判別過程中，增加了后續(xù)判別的難度。因此，一般在確定功率閾值時，寧肯選擇相對較小的閾值門限，也不要將閾值門限設(shè)置地過高。為了降低強散射自然目標(biāo)的影響，獲得更準(zhǔn)確的功率判決結(jié)果，本發(fā)明在判決前對圖像進行了極化對比增強處理，這樣可以有針對性的增強人造目標(biāo)(如建筑物、飛機、車輛等)功率，而削弱自然目標(biāo)的功率。不妨設(shè)a為待增強目標(biāo)，b為待抑制目標(biāo)，為了使a類目標(biāo)對于b類目標(biāo)的對比度最大，定義如下目標(biāo)函數(shù)：max|rab=WHCaWWHCbW|]]>其中，rab表示a類目標(biāo)對于b類目標(biāo)的對比度，其分子和分母分別表示兩類目標(biāo)的回波功率的期望值，Ca、Cb為兩類目標(biāo)的極化協(xié)方差矩陣，W＝[WhhWhvWvv]T為極化匹配矢量。利用拉格朗日中值定理乘子法求解匹配矢量W實部和虛部的梯度方程組得到如下特征表達式：CaW＝λCbW因此，對應(yīng)的最大特征值λmax即對應(yīng)λopt，其對應(yīng)的極化匹配矢量W即為最優(yōu)極化匹配矢量Wopt。極化對比增強后的功率圖像強度可以表達為：Y=[WoptH·X]2=WoptH·(C·A)·Wopt]]>其中，X＝[ShhShvSvv]T為輸入的極化散射矩陣矢量，3.主散射機制判決。從散射類型看，人造目標(biāo)和自然目標(biāo)的散射機制存在較為明顯的差異，人造目標(biāo)的散射機理主要是偶次散射，但也可能存在少量奇次散射(如墻體-地面-墻體構(gòu)成的三面角)。對于自然目標(biāo)，最常見的散射機理為體散射，也可能存在一定的奇次散射，偶次散射卻甚為少見。因此可以根據(jù)目標(biāo)的主散射機制對人造目標(biāo)和自然目標(biāo)進行區(qū)分，將主散射機制為偶次散射的目標(biāo)確定為候選人造目標(biāo)。對于不滿足功率判決的目標(biāo)進行主散射機制判決，首先利用本發(fā)明提出的主散射機制提取方法得到目標(biāo)的主散射機制，然后以主散射機制為偶次散射為判決條件進行主散射機制判決，滿足該條件的目標(biāo)作為一部分人造目標(biāo)，記為“第一類人造目標(biāo)”，否則，進行下一步判別。徐牧等人給出了一種基于Freeman分解的主散射機制提取方法，將目標(biāo)的主散射機制分為奇次散射、偶次散射、體散射和混合散射四種。但該方法在進行主散射機制提取時使用的是原始的Freeman分解，該分解方法僅適用于反射對稱情況，即共極化與交叉極化通道之間的相關(guān)系數(shù)為0。實際中，像城市這樣的復(fù)雜地區(qū)，不再滿足反射對稱性，F(xiàn)reeman分解則不能很好地描述區(qū)域的散射特性。而且，F(xiàn)reeman分解存在體散射過估計問題，容易產(chǎn)生負功率，從原理上講是不準(zhǔn)確的。除此之外，該算法的主散射機制判別僅利用了各分量散射功率占總功率的比例，且各散射類別所用的比例系數(shù)都相同，致使判別方法不夠全面。為了更加準(zhǔn)確地對地物目標(biāo)進行主散射機制判別，本發(fā)明提出了一種新的主散射機制提取方法。首先利用GulabSingh和YoshioYamaguchi等人在2013年提出的廣義Y分解代替Freeman分解提取散射類型，該分解方法可以有效地解決Freeman分解的負功率和體散射過估計問題，且無適用范圍的約束，通用性更強。除此之外，徐牧等人在進行目標(biāo)主散射機制提取過程中，只利用了散射能量的相對大小作為判別標(biāo)準(zhǔn)，且各散射類別所用的比例系數(shù)都相同，該方法僅適用于簡單地物目標(biāo)的歸類，對于城區(qū)建筑物等較為復(fù)雜的區(qū)域，該方法會導(dǎo)致主散射機制提取結(jié)果不準(zhǔn)確。因此，本發(fā)明中給予不同散射類別不同的比例系數(shù)，同時為了避免單一散射機制判別導(dǎo)致的不準(zhǔn)確性，引入第二判別因子——最大特征值比率。由特征向量分解可知，最大特征值是地物主散射機制的反映，最大特征值比率定義為最大特征值占總功率的比例，即η＝λmax/(λ1+λ2+λ3)，其閾值可根據(jù)應(yīng)用及研究區(qū)域地物類型來設(shè)定，一般可為0.5-0.6。本發(fā)明的主散射機制提取的具體操作如下：(1)對極化SAR圖像中的目標(biāo)進行廣義Y分解，得到目標(biāo)的表面散射能量Ps、二次散射能量Pd、體散射能量Pv和螺旋體散射能量Pc；(2)對極化SAR圖像中的目標(biāo)進行特征值分解，得到目標(biāo)的三個特征值λ1、λ2和λ3，且使其滿足λ1≥λ2≥λ3≥0；(3)計算主散射機制判別參量γ1=PsPs+Pd+Pv+Pcγ2=PdPs+Pd+Pv+Pcγ3=PvPs+Pd+Pv+Pcη=λ1λ1+λ2+λ3]]>(4)主散射機制判別.反射對稱性判決。通常認為自然目標(biāo)的散射在垂直于雷達視線平面內(nèi)具有一個對稱軸，共極化和交叉極化通道間的相關(guān)系數(shù)為0，即滿足“反射對稱性”，但對于實測極化SAR數(shù)據(jù)，某些結(jié)構(gòu)復(fù)雜的人造目標(biāo)可能產(chǎn)生較強的交叉極化分量，或者其共極化和交叉極化通道間存在較強的相關(guān)性，這使得人造目標(biāo)不再滿足反射對稱性。據(jù)此，可利用反射對稱性判決區(qū)分人造目標(biāo)和自然目標(biāo)。設(shè)ε為目標(biāo)的反射對稱判決參量，以反射對稱性(即ε≤Th2)為條件，對不滿足主散射機制判決的目標(biāo)進行該步判別，即將不滿足反射對稱性(ε＞Th2)的目標(biāo)確定為候選人造目標(biāo)，記為“第二類人造目標(biāo)”，否則，作為“第二類自然目標(biāo)”。ε的計算公式如下：ϵ=0.5·[cor(Shh,Shv)+cor(Shv,Svv)]=0.5·[C12C11·C22+C23C22·C33]]]>其中，Cij為目標(biāo)極化協(xié)方差矩陣C中的元素。ε數(shù)值越小，表明共極化與交叉極化通道之間的極化相關(guān)性越差，即其方位性越好，反之亦然。5.對整幅圖像每個像素做如上處理，將第一類人造目標(biāo)點集和第二類人造目標(biāo)點集取并集，獲得最終的人造目標(biāo)提取結(jié)果。下面結(jié)合附圖說明實驗效果：圖1給出了美國AIRSAR系統(tǒng)在美國圣弗朗西斯科(SanFrancisco)地區(qū)拍攝的L波段全極化SAR數(shù)據(jù)的Pauli分解圖，場景中包括森林、山脈、公園、城區(qū)、海洋、草地和金門大橋等，圖2給出了其對應(yīng)的光學(xué)圖像。圖3給出了本發(fā)明提出的主散射機制提取方法的結(jié)果，其中藍色代表表面散射，紅色代表偶次散射，綠色代表體散射，黃色代表混合散射。城市區(qū)域由于大量建筑的存在會表現(xiàn)出偶次散射特性，但平頂房的房頂?shù)纫矔憩F(xiàn)出表面散射特性，而且城市區(qū)域中不免會有樹木等植被，也會表現(xiàn)出體散射特性。因此，在城市區(qū)域中表現(xiàn)出一部分混合散射特性更符合實際情況，這一分析在圖3得到了有效地驗證。圖4給出了本發(fā)明的人造目標(biāo)提取結(jié)果，圖中白色表示提取的人造目標(biāo)。從實驗結(jié)果可以看出，本發(fā)明方法可以完整、準(zhǔn)確地提取圖像中的人造目標(biāo)，虛警、漏警少，且邊緣輪廓清晰。當(dāng)前第1頁1 2 3