一種sar圖像的油庫目標(biāo)定位方法
【專利摘要】本發(fā)明公開了一種SAR圖像的油庫目標(biāo)定位方法，包括以下幾個步驟：步驟一：參數(shù)初始化，輸入包含油庫目標(biāo)的SAR圖像；步驟二：圖像預(yù)處理，對圖像進(jìn)行濾波、分割、形態(tài)學(xué)處理和圖像的邊緣提??；步驟三：Hough變換圓檢測；步驟四：計(jì)算油庫目標(biāo)的中心。本發(fā)明提出了一種全新的SAR圖像中油庫檢測的方法。在此之前，關(guān)于油庫的檢測全部集中在光學(xué)領(lǐng)域，沒有人做過SAR圖像中油庫檢測的工作。因此，本發(fā)明為遙感領(lǐng)域中油庫目標(biāo)的檢測提供了一種新的途徑。
【專利說明】—種SAR圖像的油庫目標(biāo)定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及雷達(dá)【技術(shù)領(lǐng)域】，具體地說，是指一種合成孔徑雷達(dá)(簡稱SAR)圖像的油庫目標(biāo)定位方法。
【背景技術(shù)】
[0002]油庫是一類重要的目標(biāo)，其位置信息的提取是近年來研究的熱點(diǎn)問題之一。目前大多數(shù)方法是利用可見光圖像進(jìn)行油庫目標(biāo)檢測，從而進(jìn)一步計(jì)算油庫目標(biāo)的位置，然而可見光圖像通常對于含有偽裝的油庫目標(biāo)無法準(zhǔn)確提取。合成孔徑雷達(dá)是一種重要的微波遙感設(shè)備，能夠全天時(shí)、全天候成像，且能夠有效揭露偽裝?；赟AR圖像的油庫目標(biāo)檢測能夠降低油庫目標(biāo)檢測的漏檢率，因而利用SAR圖像進(jìn)行油庫目標(biāo)檢測并進(jìn)一步計(jì)算其位置信息，對于軍事應(yīng)用來說具有更重要的價(jià)值。
[0003]雖然SAR圖像能夠較好地揭露偽裝，降低漏檢率，但是由于油庫是立體目標(biāo)，SAR的側(cè)視成像工作機(jī)理使得油庫目標(biāo)的在SAR圖像上呈現(xiàn)特殊的亮線及陰影特征，SAR圖像的油庫目標(biāo)的定位過程較之可見光SAR圖像中的定位過程更為復(fù)雜，但充分利用SAR圖像上的亮線及陰影特征，能夠在保證較低漏警率的前提下計(jì)算油庫目標(biāo)的位置信息。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是為了解決SAR圖像上陰影與油庫實(shí)際位置不一致的特殊問題，根據(jù)SAR圖像上亮線以及陰影產(chǎn)生原理，在SAR圖像進(jìn)行濾波、分割、形態(tài)學(xué)處理的基礎(chǔ)上，通過Hough變換(霍夫變換)檢測油庫目標(biāo)的半徑，利用亮線確定油庫的輪廓邊緣，從而進(jìn)一步計(jì)算油庫目標(biāo)中心位置，實(shí)現(xiàn)一種新的SAR圖像的油庫目標(biāo)定位方法。
[0005]一種SAR圖像的油庫目標(biāo)定位方法，包括以下幾個步驟:
[0006]步驟一:參數(shù)初始化，輸入包含油庫目標(biāo)的SAR圖像；
[0007]步驟二:圖像預(yù)處理，對圖像進(jìn)行濾波、分割、形態(tài)學(xué)處理和圖像的邊緣提?。?br> [0008]步驟三:Hough變換圓檢測；
[0009]步驟四:計(jì)算油庫目標(biāo)的中心。
[0010]本發(fā)明的優(yōu)點(diǎn)在于:
[0011](I)本發(fā)明提出了一種全新的SAR圖像中油庫檢測的方法。在此之前，關(guān)于油庫的檢測全部集中在光學(xué)領(lǐng)域，沒有人做過SAR圖像中油庫檢測的工作。因此，本發(fā)明為遙感領(lǐng)域中油庫目標(biāo)的檢測提供了一種新的途徑。
[0012](2)本發(fā)明直接利用SAR圖像進(jìn)行油庫目標(biāo)位置參數(shù)計(jì)算，能夠有效揭露偽裝，降低油庫目標(biāo)檢測漏警率；
[0013](3)本發(fā)明中充分利用了油庫陰影及亮線特征，得到油庫目標(biāo)的位置信息及直徑參數(shù)更加可靠。
【專利附圖】

【附圖說明】[0014]圖1是本發(fā)明的方法流程圖；
[0015]圖2是本發(fā)明中搜索二次散射形成的最強(qiáng)散射點(diǎn)的搜索窗口示意圖；
[0016]圖3是本發(fā)明中計(jì)算油庫目標(biāo)中心的示意圖；
[0017]圖4是本發(fā)明中實(shí)施示例所使用的原始SAR圖像；
[0018]圖5是本發(fā)明中對原始SAR圖像濾波后的圖像；
[0019]圖6是本發(fā)明中濾波后的圖像量化后的灰度直方圖；
[0020]圖7是本發(fā)明中對濾波后的圖像進(jìn)行分割后所得到的二值圖像；
[0021]圖8是本發(fā)明中對二值圖像進(jìn)行閉運(yùn)算處理后的圖像；
[0022]圖9是本發(fā)明中形態(tài)學(xué)處理完成后的圖像；
[0023]圖10是本發(fā)明中提取出來的邊緣圖像；
[0024]圖11是本發(fā)明中使用Hough變換所檢測出來的結(jié)果圖；
[0025]圖12是本發(fā)明中剔除虛警后的結(jié)果圖；
[0026]圖13是本發(fā)明中搜尋到得二次散射形成的最強(qiáng)散射點(diǎn)的示意圖；
[0027]圖14是本發(fā)明中油庫目標(biāo)的最終定位的結(jié)果示意圖。
【具體實(shí)施方式】
[0028]下面將結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0029]本發(fā)明是一種SAR圖像的油庫目標(biāo)定位方法，流程如圖1所示，包括以下幾個步驟:
[0030]步驟一、參數(shù)初始化，輸入包含油庫目標(biāo)的原始SAR圖像。
[0031]讀取原始SAR圖像Itl，設(shè)Itl的總行數(shù)為m，總列數(shù)為η。對于圖像中的任一像素點(diǎn)(X，y)，該像素點(diǎn)的值以Itl(X，y)表示，其中X和I分別表示該像素點(diǎn)在圖像Itl中的行數(shù)和列數(shù)。
[0032]步驟二、圖像預(yù)處理，對圖像進(jìn)行濾波、分割、形態(tài)學(xué)處理和圖像的邊緣提?。?br> [0033]對原始的SAR圖像做預(yù)處理，為Hough變換做好準(zhǔn)備。預(yù)處理主要包括圖像的濾波，圖像的分割，形態(tài)學(xué)的處理以及圖像邊緣的提取。具體包括:
[0034]1、圖像濾波
[0035]設(shè)i為原始SAR圖像Itl中某一像素點(diǎn)所在的行數(shù)，j為該像素點(diǎn)所在的列數(shù)，IcXi，j)表示該像素點(diǎn)的值。對圖像Itl進(jìn)行濾波，設(shè)濾波后的圖像為I。圖像濾波的步驟如下:
[0036](I)輸入濾波窗口的參數(shù)，其大小為NXN，則濾波窗口內(nèi)共有N2個像素點(diǎn)。輸入濾波起始點(diǎn)的坐標(biāo)Qstart, jstart)，輸入濾波終止的行數(shù)值imd，輸入濾波終止的列數(shù)值jmd ；
[0037](2)初始化(i, j)的值為(istart, Jstart)，設(shè)圖像10中第(i, j)個像素點(diǎn)的值為I，則I = 1(1 (i，j)，在該像素點(diǎn)鄰域周圍選取大小為NXN的滑動窗口，滑動窗中所有像素點(diǎn)的
值的均值為? ,中值為Imeid,方差為Var (I),標(biāo)準(zhǔn)差為
【權(quán)利要求】
1.一種SAR圖像的油庫目標(biāo)定位方法，包括以下幾個步驟: 步驟一、參數(shù)初始化，輸入包含油庫目標(biāo)的原始SAR圖像； 讀取原始SAR圖像Itl，設(shè)Itl的總行數(shù)為m，總列數(shù)為η ;對于圖像中的任一像素點(diǎn)(x，y)，該像素點(diǎn)的值以ItlU，Y)表示，其中X和I分別表示該像素點(diǎn)在圖像Itl中的行數(shù)和列數(shù)；步驟二、圖像預(yù)處理，對圖像進(jìn)行濾波、分割、形態(tài)學(xué)處理和圖像的邊緣提??； 具體包括:1>、圖像濾波 設(shè)i為原始SAR圖像Itl中某一像素點(diǎn)所在的行數(shù)，j為該像素點(diǎn)所在的列數(shù)，Itl(i，j)表示該像素點(diǎn)的值，對圖像Itl進(jìn)行濾波，設(shè)濾波后的圖像為I1 ;2>、圖像分割 對濾波后的圖像^進(jìn)行量化和分割，首先輸入閾值上限Τ_=10μ，其中μ表示圖像的強(qiáng)度的平均值；設(shè)圖像I1的最小強(qiáng)度值為Tmin ;以Tmin和Tmax為最小值和最大值，對圖像I1進(jìn)行256級量化；如果圖像I1中某一像素點(diǎn)的值T > Tfflax,則直接將該像素點(diǎn)的值量化為255 ； 量化后，統(tǒng)計(jì)出量化后的圖像的灰度直方圖，找出第一個峰值與第二個峰值之間的波谷點(diǎn)，設(shè)其為閾值Ts，即為圖像分割所需的閾值；利用該閾值對濾波后的圖像I1進(jìn)行分割，設(shè)濾波后的圖像為f U，y)，分割后的二值圖像I2為g(x，y)，則:

2.根據(jù)權(quán)利要求1所述的一種SAR圖像的油庫目標(biāo)定位方法，所述步驟二中1>圖像濾波具體為: (1)輸入濾波窗口的參數(shù)，其大小為NXN，則濾波窗口內(nèi)共有N2個像素點(diǎn)；輸入濾波起始點(diǎn)的坐標(biāo)Qstart, jstart)，輸入濾波終止的行數(shù)值imd，輸入濾波終止的列數(shù)值jmd ；(2)初始化(i，j)的值為(istart，jstart)，設(shè)圖像I。中第(i，j)個像素點(diǎn)的值為I，則I=10 (i，j)，在該像素點(diǎn)鄰域周圍選取大小為NXN的滑動窗口，滑動窗中所有像素點(diǎn)的值的均值為I，中值為Inred，方差為Var(I),標(biāo)準(zhǔn)差為O},則濾波的方法如下:
3.根據(jù)權(quán)利要求1所述的一種SAR圖像的油庫目標(biāo)定位方法，所述步驟二中3>形態(tài)學(xué)處理具體為:圖像分割后所獲取的二值圖像I2，采用形態(tài)學(xué)處理中的膨脹和腐蝕以及孔洞的填充；對輸入的二值圖像I2，先采取形態(tài)學(xué)閉運(yùn)算；利用Matlab進(jìn)行處理時(shí)，輸入結(jié)構(gòu)化元素SE，可直接調(diào)用imclose函數(shù)進(jìn)行閉運(yùn)算處理；為了使邊緣特性更加理想，可重復(fù)使用閉運(yùn)算；對二值圖像I2進(jìn)行閉運(yùn)算處理，得到圖像I3 ； 對于閉運(yùn)算處理后的圖像I3，輸入面積閾值A(chǔ)min，消除圖像中面積小于Amin的黑色小孔以及白色區(qū)域；消除方法如下: Cl)對于閉運(yùn)算后的二值圖像I3，調(diào)用Matlab中的bwlabel函數(shù),對它的8連接區(qū)域進(jìn)行標(biāo)記；調(diào)用方式為:
Lb=bwlabel (I3)； 其中，Lb是輸出的標(biāo)記矩陣； (2)設(shè)矩陣Lb的最大值為Lbmax;初始化i的值為1，找出矩陣Lb中標(biāo)記值為i的點(diǎn)；在Matlab中，可通過如下的命令實(shí)現(xiàn):
Li=(Lb==I)； 獲取的矩陣Li為二值矩陣，若矩陣Lb中某一元素Lb (X，y)的值為i，則矩陣Li中元素LiU, y)的值為1.其中X和y分別表示元素在矩陣中所在的行和列； 統(tǒng)計(jì)矩陣Li中值為I的元素的數(shù)目，若該總數(shù)目小于面積閾值A(chǔ)min，則對于該矩陣中每一個值為I的點(diǎn)所對應(yīng)的(X，y)，將二值圖像I3中第(X，y)個像素點(diǎn)的值取反； (3)i的值逐漸增加1，對于每一個i的值，重復(fù)步驟(2)，直至i的取值達(dá)到Lbmax為止； (4)對于步驟(3)獲取的二值圖像，將圖像取反，重復(fù)步驟(I)、(2)和(3)，對于獲取的圖像再次取反； 依據(jù)上述步驟對閉運(yùn)算處理后的圖像I3進(jìn)行處理，就可得到形態(tài)學(xué)處理后的圖像14。
4.根據(jù)權(quán)利要求1所述的一種SAR圖像的油庫目標(biāo)定位方法，所述步驟二中4> 二值圖像的邊緣提取具體為: 提取形態(tài)學(xué)處理后的圖像I4的邊緣，可使用Matlab中的bwmorph函數(shù)；調(diào)用方式為: bw2=bwmorph(bwl, ， remove’ ) 其中bwl為輸入的圖像14，bw2為獲取的邊緣圖像15。
【文檔編號】G06T7/00GK103456006SQ201310339445
【公開日】2013年12月18日 申請日期:2013年8月6日 優(yōu)先權(quán)日:2013年8月6日
【發(fā)明者】孫兵, 陳維, 徐華平, 蔡良, 王燁 申請人:北京航空航天大學(xué)