一種基于景物分布的sar景象適配性評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及合成孔徑雷達(dá)圖像的分析與評價技術(shù)。
【背景技術(shù)】
[0002] 以下對本發(fā)明的相關(guān)技術(shù)背景進(jìn)行說明，但這些說明并不一定構(gòu)成本發(fā)明的現(xiàn)有 技術(shù)。
[0003] 景象適配性評價是對指定景象區(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。近年來隨著SAR景象匹配技術(shù)在飛行器導(dǎo)航中 的應(yīng)用，景象適配性的評價方法成為影響適配性能的關(guān)鍵因素之一。
[0004] 由于SAR成像的特殊機理，地形起伏造成的圖像幾何畸變、固有的雷達(dá)相干斑噪 聲等因素都會對地面SAR景象區(qū)域的適配性特征的提取造成不利影響，從而給適配區(qū)的選 取帶來很大的困難。雖然少數(shù)文獻(xiàn)對SAR景象適配性有過一定分析，如趙倩等人的《基于 高程選擇的SAR景象匹配系統(tǒng)基準(zhǔn)圖選擇準(zhǔn)則》、樸彥龍等人的《面向SAR匹配輔助導(dǎo)航的 景象區(qū)域適配性》等。雖然上述研究從地形分析的層面對SAR圖像進(jìn)行了一定論述，但有以 下兩方面不足：
[0005] -，缺乏針對SAR適配性特征的選取方法的研究，而是直接沿用可見光的適配性 特征。如《基于高程選擇的SAR景象匹配系統(tǒng)基準(zhǔn)圖選擇準(zhǔn)則》直接采用了標(biāo)準(zhǔn)差和獨立 像元數(shù)特征衡量景物的信息量，未對特征選取的方法和過程進(jìn)行分析；《面向SAR匹配輔助 導(dǎo)航的景象區(qū)域適配性》認(rèn)為邊緣圖像反映了地物紋理固有的形態(tài)，受輻射特性變化影響 相對較小，具有較強的穩(wěn)健性，反映SAR景象像面信息的適配性特征指標(biāo)應(yīng)當(dāng)基于邊緣圖 像來選取。因而文中選擇了局部邊緣密度均值、局部邊緣密度標(biāo)準(zhǔn)差等特征，但后來的驗證 結(jié)果并不十分如意。
[0006] 二，景象適配區(qū)評價時，仍沿用傳統(tǒng)的全局特征計算方法，未考慮SAR景象匹配的 應(yīng)用特點。傳統(tǒng)的可見光景象適配區(qū)選擇時，通常計算匹配單元區(qū)域的全局平均特征統(tǒng)計 量，即特征計算的對象是該匹配單元的整個圖像，然后依據(jù)已建立的適配性特征與適配性 能的統(tǒng)計關(guān)系模型，估計該區(qū)域的適配性能，進(jìn)而通過已確定的閾值門限或分類器參數(shù)，對 該區(qū)域是否適配做出評價。如羅海波等人的《采用多特征融合的自動適配區(qū)選擇方法》、江 標(biāo)初等人的《層次景象匹配區(qū)選取準(zhǔn)則》、安如等人的《基于特征匹配的影像可適配性研 究》、陳雪凌等人的《基于Dempster.Shafer證據(jù)理論的匹配區(qū)多特征適配性分析方法》。這 些方法主要用于地物類型較單一的景象匹配，而對于包含多種地物類型的SAR景象匹配的 適配區(qū)選取上具有局限性。原因在于，SAR景象匹配區(qū)域具有成像面積大、景物類型多、地 物非均勻分布的新特性，傳統(tǒng)的全局圖像特征計算方法平滑了匹配區(qū)域內(nèi)部的局部特征差 異，因此不適用復(fù)雜地物場景的SAR景象匹配。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提出一種基于景物分布的SAR景象適配性評價方法，能夠適用 于復(fù)雜地物場景的SAR景象匹配、且適配性評價效果好。
[0008] 根據(jù)本發(fā)明的基于景物分布的合成孔徑雷達(dá)SAR景象適配性評價方法，包括：
[0009] S1、獲取待評價景象和每個單一景物類型的圖像樣本的灰度值，并按照預(yù)設(shè)尺寸 對所述待評價景象以及所述圖像樣本進(jìn)行分塊；
[0010] S2、選取至少兩個圖像特征指標(biāo)，針對每個圖像特征指標(biāo)：
[0011] S21、基于灰度值確定所述圖像特征指標(biāo)在每個圖像樣本的所有分塊圖像中的特 征值，并依據(jù)所述特征值獲取所述圖像特征指標(biāo)在每個圖像樣本中的特征值分布；
[0012] S22、選取在不同圖像樣本中特征值分布差異較大的至少一個所述圖像特征指標(biāo) 作為適配性特征指標(biāo)；
[0013] S3、基于灰度值確定所述適配性特征指標(biāo)在所述待評價景象的所有分塊圖像中的 適配性特征值，并依據(jù)所述適配性特征值獲取所述適配性特征指標(biāo)在所述待評價景象中的 適配性特征值分布；
[0014] S4、對所述適配性特征值分布進(jìn)行方差分析，依據(jù)方差分析的結(jié)果評價SAR景象 適配性。
[0015] 優(yōu)選地，在步驟S1之前，所述方法進(jìn)一步包括：
[0016] 基于所述待評價景象的地物場景定義景物類型，基于所述景物類型從SAR影像數(shù) 據(jù)庫中選取單一景物類型的圖像樣本。
[0017] 優(yōu)選地，所述待評價景象的分塊圖像與所述圖像樣本的分塊圖像的大小相同。
[0018] 優(yōu)選地，所述圖像特征指標(biāo)包括：標(biāo)準(zhǔn)差，和/或信息熵，和/或邊緣密度，和/或 分形維數(shù)。
[0019] 優(yōu)選地，所述至少兩個圖像特征指標(biāo)為：標(biāo)準(zhǔn)差和信息熵；步驟S21包括：
[0020] 基于所述分塊圖像的灰度值，獲取每個所述圖像樣本的分塊圖像的標(biāo)準(zhǔn)差和信息 熵；
[0021] 依據(jù)所述圖像樣本的分塊圖像的標(biāo)準(zhǔn)差，獲取所述圖像樣本的所有分塊圖像的標(biāo) 準(zhǔn)差的概率分布密度圖；
[0022] 依據(jù)所述圖像樣本的分塊圖像的信息熵，獲取所述圖像樣本的所有分塊圖像的信 息熵的概率分布密度圖。
[0023] 優(yōu)選地，步驟S22具體為：
[0024] 獲取在不同圖像樣本中所述特征值分布的標(biāo)準(zhǔn)差；
[0025] 選取標(biāo)準(zhǔn)差最大的所述圖像特征指標(biāo)作為適配性特征指標(biāo)。
[0026] 優(yōu)選地，步驟S3具體為：
[0027] 基于所述分塊圖像的灰度值，獲取每個所述待評價景象的所有分塊圖像的適配性 特征值；
[0028] 依據(jù)所述待評價景象的所有分塊圖像的適配性特征值，獲取所述待評價景象的所 有分塊圖像的適配性特征值的概率分布密度圖。
[0029] 優(yōu)選地，所述適配性特征指標(biāo)的數(shù)量為兩個或多個時，步驟S4包括：
[0030] 按照適配性特征值分布差異的大小為每個適配性特征指標(biāo)設(shè)置權(quán)重；
[0031] 對每個適配性特征指標(biāo)的適配性特征值分布進(jìn)行方差分析，得到每個適配性特征 指標(biāo)的方差分析結(jié)果；
[0032] 對每個適配性特征指標(biāo)的權(quán)重及方差分析結(jié)果進(jìn)行加權(quán)求和，利用加權(quán)后的方差 分析結(jié)果評價SAR景象適配性。
[0033] 優(yōu)選地，所述尺寸為：20像素X20像素。
[0034] 優(yōu)選地，所述像素尺寸為：20像素X20像素。
[0035] 根據(jù)本發(fā)明的基于景物分布的SAR景象適配性評價方法，包括：獲取所述待評價 景象和每個單一景物類型的圖像樣本的灰度值，并按照預(yù)設(shè)尺寸對所述待評價景象以及所 述圖像樣本進(jìn)行分塊；選取至少兩個圖像特征指標(biāo)，針對每個圖像特征指標(biāo)：基于灰度值 確定所述圖像特征指標(biāo)在每個圖像樣本的所有分塊圖像中的特征值，并依據(jù)所述特征值獲 取所述圖像特征指標(biāo)在每個圖像樣本中的特征值分布；選取在不同圖像樣本中特征值分布 差異較大的所述圖像特征指標(biāo)作為適配性特征指標(biāo)；基于灰度值確定所述適配性特征指標(biāo) 在所述待評價景象的所有分塊圖像中的適配性特征值，并依據(jù)所述適配性特征值獲取所述 適配性特征指標(biāo)在所述待評價景象中的適配性特征值分布；對所述適配性特征值分布進(jìn)行 方差分析，依據(jù)方差分析的結(jié)果評價SAR景象適配性。本發(fā)明通過選取至少兩個圖像特 征指標(biāo)，并選取在不同圖像樣本中特征值分布差異較大的圖像特征指標(biāo)作為適配性特征指 標(biāo)，能夠更好地表征和區(qū)分景物類型；通過對待評價景象進(jìn)行分塊并獲取適配性特征指標(biāo) 在待評價景象的所有分塊圖像中的適配性特征值分布，能夠評價復(fù)雜地物場景的SAR景象 適配性。根據(jù)本發(fā)明能夠適用于復(fù)雜地物場景的SAR景象適配性評價，且評價效果好。
【附圖說明】
[0036] 通過以下參照附圖而提供的【具體實施方式】部分，本發(fā)明的特征和優(yōu)點將變得更加 容易理解，在附圖中：
[0037] 圖1是根據(jù)本發(fā)明的基于景物分布的SAR景象適配性評價方法的流程圖；
[0038] 圖2是根據(jù)本發(fā)明優(yōu)選實施例的單一景物類型的圖像樣本示意圖；其中，圖2a是 建筑物圖像樣本的示意圖，圖2b是田地圖像樣本的示意圖，圖2c是水域圖像樣本的示意 圖；
[0039] 圖3是根據(jù)本發(fā)明的圖像特征指標(biāo)在建筑物圖像樣本的所有分塊圖像中的特征 值示意圖；其中，圖3a是建筑物圖像樣本的所有分塊圖像中標(biāo)準(zhǔn)差的示意圖，圖3b是建筑 物圖像樣本的所有分塊圖像中信息熵的示意圖；
[0040] 圖4是根據(jù)本發(fā)明的圖像特征指標(biāo)在建筑物圖像樣本中的特征值分布；其中，圖 4a是建筑物圖像樣本中標(biāo)準(zhǔn)差概率分布密度圖，圖4b建筑物圖像樣本中信息熵概率分布 密度圖；
[0041] 圖5是根據(jù)本發(fā)明的圖像特征指標(biāo)在田地圖像樣本中的特征值分布；其中，圖5a 是田地圖像樣本中標(biāo)準(zhǔn)差概率分布密度圖，圖5b田地圖像樣本中信息熵概率分布密度圖；
[0042] 圖6是根據(jù)本發(fā)明的圖像特征指標(biāo)在水域圖像樣本