本發(fā)明屬于成像雷達(dá)探測領(lǐng)域，同時還屬于圖像融合處理領(lǐng)域，尤其涉及一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法。

背景技術(shù)：

合成孔徑雷達(dá)(Synthetic Aperture Radar,以下簡稱SAR)作為主動式微波傳感器，充分利用了脈沖壓縮技術(shù)、合成孔徑原理以及信號相干處理方法，能夠以真實小孔徑天線獲取距離向和方位向二維高分辨的雷達(dá)圖像，可實現(xiàn)全天時、全天候的目標(biāo)觀測，可透過地表和植被獲取目標(biāo)信息，可跟蹤測量目標(biāo)的散射特性，還可實現(xiàn)對機(jī)動目標(biāo)的成像識別。這些特點使其一躍成為現(xiàn)代軍事偵察的主要工具，其獲取的高分辨雷達(dá)圖像極大地推進(jìn)了軍事活動的信息化進(jìn)程并深刻改變了現(xiàn)代戰(zhàn)爭的形態(tài)。

但是，經(jīng)典SAR的直線觀測幾何僅能獲取目標(biāo)在較小方位角度內(nèi)的散射信息，其“距離-多普勒”成像原理以及特殊的側(cè)視成像探測模式，導(dǎo)致輸出圖像不可避免地存在目標(biāo)遮擋、探測陰影(盲區(qū))和目標(biāo)疊掩等固有問題，給系統(tǒng)對目標(biāo)檢測與識別帶來了不利影響。例如，SAR圖像中由于遮擋造成的陰影區(qū)域成為探測的盲區(qū)，無法提供該部分的目標(biāo)信息，而疊掩現(xiàn)象使得不同空間位置的目標(biāo)散射信息相互疊加在同一個分辨單元內(nèi)，嚴(yán)重時甚至?xí)Ω信d趣的目標(biāo)散射信息產(chǎn)生遮蓋，導(dǎo)致系統(tǒng)對目標(biāo)檢測和識別的正確率大大降低。

在軍事偵察中，準(zhǔn)確而全面地了解戰(zhàn)場環(huán)境和獲取重點目標(biāo)的信息非常重要，上述問題讓成像效果大打折扣，大大降低了SAR在城市、山地等復(fù)雜場景下成像結(jié)果的實用性和可讀性，嚴(yán)重制約了SAR的探測性能。為進(jìn)一步提升SAR在城市、山地等復(fù)雜場景下的探測性能及應(yīng)用效能，提高SAR全面、準(zhǔn)確獲取目標(biāo)信息的能力，多角度SAR成像技術(shù)應(yīng)運而生。它通過融合多個角度下的探測信息，可以實現(xiàn)對目標(biāo)電磁散射特征的完整描述，有效拓展被探測目標(biāo)的空間譜支撐區(qū)，一定程度上克服傳統(tǒng)SAR直線觀測中存在的目標(biāo)遮擋、探測陰影(盲區(qū))和目標(biāo)疊掩等問題，對于戰(zhàn)場軍事偵察和城市測繪具有重要的現(xiàn)實意義和極高的實際應(yīng)用價值。

作為當(dāng)前SAR成像領(lǐng)域的熱點研究方向之一，國內(nèi)外眾多研究機(jī)構(gòu)和學(xué)者已成功開展了一系列基于星載、機(jī)載和地基平臺的多角度SAR成像理論和試驗研究，并獲得了一批良好的成像探測結(jié)果，充分展示了多角度SAR技術(shù)在對地觀測方面的巨大應(yīng)用潛力。但是，目前的多角度SAR成像技術(shù)研究所公開發(fā)表的成像探測結(jié)果，尚未解決山地、城市等地形起伏劇烈，雷達(dá)圖像疊掩概率高、探測盲區(qū)大的成像場景的有效處理。

應(yīng)用于未來戰(zhàn)爭環(huán)境下的合成孔徑雷達(dá)不僅要求成像性能好，而且要求疊掩概率低、探測盲區(qū)??；現(xiàn)有多角度SAR成像處理技術(shù)在減小成像疊掩和探測盲區(qū)方面能力不足，如何提高多角度SAR成像處理技術(shù)消除成像疊掩和探測盲區(qū)的能力已成為重大現(xiàn)實問題。

本質(zhì)上講，多角度SAR成像需對多個角度的目標(biāo)信息進(jìn)行融合處理。根據(jù)融合處理方式的不同，多角度SAR成像理論主要可分為圖像層融合的成像理論和信號層融合的成像理論。其中，圖像層融合的多角度SAR成像理論主要在圖像域?qū)崿F(xiàn)目標(biāo)信息融合，以圖像配準(zhǔn)、圖像特征提取和圖像融合方法等關(guān)鍵問題為研究重點。研究結(jié)果表明，利用不同角度的SAR圖像可以提高目標(biāo)參數(shù)的估計精度，并在一定程度上克服遮擋和多次散射對目標(biāo)反演的影響，從原理上證明了多角度SAR成像的正確性。目前基于圖像層的多角度SAR成像理論研究更為普遍，發(fā)展也相對成熟。

信號層融合的多角度SAR成像理論的關(guān)鍵問題是如何實現(xiàn)不同觀測角度回波數(shù)據(jù)的融合，以及如何對融合后的數(shù)據(jù)進(jìn)行統(tǒng)一的成像處理。由于多角度SAR觀測角度差異較大，各角度SAR數(shù)據(jù)的空間不連續(xù)性和空間采樣的非均勻性對基于信號層融合的成像處理帶來了很大的挑戰(zhàn)，傳統(tǒng)基于傅里葉變換的方法會導(dǎo)致主瓣展寬、旁瓣升高等散焦問題，因此必須開展符合上述數(shù)據(jù)特點的特殊成像處理算法。同時，受目標(biāo)散射特性非各向同性的影響，基于經(jīng)典理論的信號層融合多角度SAR成像理論適用范圍有限，亟待開發(fā)和完善基于新的信號處理理論的信號層融合多角度SAR成像理論及算法。

圖像層融合的多角度SAR成像算法利用現(xiàn)有SAR成像算法獲取目標(biāo)在多個角度上的成像結(jié)果，通過圖像融合技術(shù)，實現(xiàn)對目標(biāo)信息的融合。該類算法可結(jié)合現(xiàn)有SAR成像理論和圖像融合領(lǐng)域的研究成果，對系統(tǒng)成像條件要求較低，具有較強(qiáng)的兼容性和魯棒性。但是，如何實現(xiàn)對目標(biāo)特征信息的有效提取和不同角度下目標(biāo)圖像信息的準(zhǔn)確融合仍然是該算法需要重點研究的問題。目前，在城市高精度測繪問題中，為克服單一視角SAR成像中建筑物遮擋和疊掩對高價值目標(biāo)(如道路、橋梁、車輛等)探測的影響，多使用圖像層融合算法。

信號層融合的多角度SAR成像算法首先在信號層對回波信號進(jìn)行融合，然后再對融合后的數(shù)據(jù)進(jìn)行成像處理，最終獲得目標(biāo)的成像結(jié)果。由于此類算法對接收數(shù)據(jù)的相干性要求較高，期望通過全相干累積的方法獲得目標(biāo)的最優(yōu)分辨率和高信噪比圖像，但是由于實際目標(biāo)并不滿足各向同性散射條件，這一目標(biāo)實現(xiàn)難度很大。相比圖像層融合的多角度SAR成像，其對系統(tǒng)的觀測幾何、平臺穩(wěn)定性和信號的采樣要求更高。目前，信號層融合處理的成像算法仍是多角度SAR成像算法研究的一個難點。

可見，針對多角度SAR融合成像算法的研究，更適于綜合利用信號層融合的相干處理(各視角或各子孔徑單獨相干成像)以及圖像層融合的非相干處理(不同視角或不同子孔徑非相干融合)來獲得更優(yōu)、更準(zhǔn)確的成像探測結(jié)果。

技術(shù)實現(xiàn)要素：

為解決上述現(xiàn)行多角度SAR融合成像算法在減小成像疊掩和探測盲區(qū)方面能力不足的問題，本發(fā)明提供一種全新的多角度SAR圖像融合成像算法——一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法。本發(fā)明適用于對山地、城市等高地形起伏的目標(biāo)區(qū)域?qū)嵤┖铣煽讖匠上裉綔y，可有效消除單一視角SAR成像探測結(jié)果中疊掩、陰影等現(xiàn)象，克服其對目標(biāo)檢測與識別的不利影響，確保復(fù)雜場景下對敵軍事目標(biāo)的成像偵察能力不受影響。經(jīng)該算法融合處理的圖像，大大提升了圖像的可讀性和可懂度，非常有利于圖像應(yīng)用時的目標(biāo)判讀和理解。

一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法，包括以下步驟：

步驟1：確定成像平面，并采用時域快速后向投影算法在與成像平面相對應(yīng)的成像網(wǎng)格上完成N個單一視角SAR數(shù)據(jù)的相干累積處理，得到N幅單一視角SAR圖像，其中N至少為3；

步驟2：對各幅單一視角SAR圖像實施去相干斑濾波處理；

步驟3：對各幅相干斑濾波處理后的單一視角SAR圖像分別進(jìn)行大尺度降質(zhì)處理，得到N幅粗分辨率的降質(zhì)圖像I_c；

步驟4：采用滑動窗口法，以降質(zhì)圖像I_c各像素為中心，計算滑動窗口內(nèi)的圖像能量，得到能量圖E_c；

步驟5：根據(jù)能量圖E_c和單一視角SAR圖像的統(tǒng)計分布特性，確定各幅單一視角SAR圖像的閾值L_c并完成二值分割；其中，如果任一像素點的像素值大于L_c，則該像素屬于疊掩區(qū)，否則屬于非疊掩區(qū)；

步驟6：在N幅不同的方位視角下的單一視角SAR圖像中任選2幅，根據(jù)各自的二值分割結(jié)果，對疊掩區(qū)和非疊掩區(qū)圖像分別進(jìn)行兩兩交叉融合處理，并存儲每次操作所得的交叉融合圖像I_f，得到新的像素級融合圖像集∪I_f；其中：

任一成像網(wǎng)格位置如果屬于兩幅單一視角SAR圖像的公共疊掩區(qū)，則取兩個成像網(wǎng)格上較小的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果在其中一幅單一視角SAR圖像屬于疊掩區(qū)，在另一幅單一視角SAR圖像屬于非疊掩區(qū)，則取屬于非疊掩區(qū)的成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果屬于兩幅單一視角SAR圖像的公共非疊掩區(qū)，則取兩個成像網(wǎng)格上較大的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

步驟7：采用滑動窗口法遍歷每一幅交叉融合圖像I_f的所有像素，計算交叉融合圖像I_f各個像素的局部圖像特征；其中局部圖像特征包括對比度、圖像熵以及全變分；

步驟8：對比各幅交叉融合圖像I_f相同位置的像素，將局部圖像特征最優(yōu)的像素作為最終的融合圖像I_opt對應(yīng)網(wǎng)格的像素，直至輸出整幅融合圖像I_opt；

其中，局部圖像特征最優(yōu)包括對比度最大、圖像熵最小以及全變分最大。

一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法，步驟7所述的采用滑動窗口法計算局部圖像特征具體為：

所述滑動窗口依次在各幅交叉融合圖像I_f上逐像素移動，以每個像素為中心計算窗口內(nèi)局部圖像的對比度、圖像熵以及全變分，直至滑動窗口的中心遍歷所有像素；具體的計算過程是：

I_max＝max[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

I_min＝min[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

其中n_w為滑動窗口的尺寸，且n_w為奇數(shù)，I(i,j)為像素點的位置，為滑動窗口內(nèi)的圖像I的局部平均值，I_max和I_min分別為滑動窗口內(nèi)的圖像I的局部像素值的最大值和最小值，P(n)為各像素取值出現(xiàn)的概率，L＝n_w²為矩形滑動窗口內(nèi)的總像素數(shù)，|▽I|為局域圖像的梯度模，I_contrast、I_entropy、I_TV分別為圖像的局部對比度、局部圖像熵以及局部圖像全變分。

一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法，所述滑動窗口為矩形窗口，其尺寸為n_w1×n_w2，其中n_w1為矩形窗口的長度，n_w2為矩形窗口的寬度；中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為矩形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_w1和n_w2來計算矩形窗口條件下的局部圖像特征。

一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法，其特征在于，所述滑動窗口為圓形窗口，其中為圓形窗口的直徑為n_w，中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為圓形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，計算圓形窗口條件下的局部圖像特征。

一種局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法，所述滑動窗口為橢圓窗口，其尺寸為n_wa×n_wb，其中n_wa為橢圓的長軸，n_wb為橢圓的短軸，長軸n_wa與橫坐標(biāo)方向夾角為θ；中心像素(i_c,j_c)與橢圓窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為橢圓窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_wa和n_wb來計算橢圓窗口條件下局部圖像特征。

有益效果：

1、本發(fā)明根據(jù)圖像像素的疊掩區(qū)與非疊掩區(qū)二值分割結(jié)果，對疊掩區(qū)和非疊掩區(qū)圖像分別進(jìn)行取較大值大、或取較小值、或互換準(zhǔn)則的兩兩交叉分類融合處理，可有效消除疊掩與陰影現(xiàn)象對于SAR圖像融合的不利影響；同時對融合處理后的每一幅圖像進(jìn)行圖像質(zhì)量評價，利用滑動窗口逐像素為中心計算每一幅圖像的圖像局域指標(biāo)，并根據(jù)局域圖像指標(biāo)最優(yōu)化準(zhǔn)則，得到最終的融合處理結(jié)果I_opt，這就保證了融合處理結(jié)果I_opt的圖像指標(biāo)不僅是全局最優(yōu)的，而且在以任意像素為中心的鄰域內(nèi)也是最優(yōu)的；

2、本發(fā)明適用于對山地、城市等高地形起伏的目標(biāo)區(qū)域?qū)嵤┖铣煽讖匠上裉綔y，可有效消除單一視角SAR成像探測結(jié)果中疊掩、陰影等現(xiàn)象，克服其對目標(biāo)檢測與識別的不利影響，確保復(fù)雜場景下對敵軍事目標(biāo)的成像偵察能力不受影響。經(jīng)本發(fā)明方法融合處理的圖像，大大提升了圖像的可讀性和可懂度，非常有利于圖像應(yīng)用時的目標(biāo)判讀和理解；

3、本發(fā)明可批量完成各像素的融合處理，運算效率較高，算法易于并行實現(xiàn)。

附圖說明

圖1為本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法流程圖；

圖2(a)為本發(fā)明視角為21°的單一視角SAR圖像；

圖2(b)為本發(fā)明視角為156°的單一視角SAR圖像；

圖3(a)為本發(fā)明圖2(a)對應(yīng)的單一視角SAR圖像疊掩、非疊掩二值分割結(jié)果；

圖3(b)為本發(fā)明圖2(b)對應(yīng)的單一視角SAR圖像疊掩、非疊掩二值分割結(jié)果；

圖4為本發(fā)明任意兩幅單一視角SAR圖像交叉融合的圖像；

圖5(a)為本發(fā)明任意兩幅單一視角SAR圖像交叉融合圖像的最大對比度的指標(biāo)圖；

圖5(b)為本發(fā)明任意兩幅單一視角SAR圖像交叉融合圖像的最小圖像熵的指標(biāo)圖；

圖5(c)為本發(fā)明任意兩幅單一視角SAR圖像交叉融合圖像的最大全變分的指標(biāo)圖；

圖6為本發(fā)明基于圖像局域最大對比度的多角度SAR非相干融合成像結(jié)果；

圖7為本發(fā)明基于圖像局域最小圖像熵的多角度SAR非相干融合成像結(jié)果；

圖8為本發(fā)明基于圖像局域最大全變分的多角度SAR非相干融合成像結(jié)果；

圖9為本發(fā)明滑動窗口法中橢圓窗口示意圖。

具體實施方式

現(xiàn)結(jié)合附圖和實施例對本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法做進(jìn)一步詳細(xì)描述。

實施例一：單一平臺SAR多視角融合成像探測。攜帶SAR載荷的單一平臺沿設(shè)計的曲線飛行路徑，環(huán)繞感興趣的目標(biāo)區(qū)域?qū)嵤┏上裉綔y。由于目標(biāo)散射特性以及成像空間幾何隨觀測視角的劇烈變化，導(dǎo)致全孔徑相干累積處理不可能實現(xiàn)最優(yōu)的成像探測效果，必須考慮多視角SAR融合成像處理。本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法可用于解決此時的融合成像處理問題。如圖1所示，為本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法流程圖，按以下步驟實施：

步驟1：確定成像平面，并采用時域快速后向投影算法在與成像平面相對應(yīng)的成像網(wǎng)格上完成N個子孔徑SAR數(shù)據(jù)的相干累積處理，得到N幅子孔徑相干合成圖像，如圖2(a)、圖2(b)所示，這些圖像分別對應(yīng)21°和156°的方位中心視角，其中N至少為3；

步驟2：采用經(jīng)典的Lee濾波算法對獲得的各子孔徑相干合成圖像實施去相干斑濾波處理；具體實施過程是：

相干斑是一種不相關(guān)的乘性噪聲，可以表示為：

v＝un

其中，v表示SAR圖像觀測到的灰度值，即步驟1得到一系列子孔徑相干合成圖像，u為真實目標(biāo)的雷達(dá)反射系數(shù)，n為相干斑噪聲，通常假設(shè)相干斑在統(tǒng)計上獨立于信號。假定先驗均值和方差可以通過計算勻質(zhì)區(qū)域內(nèi)的均值和方差得到，將上式用一階泰勒級數(shù)展開，可以得到線性模型：

其中為SAR圖像觀測到的灰度值的均值，為真實目標(biāo)的雷達(dá)反射系數(shù)的均值，為相干斑噪聲的均值；

以最小均方差為基礎(chǔ)，在固定窗口中計算均值和方差，可以得到濾波公式：

其中為經(jīng)相干斑濾波處理后的子孔徑相干合成圖像，即步驟3的輸入數(shù)據(jù)；

k為加權(quán)系數(shù)。是固定窗口內(nèi)的像素平均值，為所取窗口內(nèi)像素方差，為所取窗口內(nèi)噪聲方差。

此外，Lee濾波時，把圖像分為三類區(qū)域：第一類是均勻區(qū)域，其中的相干斑噪聲可以簡單地用均值濾波平滑掉；第二類是不均勻區(qū)域，在去除噪聲的同時應(yīng)該盡量保持其中的結(jié)構(gòu)和紋理信息；第三類是包含分離點目標(biāo)的區(qū)域，濾波器應(yīng)盡可能地保留原始的觀察值。因此亦可采用另一種方法，即如下增強(qiáng)的Lee濾波算子對獲得的各子孔徑相干合成圖像實施去相干斑濾波處理：

其中，N_L是圖像視數(shù)，對于單視復(fù)圖像，N_L＝1。統(tǒng)計濾波方法利用局部統(tǒng)計信息對去除相干斑噪聲后的數(shù)據(jù)進(jìn)行估計，能夠自適應(yīng)的平滑掉均勻區(qū)域內(nèi)的相干斑噪聲，同時一定程度上保留圖像的紋理信息和邊界信息。

步驟3：對各幅相干斑濾波處理后的子孔徑相干合成圖像的結(jié)果實施大尺度降質(zhì)處理，得到粗分辨率的降質(zhì)圖像I_c。具體實施過程是：

對于二維圖像，其尺度降質(zhì)的二維高斯核函數(shù)G(x,y,σ²)定義為：

圖像的尺度空間表征可由原始圖像與二維高斯核函數(shù)的卷積得到，即

式中(x,y)代表圖像上像素的位置；為經(jīng)相干斑濾波處理后的子孔徑相干合成圖像，即步驟3的輸入數(shù)據(jù)；I_c為降質(zhì)圖像；σ²是尺度空間的空間尺度因子。σ²越小，圖像平滑的范圍越小，降質(zhì)的效果越差；σ²越大，圖像平滑的范圍越大，降質(zhì)的效果越好；通過選擇空間尺度因子σ²，可以得到不同尺度下降質(zhì)的序列SAR圖像，空間尺度因子σ²越大，降質(zhì)的圖像越粗糙。

步驟4：基于降質(zhì)圖像I_c，采用滑動窗口法，以各像素為中心計算窗口內(nèi)圖像能量，得到能量圖E_c。其實現(xiàn)過程是：

假設(shè)滑動窗口W的尺寸為n_w×n_w，其取值為經(jīng)典的窗函數(shù)，可以是矩形窗、漢寧窗、海明窗、布拉克曼窗等升余弦窗口，其表達(dá)式為：

n＝[0 1 2 ...... n_w]^T

式中α為0～1之間的窗口參數(shù)。

滑動窗口W在降質(zhì)圖像I_c上逐像素移動，以每個像素為中心計算窗口內(nèi)的能量值，并將該能量值作為能量圖對應(yīng)的窗口中心像素點的像素值，直至滑動窗口W的中心遍歷所有像素，于是可以得到能量圖E_c：

上式中，為了方便計算，取n_w為奇數(shù)。

步驟5：根據(jù)能量圖E_c和SAR圖像的統(tǒng)計分布特性，并假設(shè)圖像各像素實施恒虛警概率為P_fa，確定各幅子孔徑相干合成圖像的分割閾值L_c并完成二值分割；其中，如果任一像素點的像素值大于L_c，則該像素屬于疊掩區(qū)，否則屬于非疊掩區(qū)；其實現(xiàn)過程是：

能量圖E_c所得實際上是SAR降質(zhì)圖像的幅度，根據(jù)SAR圖像統(tǒng)計特性理論，幅度圖像往往滿足瑞利分布；

由于恒虛警概率檢測(CFAR)技術(shù)本質(zhì)上是一種根據(jù)雜波統(tǒng)計特性在給定的虛警概率條件下自適應(yīng)獲取檢測閾值的技術(shù)。關(guān)鍵是確定雜波分布的模型和制定的虛警概率，然后計算出分割閾值。假設(shè)p(x)為雷達(dá)雜波分布模型的概率密度函數(shù)，其概率分布函數(shù)為F(x)。顯然，F(xiàn)(x)在[0,+∞)上為遞增函數(shù)，假設(shè)指定的虛警概率為P_fa，則通過計算下述方程可以得到分割閾值L_c：

其中，μ和σ為能量圖E_c的均值和方差；P_fa為恒虛警概率，取值范圍是10％～20％；可見，通過計算能量圖像E_c的均值和標(biāo)準(zhǔn)差，根據(jù)上式即可確定恒虛警概率P_fa條件下的分割閾值，對圖像像素實施二值化分割：若I＞L_c，則像素屬于疊掩區(qū)，否則，則屬于非疊掩區(qū)，如圖3(a)、圖3(b)所示。

步驟6：在N幅不同的方位子孔徑相干合成圖像中任選2幅，根據(jù)各自的二值分割結(jié)果，對疊掩區(qū)和非疊掩區(qū)圖像分別進(jìn)行兩兩交叉融合處理，并存儲每次操作所得的交叉融合圖像I_f，如圖4所示，得到幅新的像素級融合圖像集∪I_f；其中具體實現(xiàn)如下：

其中I_i、I_j分別代表參與交叉融合的兩幅圖像、I_{overlap_i}、I_{overlap_j}則表示相應(yīng)的疊掩區(qū)，I_{non_overlap_i}、I_{non_overlap_j}表示相應(yīng)的非疊掩區(qū)，I代表成像平面上的某個成像網(wǎng)格，也代表參與融合的兩幅圖像上對應(yīng)的像素位置；

任一成像網(wǎng)格位置如果屬于兩幅方位子孔徑相干合成圖像的公共疊掩區(qū)，即I∈I_{overlap_i}∩I_{overlap_j}的情況，則取兩個成像網(wǎng)格上較小的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果在其中一幅方位子孔徑相干合成圖像屬于疊掩區(qū)，在另一幅方位子孔徑相干合成圖像屬于非疊掩區(qū)，即和的情況，則取屬于非疊掩區(qū)的成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果屬于兩幅方位子孔徑相干合成圖像的公共非疊掩區(qū)，即I∈I_{non_overlap_i}∩I_{non_overlap_j}的情況，本著減少陰影的原則，則取兩個成像網(wǎng)格上較大的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

顯然，為了最大程度的消除疊掩、陰影等現(xiàn)象對于成像探測的不利影響，融合的目標(biāo)就是消除疊掩，減少陰影，而陰影往往對應(yīng)非疊掩區(qū)，所以融合的規(guī)則根據(jù)疊掩區(qū)和非疊掩區(qū)進(jìn)行了不同的選擇。

上述交叉融合過程，兩兩排列的圖像組合個，因此上述操作總共需進(jìn)行次，得到的新的像素級融合圖像集∪I_f總共有幅交叉融合圖像。

步驟7：采用滑動窗口法遍歷每一幅交叉融合圖像I_f的所有像素，計算交叉融合圖像I_f各個像素的局部圖像特征；其中局部圖像特征包括對比度、圖像熵以及全變分，分別如圖5(a)、圖5(b)以及圖5(c)所示；

其中，如果滑動窗口為方形窗口，則尺寸為n_w×n_w；

為了方便計算，取n_w為奇數(shù)。窗口的取值為1，表達(dá)式為：

P_w＝[1 1 1 ...... 1]^T

滑動窗口W在交叉融合圖像I_f上逐像素移動，以每個像素為中心計算窗口內(nèi)局部圖像的對比度、圖像熵以及全變分等圖像質(zhì)量評價指標(biāo)，并將指標(biāo)值賦予相應(yīng)指標(biāo)圖對應(yīng)的窗口中心的像素，直至滑動窗口W的中心遍歷所有像素，于是可以得到一系列不同指標(biāo)的指標(biāo)圖。

假設(shè)窗口W內(nèi)的圖像I的局部均值為最大值和最小值分別為I_max和I_min，各像素取值出現(xiàn)的概率P(n)，矩形滑動窗口W內(nèi)總的像素數(shù)L＝n_w²，則具體的計算過程是：

I_f∈∪I_f

I∈W∩I_f

I_max＝max[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

I_min＝min[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

其中|▽I|代表局域圖像的梯度模，I_contrast、I_entropy、I_TV分別代表圖像的局部對比度、局部圖像熵以及局部圖像全變分。

此外，如果滑動窗口為橢圓形，如圖9所示，則尺寸為n_wa×n_wb，其中n_wa為橢圓的長軸，n_wb為橢圓的短軸，長軸n_wa與橫坐標(biāo)方向夾角為θ；中心像素(i_c,j_c)與橢圓窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為橢圓窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_wa×n_wb，計算橢圓窗口條件下局部圖像特征。

如果滑動窗口為矩形窗口，其尺寸為n_w1×n_w2，其中n_w1為矩形窗口的長度，n_w2為矩形窗口的寬度；中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為矩形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_w1和n_w2來計算矩形窗口條件下的局部圖像特征。

如果滑動窗口為圓形窗口，則窗口的直徑為n_w，中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為圓形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，計算圓形窗口條件下的局部圖像特征。

步驟8：基于局部圖像指標(biāo)最優(yōu)的準(zhǔn)則，對各像素進(jìn)行優(yōu)選，對比各幅交叉融合圖像I_f相同位置的像素，將局部圖像特征最優(yōu)的像素作為最終的融合圖像I_opt對應(yīng)網(wǎng)格的像素，直至輸出整幅融合圖像I_opt；，分別如圖6、圖7以及圖8所示；

其中，局部圖像特征最優(yōu)包括對比度最大、圖像熵最小或者全變分最大。

實施例二：多平臺SAR同時多視角融合成像探測。攜帶SAR載荷的多個探測平臺沿設(shè)計的飛行路徑，同時對感興趣的目標(biāo)區(qū)域?qū)嵤﹨f(xié)同式成像探測。由于各成像平臺與目標(biāo)之間空間幾何關(guān)系完全不同，導(dǎo)致各平臺成像探測時對應(yīng)的目標(biāo)散射特性各不相同，而且圖像的疊掩、陰影等圖像特征和現(xiàn)象也不盡相同，難以實現(xiàn)不同平臺不同視角成像結(jié)果的相干累積，難以得到最優(yōu)的成像探測效果。此時，必須考慮多視角SAR融合成像處理，實現(xiàn)不同成像平臺、不同視角的成像探測結(jié)果的融合，提升對感興趣的目標(biāo)區(qū)域的高質(zhì)量成像偵察。本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法可用于解決此時的多平臺、多角度融合成像處理問題。如圖1所示，為本發(fā)明的局域圖像指標(biāo)最優(yōu)化的多角度SAR圖像融合方法流程圖，按以下步驟實施：

步驟1：確定成像平面，并采用時域快速后向投影算法在與成像平面相對應(yīng)的成像網(wǎng)格上完成N個單一視角SAR數(shù)據(jù)的相干累積處理，得到N幅單一視角SAR圖像，如圖2(a)、圖2(b)所示，這些圖像分別對應(yīng)21°和156°的方位中心視角，其中N至少為3；

步驟2：采用經(jīng)典的Lee濾波算法對獲得的各單一視角SAR圖像實施去相干斑濾波處理；具體實施過程是：

相干斑是一種不相關(guān)的乘性噪聲，可以表示為：

v＝un

其中，v表示SAR圖像觀測到的灰度值，即步驟1得到一系列單一視角SAR圖像，u為真實目標(biāo)的雷達(dá)反射系數(shù)，n為相干斑噪聲，通常假設(shè)相干斑在統(tǒng)計上獨立于信號。假定先驗均值和方差可以通過計算勻質(zhì)區(qū)域內(nèi)的均值和方差得到，將上式用一階泰勒級數(shù)展開，可以得到線性模型：

其中為SAR圖像觀測到的灰度值的均值，為真實目標(biāo)的雷達(dá)反射系數(shù)的均值，為相干斑噪聲的均值；

以最小均方差為基礎(chǔ)，在固定窗口中計算均值和方差，可以得到濾波公式：

其中為經(jīng)相干斑濾波處理后的單一視角SAR圖像，即步驟3的輸入數(shù)據(jù)；

k為加權(quán)系數(shù)。是固定窗口內(nèi)的像素平均值，為所取窗口內(nèi)像素方差，為所取窗口內(nèi)噪聲方差。

此外，Lee濾波時，把圖像分為三類區(qū)域：第一類是均勻區(qū)域，其中的相干斑噪聲可以簡單地用均值濾波平滑掉；第二類是不均勻區(qū)域，在去除噪聲的同時應(yīng)該盡量保持其中的結(jié)構(gòu)和紋理信息；第三類是包含分離點目標(biāo)的區(qū)域，濾波器應(yīng)盡可能地保留原始的觀察值。因此亦可采用另一種方法，即如下增強(qiáng)的Lee濾波算子對獲得的各單一視角SAR圖像實施去相干斑濾波處理：

其中，N_L是圖像視數(shù)，對于單視復(fù)圖像，N_L＝1。統(tǒng)計濾波方法利用局部統(tǒng)計信息對去除相干斑噪聲后的數(shù)據(jù)進(jìn)行估計，能夠自適應(yīng)的平滑掉均勻區(qū)域內(nèi)的相干斑噪聲，同時一定程度上保留圖像的紋理信息和邊界信息。

步驟3：對各幅相干斑濾波處理后的單一視角SAR圖像的結(jié)果實施大尺度降質(zhì)處理，得到粗分辨率的降質(zhì)圖像I_c。具體實施過程是：

對于二維圖像，其尺度降質(zhì)的二維高斯核函數(shù)G(x,y,σ²)定義為：

圖像的尺度空間表征可由原始圖像與二維高斯核函數(shù)的卷積得到，即

式中(x,y)代表圖像上像素的位置；為經(jīng)相干斑濾波處理后的單一視角SAR圖像，即步驟3的輸入數(shù)據(jù)；I_c為降質(zhì)圖像；σ²是尺度空間的空間尺度因子。σ²越小，圖像平滑的范圍越小，降質(zhì)的效果越差；σ²越大，圖像平滑的范圍越大，降質(zhì)的效果越好；通過選擇空間尺度因子σ²，可以得到不同尺度下降質(zhì)的序列SAR圖像，空間尺度因子σ²越大，降質(zhì)的圖像越粗糙。

步驟4：基于降質(zhì)圖像I_c，采用滑動窗口法，以各像素為中心計算窗口內(nèi)圖像能量，得到能量圖E_c。其實現(xiàn)過程是：

假設(shè)滑動窗口W的尺寸為n_w×n_w，其取值為經(jīng)典的窗函數(shù)，可以是矩形窗、漢寧窗、海明窗、布拉克曼窗等升余弦窗口，其表達(dá)式為：

n＝[0 1 2 ...... n_w]^T

式中α為0～1之間的窗口參數(shù)。

滑動窗口W在降質(zhì)圖像I_c上逐像素移動，以每個像素為中心計算窗口內(nèi)的能量值，并將該能量值作為能量圖對應(yīng)的窗口中心像素點的像素值，直至滑動窗口W的中心遍歷所有像素，于是可以得到能量圖E_c：

上式中，為了方便計算，取n_w為奇數(shù)。

步驟5：根據(jù)能量圖E_c和SAR圖像的統(tǒng)計分布特性，并假設(shè)圖像各像素實施恒虛警概率為P_fa，確定各幅單一視角SAR圖像的分割閾值L_c并完成二值分割；其中，如果任一像素點的像素值大于L_c，則該像素屬于疊掩區(qū)，否則屬于非疊掩區(qū)；其實現(xiàn)過程是：

能量圖E_c所得實際上是SAR降質(zhì)圖像的幅度，根據(jù)SAR圖像統(tǒng)計特性理論，幅度圖像往往滿足瑞利分布；

由于恒虛警概率檢測(CFAR)技術(shù)本質(zhì)上是一種根據(jù)雜波統(tǒng)計特性在給定的虛警概率條件下自適應(yīng)獲取檢測閾值的技術(shù)。關(guān)鍵是確定雜波分布的模型和制定的虛警概率，然后計算出分割閾值。假設(shè)p(x)為雷達(dá)雜波分布模型的概率密度函數(shù)，其概率分布函數(shù)為F(x)。顯然，F(xiàn)(x)在[0,+∞)上為遞增函數(shù)，假設(shè)指定的虛警概率為P_fa，則通過計算下述方程可以得到分割閾值L_c：

其中，μ和σ為能量圖E_c的均值和方差；P_fa為恒虛警概率，取值范圍是10％～20％；可見，通過計算能量圖像E_c的均值和標(biāo)準(zhǔn)差，根據(jù)上式即可確定恒虛警概率P_fa條件下的分割閾值，對圖像像素實施二值化分割：若I＞L_c，則像素屬于疊掩區(qū)，否則，則屬于非疊掩區(qū)，如圖3(a)、圖3(b)所示。

步驟6：在N幅不同的方位視角下的單一視角SAR圖像中任選2幅，根據(jù)各自的二值分割結(jié)果，對疊掩區(qū)和非疊掩區(qū)圖像分別進(jìn)行兩兩交叉融合處理，并存儲每次操作所得的交叉融合圖像I_f，如圖4所示，得到幅新的像素級融合圖像集∪I_f；其中具體實現(xiàn)如下：

其中I_i、I_j分別代表參與交叉融合的兩幅圖像、I_{overlap_i}、I_{overlap_j}則表示相應(yīng)的疊掩區(qū)，I_{non_overlap_i}、I_{non_overlap_j}表示相應(yīng)的非疊掩區(qū)，I代表成像平面上的某個成像網(wǎng)格，也代表參與融合的兩幅圖像上對應(yīng)的像素位置；

任一成像網(wǎng)格位置如果屬于兩幅單一視角SAR圖像的公共疊掩區(qū)，即I∈I_{overlap_i}∩I_{overlap_j}的情況，則取兩個成像網(wǎng)格上較小的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果在其中一幅單一視角SAR圖像屬于疊掩區(qū)，在另一幅單一視角SAR圖像屬于非疊掩區(qū)，即和的情況，則取屬于非疊掩區(qū)的成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

任一成像網(wǎng)格位置如果屬于兩幅單一視角SAR圖像的公共非疊掩區(qū)，即I∈I_{non_overlap_i}∩I_{non_overlap_j}的情況，本著減少陰影的原則，則取兩個成像網(wǎng)格上較大的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；如果像素值相等，則任取其中一個成像網(wǎng)格上的像素值作為輸出的融合圖像相同網(wǎng)格位置上的像素值；

顯然，為了最大程度的消除疊掩、陰影等現(xiàn)象對于成像探測的不利影響，融合的目標(biāo)就是消除疊掩，減少陰影，而陰影往往對應(yīng)非疊掩區(qū)，所以融合的規(guī)則根據(jù)疊掩區(qū)和非疊掩區(qū)進(jìn)行了不同的選擇。

上述交叉融合過程，兩兩排列的圖像組合個，因此上述操作總共需進(jìn)行次，得到的新的像素級融合圖像集∪I_f總共有幅交叉融合圖像。

步驟7：采用滑動窗口法遍歷每一幅交叉融合圖像I_f的所有像素，計算交叉融合圖像I_f各個像素的局部圖像特征；其中局部圖像特征包括對比度、圖像熵以及全變分，分別如圖5(a)、圖5(b)以及圖5(c)所示；

其中，如果滑動窗口為方形窗口，則尺寸為n_w×n_w；

為了方便計算，取n_w為奇數(shù)。窗口的取值為1，表達(dá)式為：

P_w＝[1 1 1 ...... 1]^T

滑動窗口W在交叉融合圖像I_f上逐像素移動，以每個像素為中心計算窗口內(nèi)局部圖像的對比度、圖像熵以及全變分等圖像質(zhì)量評價指標(biāo)，并將指標(biāo)值賦予相應(yīng)指標(biāo)圖對應(yīng)的窗口中心的像素，直至滑動窗口W的中心遍歷所有像素，于是可以得到一系列不同指標(biāo)的指標(biāo)圖。

假設(shè)窗口W內(nèi)的圖像I的局部均值為最大值和最小值分別為I_max和I_min，各像素取值出現(xiàn)的概率P(n)，矩形滑動窗口W內(nèi)總的像素數(shù)L＝n_w²，則具體的計算過程是：

I_f∈∪I_f

I∈W∩I_f

I_max＝max[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

I_min＝min[I(i,j)],i＝1,2,3,......n_w；j＝1,2,3,......n_w

其中|▽I|代表局域圖像的梯度模，I_contrast、I_entropy、I_TV分別代表圖像的局部對比度、局部圖像熵以及局部圖像全變分。

此外，如果滑動窗口為橢圓形，如圖9所示，則尺寸為n_wa×n_wb，其中n_wa為橢圓的長軸，n_wb為橢圓的短軸，長軸n_wa與橫坐標(biāo)方向夾角為θ；中心像素(i_c,j_c)與橢圓窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為橢圓窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_wa×n_wb，計算橢圓窗口條件下局部圖像特征。

如果滑動窗口為矩形窗口，其尺寸為n_w1×n_w2，其中n_w1為矩形窗口的長度，n_w2為矩形窗口的寬度；中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為矩形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，將步驟7中局部圖像的對比度、圖像熵以及全變分計算公式中的窗口尺寸n_w分別替換為n_w1和n_w2來計算矩形窗口條件下的局部圖像特征。

如果滑動窗口為圓形窗口，則圓形窗口的直徑為n_w；，中心像素(i_c,j_c)與矩形窗口內(nèi)的像素位置關(guān)系為：

其中，(i,j)為圓形窗口內(nèi)任意像素的位置；遍歷交叉融合圖像的所有像素，計算圓形窗口條件下的局部圖像特征。

步驟8：基于局部圖像指標(biāo)最優(yōu)的準(zhǔn)則，對各像素進(jìn)行優(yōu)選，對比各幅交叉融合圖像I_f相同位置的像素，將局部圖像特征最優(yōu)的像素作為最終的融合圖像I_opt對應(yīng)網(wǎng)格的像素，直至輸出整幅融合圖像I_opt，分別如圖6、圖7以及圖8所示；

其中，局部圖像特征最優(yōu)包括對比度最大、圖像熵最小或者全變分最大。當(dāng)然，本發(fā)明還可有其他多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。