[发明专利]一种大尺寸星载SAR图像的机场自动检测方法

说明书

技术领域

本发明涉及SAR图像目标检测，特别是涉及一种大尺寸星载SAR图像的机场自动检测方法。

背景技术

SAR具有全天时、全天候成像能力，并具有一定的穿透性，在国民经济建设和军事方面有非常广泛的应用。机场作为重要的交通和军事目标，其自动检测一直是SAR图像解译方面的重要研究内容，其方法主要涉及图像处理和模式识别相关理论。对于大尺寸星载SAR图像(接近5000×5000像素)而言，由于其背景复杂、相干斑噪声强烈，所以其机场目标的自动检测是具有很大难度的。目前，对于大尺寸光学遥感影像的机场自动检测已有较多研究，如利用SPOT、IKONOS等卫星图像进行的机场快速解译等。而对于大尺寸的星载SAR图像的机场自动检测，目前国内外的研究相对较少，现有的研究成果大部分要依赖于预先给定的机场兴趣区位置信息。在大尺寸星载SAR图像中进行机场自动检测的主要难点在于：(1)SAR图像的相干斑噪声强烈，图像质量差；(2)大尺寸星载SAR图像背景复杂，存在与机场类似的目标，极易造成误检。

发明内容

本发明所要解决的技术问题就是为了克服上述现有技术存在的缺陷而提供一种大尺寸星载SAR图像的机场自动检测方法。

本发明的目的可以通过以下技术方案来实现：一种大尺寸星载SAR图像的机场自动检测方法，其特征在于，包括以下步骤：

A.基于最大后验概率准则进行SAR图像分割；

B.根据机场像素强度和面积提取兴趣目标；

C.提取兴趣目标的尺度和旋转不变参数；

D.根据目标的尺度和旋转不变参数，训练支持向量机分类器，并对兴趣目标进行分类，得到初步检测结果；

E.对初步检测结果进行平行跑道检测，保留具有平行跑道的目标作为最终检测结果。

所述的步骤A进一步包括：

1)建立观测模型：利用广义瑞利分布或长拖尾瑞利分布对SAR图像强度观测值进行概率建模，该模型为：其中y为SAR图像观测强度，x为分割结果，γ和α为模型参数，J₀为零阶第一类贝塞尔函数；

2)建立先验模型：利用马尔科夫随机场对分割结果的先验概率进行建模，利用吉布斯分布显示表达局部马尔科夫性，该分布的表达式为：p(x)＝exp{-U(x)/T}/Z，x为分割结果，U(x)为能量函数，Z为归一化系数；

3)最大后验概率图像分割：根据ICM算法以及Beyes公式，使p(y|x)p(x)最大，得到图像分割结果。

所述的步骤B包括以下步骤：

1)设定两个阈值：机场面积最大值、机场面积最小值；

2)检测图像分割结果中的所有目标，保留面积介于两个阈值之间的对象；

3)通过旋转测径法构建上述对象的最小面积外接矩形；

4)沿机场跑道方向构建目标在最小面积外接矩形中的灰度投影直方图，根据投影直方图计算以下参数：目标的面积、最小面积外接矩形面积、跑道间距、跑道面积、跑道长度。

所述的步骤C根据步骤3得到的参数提取目标的尺度和旋转不参数：目标与最小面积外接矩形面积比值、跑道和最小面积外接矩形面积比值、跑道和目标面积比值、长跑道与段跑道长度比值、跑道间距与长跑道的长度比值、最小面积外接矩形长边与短边的比值、长跑道与短跑道的面积比值。

所述的向量机分类器的核函数采用小波核函数。

所述的平行跑道检测为首先对初步检测结果进行数学形态学细化处理，然后利用Hough变换进行平行线检测。

与现有技术相比，本发明在进行基于最大后验概率准则的SAR图像分割时利用广义瑞利分布描述观测SAR图像概率，而不是用Gamma分布和高斯分布，对机场进行的结构分析利用最小面积外接矩形和跑道方向的投影直方图，能够完成机场目标的精确结构分析，目前还没有类似方法；并且利用机场参数的比值构建尺度和旋转不变参数，并用支持向量机分类器进行分类和识别，识别结构用Hough变换方法检测平行跑道并最终用确认结果，识别速度快、识别质量好以及识别正确率高。

附图说明

图1为大尺寸星载SAR图像示意图；

图2为本发明实施例的图像分割结果示意图；

图3为本发明实施例的兴趣目标提取结果示意图；

图4为本发明实施例的机场目标的最小面积外接矩形示意图；

图5为本发明实施例的机场目标投影直方图；

图6为非机场目标的最小面积外接矩形示意图；

图7为非机场目标投影直方图；

图8为本发明实施例的最终检测结果示意图；