[发明专利]基于比值特征的SAR图像道路检测方法

权利要求书

1.一种基于比值特征的SAR图像道路检测方法，包括：

(1)读入待检测的SAR图像，并对SAR图像进行降斑预处理；

(2)对降斑后的图像逐点构造灰度共生矩阵，并用灰度共生矩阵计算出能量、熵、对比度、均值、方差、相关性、非相似性、逆差距和均匀性9种纹理特征；

(3)根据Bhattacharyya距离指标对以上提取的9种纹理特征进行优化和筛选，只选取能够有效地对SAR图像中道路检测和分类贡献最大3种的特征，分别是：均值、方差和对比度；

(4)提取比值特征：

(4a)对降斑后的图像逐点提取两种比值特征，即道路与两侧区域之间的对比比值特征R1和道路两侧区域之间的相似比值特征R2；

(4b)将步骤(3)中提取的3种纹理特征和步骤(4a)提取两种比值特征进行归一化，得到每个像素点的5维特征向量；

(5)随机选择部分带标签的像素点作为样本，包括道路点和非道路点，用该样本构造出道路字典D₁和背景字典D₂；

(6)初步检测：

(6a)分别求解每个像素点与道路字典D₁的差值E₁和每个像素点与背景字典D₂的差值E₂；

(6b)根据这两个差值E₁和E₂对像素点进行分类：若E₁-E₂＜0，表示测试样本的像素点和道路区域的原子相关性更强，则初步判为像素点属于道路区域；若E₁-E₂≥0，表示测试样本的像素点和背景区域的原子相关性更强，则初步判为像素点属于背景区域；

(7)对于步骤(6)得到的初步检测结果，再根据道路的细长型的特点，用面积周长比的优化算法排除虚警区域，得到道路检测的最终结果。

2.根据权利要求1所述的方法，其中步骤(3)中根据Bhattacharyya距离指标对步骤(2)提取的9种纹理特征进行优化筛选，是通过如下距离公式对每种进行优化筛选：

其中，BD表示Bhattacharyya距离指标，μ₁、σ₁分别表示同一纹理特征图像上第一类地物像素值的均值和方差；μ₂、σ₂分别表示同一纹理特征图像上第二类地物像素值的均值和方差。

3.根据权利要求1所述的方法，其中步骤(4)中计算对比比值特征R1，按如下步骤进行：

4a)对降斑后的图像逐点提取15×15的图像块Q；

4b)在图像块Q中心提取7×7的中心图像块P，分别计算道路宽度为1、2、3个像素点的情况，得到3个对比比值特征，并取其中的最大值，暂作为图像块P中心像素点的对比比值特征；

4c)对图像块Q以中心像素点为中心逆时针旋转22.5度，返回步骤4b)，一共旋转7次，得到8个对比比值特征；

4d)从8个对比比值特征中找出最大值，作为图像块P中心像素点的对比比值特征R1：

R1＝min(max(u₃/u₁,u₁/u₃),max(u₂/u₁,u₁/u₂))，

其中，u₁表示区域1内像素点的均值，u₂表示区域2内像素点的均值，u₃表示区域3内像素点的均值；

同时保留对比比值特征R1最大时所对应的方向的图像块Q，作为最接近道路的方向。