專利名稱：一種基于支持向量機(jī)的sar景象匹配區(qū)選取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于雷達(dá)圖像處理領(lǐng)域，具體涉及基于星載合成孔徑雷達(dá)(SAR)影像的匹 配區(qū)選取技術(shù)，尤其涉及一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法。
背景技術(shù)：
景象匹配是指將一個(gè)圖像區(qū)域從不同傳感器在不同時(shí)間、從不同視角攝取的相應(yīng) 景象區(qū)域中確定出來(lái)或找到它們之間對(duì)應(yīng)關(guān)系的一種重要的圖像分析技術(shù)。它在導(dǎo)航、目 標(biāo)跟蹤、資源分析及環(huán)境研究中具有重要的應(yīng)用。景象匹配區(qū)選擇是景象匹配的關(guān)鍵技術(shù)， 是對(duì)指定景象區(qū)域的匹配定位性能進(jìn)行評(píng)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。迄今為止，匹配區(qū)的選擇尚無(wú)成熟的解決方案。在可見光下視景象匹配中，其利用 光學(xué)衛(wèi)星圖像作為基準(zhǔn)圖，選取匹配區(qū)。具體方法為通過(guò)計(jì)算圖像方差、相關(guān)長(zhǎng)度、互相關(guān) 峰特征、紋理能量比、信息熵和邊緣密度以及獨(dú)立像元數(shù)等可匹配性檢驗(yàn)參數(shù)來(lái)選擇匹配 區(qū)。這些方法大多研究單個(gè)因素對(duì)試驗(yàn)指標(biāo)的影響，而將影響試驗(yàn)指標(biāo)的其他因素固定，從 而導(dǎo)致景象匹配區(qū)選擇準(zhǔn)則適應(yīng)性差，抗干擾性不強(qiáng)。最新的一些研究已經(jīng)開始考慮多個(gè) 因素的綜合影響，江標(biāo)初在《層次景象匹配區(qū)選取準(zhǔn)則》一文中提出了由粗到細(xì)的層次選取 準(zhǔn)貝U，張國(guó)在〈〈Rule—based expert system forselecting scene matching area〉〉中使 用專家系統(tǒng)來(lái)選擇景象匹配區(qū)，但這些方法沒(méi)有考慮參數(shù)之間的相關(guān)性。此外，這些匹配區(qū) 選取規(guī)則針對(duì)的是下視可見光景象匹配，在SAR圖像上的應(yīng)用效果難以讓人滿意。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，該方法 考慮了參考圖像的多種特征值與匹配區(qū)正確選擇之間的聯(lián)系，計(jì)算速度快，具有較大的適 應(yīng)性和抗干擾性，能夠?qū)?fù)雜SAR參考圖的匹配區(qū)選取進(jìn)行正確決策指導(dǎo)。一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，包括以下步驟(1)分別對(duì)基準(zhǔn)SAR灰度圖提取區(qū)域特征和線特征，得到區(qū)域特征圖和結(jié)構(gòu)特征 圖；(2)在基準(zhǔn)SAR灰度圖上截取子區(qū)，從中選擇明顯可以作為匹配區(qū)和明顯不能作 為匹配區(qū)的兩類子區(qū)，作為訓(xùn)練子區(qū)；(3)對(duì)基準(zhǔn)灰度圖、區(qū)域特征圖和結(jié)構(gòu)特征圖分別計(jì)算各自包含的訓(xùn)練子區(qū)的特 征信息，構(gòu)成各訓(xùn)練子區(qū)的特征矢量；(4)將各訓(xùn)練子區(qū)特征矢量作為支持向量機(jī)的輸入，各訓(xùn)練子區(qū)的類型作為支持 相量機(jī)的輸出，訓(xùn)練確定支持向量機(jī)的參數(shù)；(5)按照步驟(1)和(3)的方式對(duì)待定匹配區(qū)的SAR灰度圖像截取子區(qū)以及計(jì)算 各子區(qū)的特征矢量，將各子區(qū)的特征矢量作為步驟(4)確定的支持相量機(jī)的輸入，該支持 向量機(jī)的輸出即為匹配區(qū)選定結(jié)果。
進(jìn)一步地，采用基于恒虛警率的強(qiáng)弱散射區(qū)分割方法提取區(qū)域特征。進(jìn)一步地，采用基于互相關(guān)濾波算子的線特征提取方法。本發(fā)明的技術(shù)效果體現(xiàn)在本發(fā)明采用支持向量機(jī)(SVM)的分類方法進(jìn)行匹配區(qū)分類，以參考圖像的多種特 征值作為輸入，根據(jù)線性可分原則確定最優(yōu)分類面，不但將兩類樣本無(wú)錯(cuò)誤的分開，而且使 得兩類樣本之間的分類間隙最大，適用于星載SAR成像條件下的匹配區(qū)選取。大尺度SAR圖像中背景區(qū)域廣義上可分為強(qiáng)散射區(qū)和弱散射區(qū)兩種類型，因此， 作為進(jìn)一步優(yōu)化，本發(fā)明中區(qū)域特征提取是基于CFAR(恒虛警率)的強(qiáng)弱散射區(qū)分割方法， 根據(jù)SAR圖像中目標(biāo)區(qū)域和背景區(qū)域有明顯的亮度差異的特點(diǎn)進(jìn)行閾值分割，提取出原始 SAR圖像中的區(qū)域特征。同時(shí)場(chǎng)景中存在道路、較窄的河流等線條狀物體以及反映了區(qū)域間 物性差異的線特征，這些線特征為實(shí)時(shí)圖和參考圖共有的共性特征，利用基于互相關(guān)濾波 算子的線特征提取方法，可以提取出原始SAR圖像中的結(jié)構(gòu)特征。綜上所述，本發(fā)明考慮了參考圖像的多種特征值與匹配區(qū)正確選擇之間的聯(lián)系， 試驗(yàn)結(jié)果表明該方法計(jì)算速度快，具有較大的適應(yīng)性和抗干擾性，能夠?qū)?fù)雜SAR參考圖 的匹配子區(qū)選取進(jìn)行正確決策指導(dǎo)。


圖1為本發(fā)明的流程圖；圖2為原始SAR基準(zhǔn)圖(縮小后)；圖3(a)為匹配區(qū)選取結(jié)果示意圖(縮小后)，(b)、(c)、(d)和(e)為選取的匹配 子區(qū)實(shí)例(原始大小)。
具體實(shí)施例方式本發(fā)明在星載SAR成像條件下實(shí)現(xiàn)景象匹配區(qū)的選取，具體實(shí)施過(guò)程的流程圖如 圖1所示(1)特征提取過(guò)程(1. 1)以64像素為步長(zhǎng)，從左至右、從上而下依次在2000*2000像素大小的星載 SAR成像參考圖即如圖2所示的原始基準(zhǔn)灰度SAR圖像Fl上截取128*128的子區(qū)；(1. 2)對(duì)截取的子區(qū)進(jìn)行線特征提取和區(qū)域特征提取，得到線特征圖像F2和區(qū)域 特征圖即強(qiáng)弱目標(biāo)區(qū)域三值圖F3 ；(1. 2. 1)區(qū)域特征提取是基于CFAR(恒虛警率)的強(qiáng)弱散射區(qū)分割方法，具體步驟 如下Pl 統(tǒng)計(jì)全圖灰度均值μ和標(biāo)準(zhǔn)差σ ；Ρ2 在SAR圖像f(x，y)中逐點(diǎn)遍歷，統(tǒng)計(jì)大小的局部窗口內(nèi)的灰度均值 μ m和標(biāo)準(zhǔn)差σ m ；P3 設(shè)定兩個(gè)門限隊(duì)和&，則分割后結(jié)果圖像g(x，y)為
權(quán)利要求
1.一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，包括以下步驟(1)分別對(duì)基準(zhǔn)SAR灰度圖提取區(qū)域特征和線特征，得到區(qū)域特征圖和結(jié)構(gòu)特征圖；(2)在基準(zhǔn)SAR灰度圖上截取子區(qū)，從中選擇明顯可以作為匹配區(qū)和明顯不能作為匹 配區(qū)的兩類子區(qū)，作為訓(xùn)練子區(qū)；(3)對(duì)基準(zhǔn)灰度圖、區(qū)域特征圖和結(jié)構(gòu)特征圖分別計(jì)算各自包含的訓(xùn)練子區(qū)的特征信 息，構(gòu)成各訓(xùn)練子區(qū)的特征矢量；(4)將各訓(xùn)練子區(qū)特征矢量作為支持向量機(jī)的輸入，各訓(xùn)練子區(qū)的類型作為支持相量 機(jī)的輸出，訓(xùn)練確定支持向量機(jī)的參數(shù)；(5)按照步驟(1)和(3)的方式對(duì)待定匹配區(qū)的SAR灰度圖像截取子區(qū)以及計(jì)算各子 區(qū)的特征矢量，將各子區(qū)的特征矢量作為步驟(4)確定的支持相量機(jī)的輸入，該支持向量機(jī) 的輸出即為匹配區(qū)選定結(jié)果。
2.如權(quán)利要求1所述的SAR景象匹配區(qū)選取方法，其特征在于，采用基于恒虛警率的強(qiáng) 弱散射區(qū)分割方法提取區(qū)域特征。
3.如權(quán)利要求1所述的SAR景象匹配區(qū)選取方法，其特征在于，采用基于互相關(guān)濾波算 子的線特征提取方法。
全文摘要
本發(fā)明公開了一種基于支持向量機(jī)的SAR景象匹配區(qū)選取方法，結(jié)合SAR成像特性，通過(guò)選擇合適的代表圖像信息的多維特征參數(shù)，使用非線性變換將樣本特征空間的劃分問(wèn)題轉(zhuǎn)換為高維特征空間的線性分類問(wèn)題，并利用有限的支持向量點(diǎn)的線性組合建立分類決策函數(shù)并選擇景象匹配區(qū)。該方法考慮了參考圖像的多種特征值與匹配區(qū)正確選擇之間的聯(lián)系，試驗(yàn)結(jié)果表明該方法計(jì)算速度快，具有較大的適應(yīng)性和抗干擾性，能夠?qū)?fù)雜SAR參考圖的匹配子區(qū)選取進(jìn)行正確決策指導(dǎo)。
文檔編號(hào)G06K9/62GK102073873SQ20111003190
公開日2011年5月25日 申請(qǐng)日期2011年1月28日 優(yōu)先權(quán)日2011年1月28日
發(fā)明者孔德煜, 朱鵬, 楊衛(wèi)東, 殷凱, 鄒臘梅, 黃偉麟 申請(qǐng)人:華中科技大學(xué)