本軟件屬于信息技術(shù)圖像識(shí)別的領(lǐng)域，可用于提取不同時(shí)相的高分辨率合成孔徑雷達(dá)(syntheticapertureradar，sar)影像中新增加的建設(shè)用地。
背景技術(shù)：
：sar以其全天時(shí)、全天候偵察和高分辨率成像的優(yōu)勢(shì)成為對(duì)地觀測(cè)的重要手段之一。近年來(lái)，隨著大量米級(jí)、亞米級(jí)高分辨率sar圖像的獲取，基于sar圖像的城區(qū)環(huán)境研究成為當(dāng)前sar圖像解譯領(lǐng)域的重要課題之一。圖像識(shí)別作為其中的關(guān)鍵環(huán)節(jié)，為城區(qū)土地利用情況調(diào)查、變化檢測(cè)、地圖繪制、災(zāi)害監(jiān)測(cè)等專題解譯提供了基礎(chǔ)。目前，sar圖像識(shí)別以基于圖像灰度分布模型的統(tǒng)計(jì)類方法和基于紋理分析的方法為主。城區(qū)存在大量建筑物等強(qiáng)散射目標(biāo)，使得很多經(jīng)典模型難以很好地?cái)M合圖像數(shù)據(jù)，導(dǎo)致統(tǒng)計(jì)類方法性能下降。此外，統(tǒng)計(jì)類方法大多采用逐像素分類方式，忽略圖像的空間分布特性，分類結(jié)果存在明顯的“椒鹽”現(xiàn)象，進(jìn)一步造成分類精度難以達(dá)到實(shí)用要求。紋理分析考慮了鄰近像素間的空間信息而不僅是像素灰度信息，從而成為城區(qū)sar圖像識(shí)別的重要方法，變差函數(shù)法是近年來(lái)在遙感領(lǐng)域興起的一種紋理分析的有效工具，廣泛用于多光譜圖像、dem等遙感數(shù)據(jù)分類，在sar圖像的植被識(shí)別、建筑區(qū)提取等研究中亦得到應(yīng)用?！缎盘?hào)處理》中《基于變差函數(shù)紋理特征的高分辨率sar圖像建筑區(qū)提取》首次將變差函數(shù)應(yīng)用于高分辨率sar影像的建筑區(qū)提取，取得了不錯(cuò)的效果。變差函數(shù)用于紋理分析的常用計(jì)算方式是確定間距h、窗口大小w、計(jì)算方向，通過(guò)計(jì)算窗口w內(nèi)所有間距為h的點(diǎn)對(duì)的半方差值，取平均作為窗口中心點(diǎn)的變差函數(shù)值，遍歷全圖即得到影像的變差函數(shù)特征圖。一方面，窗口內(nèi)中心元素的變差函數(shù)值是由窗口內(nèi)所有距離是h的點(diǎn)對(duì)的半方差值取平均而得，這種取平均的計(jì)算方法很容易受噪聲、孤立強(qiáng)反射點(diǎn)干擾，算法穩(wěn)健性差；另一方面，由于以往的方法中參數(shù)確定只依靠經(jīng)驗(yàn)，參數(shù)如果選取不當(dāng)，對(duì)結(jié)果影響大，穩(wěn)定性不高。此外，sar影像斑點(diǎn)噪聲嚴(yán)重影響提取結(jié)果的精度。目前大多sar圖像斑點(diǎn)抑制濾波研究是針對(duì)中低分辨率的圖像進(jìn)行處理。傳統(tǒng)的基于局部統(tǒng)計(jì)的自適應(yīng)濾波器在處理中低分辨率的sar圖像時(shí)或者在不要求高分辨率的應(yīng)用目的下，可以達(dá)到很好的去噪效果。但是對(duì)高分辨率sar影像結(jié)構(gòu)特征的保持能力不夠，無(wú)法滿足實(shí)際應(yīng)用需求。作為高分辨率sar影像的顯著特征，其結(jié)構(gòu)信息是sar圖像解譯和信息提取的重要依據(jù)。本發(fā)明將結(jié)構(gòu)檢測(cè)技術(shù)引入到傳統(tǒng)濾波中，針對(duì)單極化高分辨率sar影像，研發(fā)了基于結(jié)構(gòu)檢測(cè)的相干斑抑制濾波(sdbsf)，并根據(jù)變差函數(shù)計(jì)算方法所存在的弊端，提出一種穩(wěn)健的改進(jìn)型變差函數(shù)方法，該算法繼承了變差函數(shù)和標(biāo)準(zhǔn)中值濾波方法的優(yōu)點(diǎn)，同時(shí)也提出一種確定最優(yōu)參數(shù)的方法。然后利用該方法進(jìn)行建筑區(qū)紋理特征提取，自動(dòng)提取不同實(shí)相新增建設(shè)用地。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提出一種自動(dòng)提取高分辨率sar影像新增建設(shè)用地的方法，提高傳統(tǒng)方法的檢測(cè)精度。為實(shí)現(xiàn)上述目的，本發(fā)明提出的完整方法為：第一步、影像濾波1-1)輸入不同時(shí)相的高分辨率sar圖像1-2)檢測(cè)輸入圖像的尺寸是否相同1-3)進(jìn)行濾波處理(sdbsf)第二步、改進(jìn)變差函數(shù)提取新增建設(shè)用地2-1)對(duì)濾波后的圖像計(jì)算變差函數(shù)生成紋理特征圖2-2)不同時(shí)相的紋理特征圖作比值2-3)確定閾值提取新增建設(shè)用地2-4)對(duì)提取的結(jié)果進(jìn)行后處理，得到最終的結(jié)果2-5)精度評(píng)價(jià)附圖說(shuō)明圖1，本發(fā)明主流程示意圖圖2，sdbsf濾波流程圖圖3，傳統(tǒng)的比值檢測(cè)模板圖4，改進(jìn)的比值檢測(cè)模板圖5，改進(jìn)后的比值線檢測(cè)模板圖6，快速選擇最優(yōu)參數(shù)流程圖圖7，窗口w＝7，步長(zhǎng)h＝1，四方向0°，45°，90°，135°的模板圖8，不同時(shí)相的兩幅radarsat2圖像圖9，googleearth對(duì)應(yīng)的quickbird衛(wèi)星的光學(xué)影像圖10，人工解譯出的新增建設(shè)用地的真值圖像圖11，未改進(jìn)算法提取結(jié)果圖12，改進(jìn)算法提取結(jié)果具體實(shí)施方式一、圖像濾波具體步驟如圖2所示：1.強(qiáng)點(diǎn)目標(biāo)標(biāo)記與保留sar圖像中的強(qiáng)點(diǎn)目標(biāo)是sar圖像中一類常見(jiàn)有重要的目標(biāo)，它們往往對(duì)應(yīng)于一些類似于角反射器的人造地物，這些點(diǎn)對(duì)某些特定目標(biāo)的精確定位和圖像同名點(diǎn)的選取有重要意義，因此應(yīng)予以保留。如果不考慮這些點(diǎn)目標(biāo)的特殊性，濾波器很容易將其視為噪聲而平滑掉。此外，這些強(qiáng)反射點(diǎn)還會(huì)嚴(yán)重影響其周邊像素的濾波過(guò)程，因此，應(yīng)標(biāo)記強(qiáng)點(diǎn)目標(biāo)，使其不參與周邊像素的濾波計(jì)算。強(qiáng)點(diǎn)目標(biāo)的識(shí)別方法如下：采用5*5矩形窗口，若中心像素值與窗口內(nèi)其他像素值的均值比小于閾值t，則標(biāo)記為強(qiáng)點(diǎn)目標(biāo)，保留其原始灰度值不變。遍歷每個(gè)像素，得到一幅標(biāo)記有點(diǎn)目標(biāo)的掩膜圖像，標(biāo)記的所有的點(diǎn)目標(biāo)即不參與周圍像素的結(jié)構(gòu)檢測(cè)過(guò)程，也不參與它們的濾波過(guò)程。2.基于局域統(tǒng)計(jì)特性的紋理區(qū)與均質(zhì)區(qū)的劃分sar圖像中均質(zhì)區(qū)內(nèi)與非均質(zhì)區(qū)可以依據(jù)局域方差系數(shù)進(jìn)行劃分。局域方差系數(shù)(標(biāo)準(zhǔn)差/均值)cij是有效衡量圖像局部的均勻性的指標(biāo)，常用來(lái)反映窗口內(nèi)的局部灰度特征。當(dāng)局域方差系數(shù)cij＞閾值cu時(shí)，視為非均質(zhì)區(qū)。反之，視為均質(zhì)區(qū)。3.紋理區(qū)內(nèi)的線、邊緣及微紋理區(qū)的檢測(cè)及相應(yīng)濾波模版的選擇比值邊緣檢測(cè)方法是一種具有恒虛警概率(constantfalse-alarmrate，cfar)的檢測(cè)算法，因此適用于sar圖像的應(yīng)用。傳統(tǒng)的比值檢測(cè)模板如圖3。通過(guò)計(jì)算4個(gè)方向上，邊緣兩側(cè)區(qū)域灰度平均值的比值(r1，r2，r3，r4)與閾值的關(guān)系，進(jìn)行判別。設(shè)閾值記為tt，令rmin＝min(r1，r2，r3，r4)。當(dāng)rmin＜tt時(shí)，該中心像素屬于邊緣區(qū)，否則，該中心像素屬于均質(zhì)區(qū)。傳統(tǒng)比值檢測(cè)法的缺點(diǎn)是它只檢測(cè)了邊緣的方向，卻沒(méi)考慮中心像素更接近哪一側(cè)的邊緣。因此會(huì)造成邊緣的定位不準(zhǔn)。因此本文在傳統(tǒng)方法上進(jìn)行了改進(jìn)，改進(jìn)后的比值邊緣檢測(cè)模板見(jiàn)圖4。(其中灰色部分d1像素參與計(jì)算過(guò)程)。同理計(jì)算16個(gè)模板的d1與d2兩個(gè)區(qū)域平均灰度值的比值得到一個(gè)邊緣檢測(cè)比值向量(r1，r2，...r16)，求其中的最小值記r_edge＝min(r1，r2，...r16)。改進(jìn)后的算法優(yōu)點(diǎn)有兩個(gè)：首先原先的四個(gè)方向擴(kuò)展到了8個(gè)，更加細(xì)化了邊緣檢測(cè)的方向。其次是考慮到中心像素更接近那一側(cè)邊緣問(wèn)題，針對(duì)每個(gè)方向設(shè)計(jì)了兩個(gè)模板，因此能更精確定位邊緣。類似的，將改進(jìn)后的邊緣檢測(cè)方法擴(kuò)展到線檢測(cè)中，得到線檢測(cè)比值向量(r1，r2，...r8)和線檢測(cè)最小比值r_line＝min(r1，r2，...r8)。改進(jìn)后的比值線檢測(cè)模板見(jiàn)圖5。然后，對(duì)紋理區(qū)內(nèi)的像素同時(shí)采用邊緣檢測(cè)模板及線檢測(cè)模板，計(jì)算比值r_edge和r_line。設(shè)閾值為tt。若r_edge＜r_line且r_edge＜tt，中心像素被視為邊緣，此時(shí)該中心像素的濾波模板選取比值向量中最小值對(duì)應(yīng)的那個(gè)邊緣檢測(cè)模版。若r_edge＞＝r_line且r_line＜tt，中心像素被視為線，此時(shí)該中心像素的濾波模板選取比值向量中最小值對(duì)應(yīng)的那個(gè)線檢測(cè)模版。其他情況，則視為微紋理區(qū)，此時(shí)該中心像素的濾波模板選取m*m的矩形窗口，窗口的大小應(yīng)小于初始檢測(cè)窗口，可根據(jù)具體圖像適當(dāng)調(diào)整。4.均質(zhì)區(qū)內(nèi)尋找最大同質(zhì)區(qū)及相應(yīng)濾波模版的選擇對(duì)于均質(zhì)區(qū)域的處理，窗口大小的選取對(duì)平滑噪聲的效果有至關(guān)重要的作用，窗口越大，噪聲的抑制效果越好。因此可以采用自適應(yīng)改變窗口大小和區(qū)域增長(zhǎng)結(jié)合的方法尋找最大的均質(zhì)區(qū)域。首先采用自適應(yīng)增加窗口大小的方法，假設(shè)通過(guò)步驟2計(jì)算得出中心像素在均質(zhì)區(qū)內(nèi)，此時(shí)的初始窗口大小為m*m，則增加窗口大小為(m+1)*(m+1)，再次計(jì)算局域方差系數(shù)c，若c＜閾值t時(shí)，繼續(xù)擴(kuò)大窗口，直到不滿足閾值條件停止。記此時(shí)的窗口大小為m’*m’，該窗口為最大均質(zhì)矩形。由于實(shí)際中的均質(zhì)區(qū)域往往是不規(guī)則的形狀，因此隨后使用區(qū)域增長(zhǎng)的方法尋找更準(zhǔn)確的均質(zhì)區(qū)域。傳統(tǒng)的區(qū)域增長(zhǎng)是基于梯度進(jìn)行的，同樣不具有恒虛警率，不適用于符合乘性斑噪模型的sar影像，因此用比值的方法代替。以m’*m’窗口內(nèi)的像素為種子點(diǎn)，根據(jù)需要可選用4鄰接和8鄰接，以8鄰接為例，若某像素在種子點(diǎn)的8鄰接范圍內(nèi)，且該像素值與種子像素值的比值大于閾值t時(shí)，則將該像素合并為種子點(diǎn)，以該種子像素繼續(xù)進(jìn)行區(qū)域增長(zhǎng)，直到不滿足閾值條件停止。依次遍歷每個(gè)種子點(diǎn)，得到區(qū)域增長(zhǎng)后的一塊最大同質(zhì)區(qū)，則該最大同質(zhì)區(qū)內(nèi)的全部像素參與濾波。5.使用選擇的模板濾波最后，將選擇后的模板對(duì)當(dāng)前像素進(jìn)行濾波，對(duì)于強(qiáng)點(diǎn)目標(biāo)，保留原值；對(duì)于非均質(zhì)區(qū)內(nèi)的像素，選擇mmse方法進(jìn)行濾波；對(duì)于均質(zhì)區(qū)內(nèi)的像素選擇均值濾波器。遍歷整幅影像，最后得到一幅濾波后的影像。二、計(jì)算濾波后影像的變差函數(shù)變差函數(shù)理論由數(shù)學(xué)專家g.maberon教授1962年創(chuàng)立，作為地質(zhì)統(tǒng)計(jì)學(xué)的重要工具，變差函數(shù)被應(yīng)用于空間隨機(jī)場(chǎng)的統(tǒng)計(jì)特性研究。變差函數(shù)又稱半變差函數(shù)(semivariogramfunction)，定義為區(qū)域化變量z(x)和z(x+h)(同時(shí)包含兩點(diǎn)距離和方向信息)兩點(diǎn)之差的方差之半：(式1)對(duì)于離散的柵格數(shù)據(jù)，變差函數(shù)定義為：(式2)其中，n(h)表示觀測(cè)數(shù)據(jù)中間距為h的點(diǎn)對(duì)數(shù)目，估計(jì)值γ*(h)通常稱為實(shí)驗(yàn)變差函數(shù)。變差函數(shù)用于度量區(qū)域化變量的空間相關(guān)性，能充分反映圖像數(shù)據(jù)的隨機(jī)性和結(jié)構(gòu)性。變差函數(shù)用于紋理分析的常用計(jì)算方式是首先確定步長(zhǎng)h、窗口w、計(jì)算方向，然后計(jì)算窗口w內(nèi)所有間距為h的點(diǎn)對(duì)的半方差值，然后取平均(如式(2))作為窗口中心點(diǎn)的變差函數(shù)值，遍歷全圖即得到影像的變差函數(shù)特征圖。對(duì)于高分辨率的sar圖像而言，窗口w的選取取決于h，要保證窗口w內(nèi)間距h的點(diǎn)對(duì)數(shù)目足夠，窗口w至少應(yīng)為3h～5h。然而，窗口w過(guò)大會(huì)造成圖像整體模糊、邊緣虛警率高，且窗口內(nèi)取平均的方法易受噪聲、孤立強(qiáng)反射點(diǎn)干擾，算法穩(wěn)健性差。發(fā)明根據(jù)變差函數(shù)計(jì)算方法所存在的弊端，提出一種穩(wěn)健的變差函數(shù)計(jì)算方法，該算法繼承了變差函數(shù)和標(biāo)準(zhǔn)中值濾波方法的優(yōu)點(diǎn)，窗口w取值不再受h約束，主要思想是：在計(jì)算像素點(diǎn)的變差函數(shù)值時(shí)，不再取窗口w內(nèi)間距為h的點(diǎn)對(duì)來(lái)求取，而是計(jì)算像素點(diǎn)(x，y)與固定方向(如0°方向)上間距h的點(diǎn)(x+h，y)的半方差值，將此值作為點(diǎn)(x，y)的半方差值；然后取窗口內(nèi)所有像素的半方差值的中值代替均值作為變差函數(shù)值。計(jì)算公式如下：(式3)其中，ω為二維模板，以窗口w＝7，步長(zhǎng)h＝1，四方向0°，45°，90°，135°為例，如圖所示。根據(jù)圖5的流程快速選擇最優(yōu)參數(shù)。分別計(jì)算兩幅圖像的變差函數(shù)，生成各自的紋理圖像。之后以新時(shí)相數(shù)據(jù)的變差函數(shù)圖與舊時(shí)相數(shù)據(jù)的變差函數(shù)圖作比值，得到一副比值圖，并根據(jù)閾值分割算法得到一個(gè)劃分閾值a，從而根據(jù)a對(duì)比值圖像進(jìn)行閾值分割，最終得到新增建設(shè)用地的初步提取結(jié)果。由于初步提取的結(jié)果比較破碎，并且有許多誤提的小斑塊，由實(shí)際經(jīng)驗(yàn)可知這種小斑塊并非建設(shè)用地，可能是傳感器成像角度不同引起的灰度變化而被算法誤提出的小斑塊。因此進(jìn)行后處理，膨脹與腐蝕連接建設(shè)用地區(qū)域的外部輪廓，去除小面積區(qū)域刪除誤提取的碎小斑塊。精度驗(yàn)證測(cè)試數(shù)據(jù)采用時(shí)相分別為2009年8月6日、2011年6月30日的浙江省杭州市北部城區(qū)的radarsat2影像，影像具體參數(shù)信息如表1。兩幅影像首先進(jìn)行了幾何配準(zhǔn)和斑點(diǎn)噪聲抑制、亮度歸一化等預(yù)處理工作，處理后的圖像均為1000*1000像素大小，256級(jí)灰度。利用googleearth上對(duì)應(yīng)的quickbird衛(wèi)星的光學(xué)影像作為精度評(píng)價(jià)數(shù)據(jù)。圖8，圖9即為經(jīng)過(guò)圖像配準(zhǔn)后的兩時(shí)相sar影像及quickbird影像，圖10為人工解譯出的新增建設(shè)用地的真值圖像。表1影像參數(shù)信息表從結(jié)果可以看出變化區(qū)域大致被檢測(cè)出來(lái)，整體精度較高，漏警率較小。兩種方法作對(duì)比，改進(jìn)方法在整體精度及虛警率都優(yōu)于未改進(jìn)方法。但是整體的檢測(cè)結(jié)果要比真實(shí)變化區(qū)域范圍大，而且包含很多虛警區(qū)域，即虛警率比較大。這主要是由于兩幅影像本身差異以及入射角相差較大，在一些未變化的區(qū)域兩幅影像在灰度上表現(xiàn)出差異，因此造成結(jié)果的虛警率大。方法總體精度/％虛警率/％漏警率/％未改進(jìn)方法75.835.524.2改進(jìn)方法81.126.918.9表2變化檢測(cè)精度表。當(dāng)前第1頁(yè)12