非精確配準下sar/spot圖像的區域融合檢測方法
2023-05-21 09:30:06
專利名稱：非精確配準下sar/spot圖像的區域融合檢測方法
技術領域：
本發明涉及一種基於多傳感器成像區域融合的目標檢測方法，特別地，涉及一種非精確配準下 SAR/SPOT (Satellite for Earth Probationary Observation,地球觀察測試衛星)圖像的區域融合檢測方法，其應用於複雜背景中非精確配準前提下的橋梁、道路等目標的檢測。
背景技術：
合成孔徑雷達(Synthetic Aperture Radar, SAR)是一種高解析度成像雷達,屬於主動式遙感系統，具有全天候、多極化、多視角數據獲取功能以及對地物的穿透性能。因此，不論在白天或黑夜，SAR能夠提供全天候條件下的地面圖像，這種能力對於現代觀測是至關重要的，也是SAR最大的優點。相比於傳統光學傳感器，它能夠在嚴酷惡劣的氣候下產生清晰的圖像。由於雷達發射的是微波，可以穿透雲霧雨雪，因而不像光學傳感器那樣極易受氣象條件的影響；而且這種雷達波對植被、幹沙、土壤、冰塊等地物也有一定的穿透能力。SAR能透過植被和鬆散土層獲取植被覆蓋的地面影像，對幹沙穿透的深度可達幾十米，因而能揭露偽裝，發現隱蔽的武器裝備和地下設施。然而SAR也有自己的局限性，與所有的主動雷達一樣，SAR在面對自身面積較大而雷達散射截面(Radar Cross-Section, RCS)較小的物體(如球形金屬物體)時，所成圖像與實際圖像相差甚遠；另外，主動雷達靠自身發射帶能量電磁波對目標進行探測，會受到許多人為因素影響，如電磁波幹擾或其他相關電子對抗技術，以致其無法滿足軍事應用中的可靠性要求。因此，滿足全天候、全天時、全自動的基於圖像融合的地面目標檢測有著很大的應用需求。通過利用主被動雷達進行多傳感器融合檢測可以有效地避開單傳感器的種種弊端，達到更好的檢測效果。相比以往單傳感器的目標探測，融合檢測具有如下優點I)可以有效對抗來自地面的電子幹擾；2)可以得到更完整的目標主體信息以及更平滑連續的目標邊緣信息；3)可以在保證檢測概率的前提下有效降低虛警。將多個傳感器組合起來的複合體制具有著更好抗幹擾等性能，滿足全天侯、全天候工作要求，並且能降低檢測虛警率。對於側視SAR和前視光學傳感器來說，由於其二者成像方式的不同，即便精確配準的圖像也無法合適地使用像素級別的融合(例如小波融合)，這不是特徵提取算法導致的，而是因為客觀上兩幅圖像存在解析度、角度、成像質量上的差異。因此設計一種能夠在各種複雜環境且非精確配準前提下準確、快速、穩定地實現目標檢測功能的方法仍是一項極具挑戰性和急需解決的課題。
發明內容
有鑑於現有技術的上述缺陷，本發明所要解決的技術問題是提供一種非精確配準下SAR/SP0T圖像的區域融合檢測方法，其是一種在非精確配準前提下基於邊緣檢測的區域分割並進行融合檢測的算法。為實現上述目的，本發明提供了一種非精確配準下SAR/SP0T圖像的區域融合檢測算法，其包括以下步驟步驟一、利用Ratio算子對圖像中的每一個像素點進行計算，以得到該點的Ratio值；步驟二、在獲得圖像中各點的Ratio值的基礎上,對圖像進行Canny邊緣檢測,通過Canny算法得到初步的邊緣信息，然後將各個像素點的Ratio值引入後把邊緣斷點連接起來，使得整幅圖像由多個封閉區域組成；步驟三、在得到區域信息後對區域內像素點賦灰度均值並進行閾值分割，得到塊狀分割圖像，從而以區域為單元進行後續的融合工作；步驟四、在融合過程中，以模糊算子為引導對每個區域進行判別，若兩幅圖像中的某個區域在閾值分割後都被初步地判定為目標，就對該兩塊區域進行以Ratio均值、紋理信息為特徵的模糊融合，最終以隸屬度判別該區域是否屬於目標。根據上述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其中，步驟三中，基於邊緣的分割方法具體包含以下步驟I)利用Ratio算子遍歷整幅圖像得到每點的Y (i,j)，及一個梯度方向d(i,j),其中，Y作為點(i，j)的Ratio值，d(ijJ)為該Y對應的方向；2)利用Canny高閾值檢測圖像得到邊緣圖Edge1 ；3)開始遍歷Edge1，找到一個斷AA1，選取其8鄰域中、值最小，且與AA1不在一個梯度方向d上的點B,判定點B為邊緣,並驗證點B是否屬於斷點；4)以點B為起點重複步驟3)實現遞歸，直到該點不再為斷點；5)繼續遍歷Edge1，得到新的斷點A2，進行步驟3)；5)遍歷結束,得到圖像Edge2 ;6)對Edge2的每個封閉區域內像素點賦值為該區域均值。根據上述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其中，步驟四中，融合算法包括以下步驟I)兩幅分割圖求交，得到重疊像素點；2)對包含重疊像素點的區域分別計算其隸屬度；3)進行廣義加權平均融合，得到融合隸屬度；4)根據融合隸屬度進行圖像目標最終解釋。進一步地，根據上述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其中，所述隸屬度為區域內Ratio算子均值。進一步地，根據上述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其中，所述廣義加權平均中的權值為兩個傳感器的信任度。進一步地，根據上述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其中，所述最終解釋為當融合隸屬度高於事先預設的閾值時，判定該區區域為目標；反之，該區域為背景。因此，本發明的非精確配準下SAR/SP0T圖像的區域融合檢測方法是一種依靠模糊算子判別融合區域類型的方法，其利用某一副圖像的區域信息，加上另一幅圖像的邊緣信息，考慮二者的模糊集融合，利用SAR提供的可靠的目標位置信息和可見光平滑、完整的邊緣、紋理信息進行模糊匹配，如果某個區域既屬於SAR上的目標區域又在該位置附近搜索到可見光的目標區域，且在模糊集上的融合結果符合條件，則保留該區域為目標信息，否則判定為背景。本發明在複雜背景下道路、橋梁、機場跑道等目標檢測中可有廣泛的應用。
圖1為本發明的非精確配準下SAR/SP0T圖像的區域融合檢測方法的結構示意圖；圖2為本發明涉及的Ratio檢測算子的結構示意圖；圖3為本發明中單傳感器下邊緣連接以及區域分割的試驗結果示意圖；圖4為本發明多傳感器融合檢測的試驗結果示意圖；圖5為本發明多傳感器融合檢測的試驗結果分析示意圖。
具體實施例方式以下將結合附圖對本發明的構思、具體結構及產生的技術效果作進一步說明，以充分地了解本發明的目的、特徵和效果。本發明的非精確配準下SAR/SP0T圖像的區域融合檢測方法利用Ratio算子對圖像中的每一個像素點進行計算，以得到該點的Ratio值，該值反映了一個點在水平、垂直、45度、135度這4個方向上的灰度變化梯度，從物理意義上講就是判斷該點是否屬於邊緣和屬於邊緣的可能性為多大，以及該點若是邊緣，其所在邊緣的法線方向是如何的。在獲得該值的基礎上，對圖像進行Canny邊緣檢測，通過Canny經典算法得到初步的邊緣信息，然後將各個像素點的Ratio值引入後把邊緣斷點連接起來，使得整幅圖像由多個封閉區域組成。在得到區域信息後對區域內像素點賦灰度均值並進行閾值分割，得到塊狀分割圖像，這樣以區域為單元進行後續的融合工作。在融合過程中，以模糊算子為引導對每個區域進行判別，若兩幅圖像中的某個區域在閾值分割後都被初步地判定為目標，就對該兩塊區域進行以Ratio均值、紋理信息為特徵的模糊融合，最終以隸屬度判別該區域是否屬於目標。當融合隸屬度高於事先預設的閾值時，判定該區域為目標；反之，該區域為背景。具體地，本發明的非精確配準下SAR/SP0T目標融合檢測方法的結構示意圖如圖1所示。包括以下步驟(I)構建如圖1所示非精確配準下SAR/SP0T圖像的區域融合檢測框架；即輸入光學圖像和SAR圖像，分別計算兩幅圖像相應的每個像素點的Ratio值，然後連接Canay邊緣，再進行區域灰度均值賦值，最後計算兩幅圖中對應區域的模糊隸屬度，以得到融合判決結果。 (2)利用Matlab編程實現目標邊緣檢測算法，邊緣連接算法基於Ratio算子，該算子的如圖2所示；(3)通過獲取的邊緣信息進行區域分割得到初步分割圖像如圖3 (e)所示；(4)利用廣義加權平均算法對兩幅圖像的分割結果進行融合判定，判定結果如圖4(e)所示；最後，還可以對融合檢測結果進行直觀的曲線分析，驗證融合算法的有效性以及其相比單一傳感器的優勢。下面詳細介紹以下幾個部分一、Ratio 算子Ratio邊緣檢測算子是以SAR圖像中某點周圍鄰域的灰度均值比作為特徵量，它的機制是通過計算某點A(xi; y)的鄰域被從中心點沿4個方向(0° ,45° ,90° , 135° )分割為兩部分的灰度均值之比來確定A點是否屬於邊緣。以一個大小為N*N的滑動窗口 W為例，當窗口中心滑至點A時，對該窗口沿上述4個方向分割為兩個等面積的部分Wl、W2，各自含有(N2-N)/2個像素。用作判別的特徵值Y = min(wl/w2, w2/wl), (0 ^ y ^ I)其中，wl = [ E I (Xi, Yi) !/[(N2-N)/2], (Xi, Y1) G Wl(I)w2 = [ E I (Xi, Yi) !/[(N2-N)/2], (Xi, Y1) G W2(2)
其中，N為滑動窗口的變長，WU W2為對該窗口沿上述4個方向分割為兩個等面積的部分(4種方向可以有4對不同的Wl，W2)，Wl和W2各自含有(N2-N)/2個像素。wl和w2分別為區域Wl和W2中像素的灰度均值；I(x，y)表示圖像I中坐標為(x，y)的灰度值。顯然，每個方向的分割均對應於一個由上式得到Y1, Y2, Y3, Y4,取Y =HiinO1, Y 2 Y 3 Y 4)作為該點A的Ratio值,並記錄該、對應的方向。遍歷全圖，可以得到所有點的Y值，及相應的存在最大梯度差異的方向d。二、邊緣連接並分割採用Canny算子作為初始的邊緣檢測算子，因為Canny算法與其他邊緣檢測算法相比對噪聲較為不敏感，可應用於對圖像的加性噪聲的消除，對存在於SAR圖像中的乘性噪聲的抑制效果雖然不是很好，但Canny算法的邊緣定位能力較強，還是依然能得到較為理想的及檢測結果。然後以Ratio算子作為引導將Canny算子檢測出的邊緣中所有的斷點進行連接。通過連接斷點最終得到一幅具有若干個封閉區域的圖像。如此設定的原因在於canny算子的閾值設定直接影響到邊緣檢測的結果，閾值過低容易產生過多的虛假邊緣，虛警率高且不利於後期處理；閾值過高則會在處理部分較弱的有效邊緣時發生漏檢，降低檢出率。利用兩個算子的有效結合可以得到一組連續的邊緣，以實現後期的分割。在得到連續邊緣圖的基礎上，對每個閉合區域進行區域內均值賦值，然後進行閾值判斷，最後得到一幅分割後的圖像。本文基於邊緣的分割方法具體步驟為(I)利用Ratio算子遍歷整幅圖像得到每點的Y (i,」)，及一個梯度方向d(i,j)；(2)利用Canny高閾值檢測圖像得到邊緣圖Edge1 ；(3)開始遍歷Edge1，找到一個斷點Al，選取其8鄰域中、值最小，且與點A1不在一個梯度方向d上的點B,判定點B為邊緣,並驗證點B是否屬於斷點；(4)以點B為起點重複步驟(3)實現遞歸，直到該點不再為斷點；(5)繼續遍歷Edge1，得到新的斷點A2，進行步驟(3);(6)遍歷結束,得到圖像Edge2 ;(7)對Edge2的每個封閉區域內像素點賦值為該區域均值。三、SAR/SP0T融合檢測
SAR成像的過程是從回波信號中提取地表的雷達後向散射係數，所以圖像反映的是被測地域對微波的散射特性。只有具有相同後向散射係數的地域，才能獲得相同的圖像灰度，而這兩部分地域的光學特性並不一定相同。同理，這也意味著即使在可見光中呈與目標灰度特徵類似的區域，在SAR中不一定是類似的，融合檢測即是利用這個成像差異，來達到改善檢測結果的目的。四、基於模糊算子對的圖像區域融合在隸屬度的確定上，由於機場、跑道等目標對SAR和SPOT傳感器都屬均勻區域。採用圖像區域的Ratio均值特徵進行判定，認為區域Ratio均值越小，該區域對目
標類的隸屬度越高，其中f =夂(U』)e'R為該區域，N為區域中像素總數。而在區域融合中，最容易理解的融合策略就是「一票贊成」法和「一票否決法」。所謂「一票贊成法」，就是如果待融合的像素在任意一幅影像中被判定為目標，就認為它是目標，而「一票否決法」相當於待融合像素在任意一幅影像中被確認為背景，就否認其為目標。假設目標以「 I」代表，背景用「0」代表，融合後的目標的屬性在「一票贊成」的情況下相當於對應像素屬性的「或」，融合區域相當於所有待融合目標區域的「併集」，而「一票否決」則可以認為是像素屬性的「與」，融合區域是所有待融合目標區域的「交集」。但在實際的影像處理過程中，目標屬於類別的程度具有一定的模糊度，相應的各融合影像的目標區域為模糊子集，則「併集」，「交集」的概念就建立在模糊子集「並、交」的概念上，根據Zadeh關於模糊集定義和運算法則設論域u的模糊子集為F (U)，子集A，B G F⑶，aA，aB分別代表A和B的隸屬度函數，定義模糊子集並與交的隸屬度函數aA n b (U) = min (aA (U), aB (U))(3)aA u b (U) = max ( aA (U), aB (U))(4)這樣設定融合後目標的隸屬度會造成信息丟失過多，選擇合取(取並)過分強調了信息之間的增強型和互補性，選擇析取(取交)又過分強調了信息之間的一致性。在圖像融合中，合取在提高檢測概率的同時也增大了虛警，析取在減少虛警的同時又降低了檢測概率。如何解決虛警和檢測概率之間的平衡是非常重要的，採用廣義模糊算子對可以很好地解決這個問題。由於Gabor濾波器不同的參數建立的目標直方圖相似，只選取方向坐標轉換角度6 =0°，方差O2 = 5的濾波器，其中0越大能量越分散，越小越集中。將目標圖像與濾波器進行卷積，對卷積後的紋理圖像計算灰度直方圖，得到紋理特徵信息。Zadeh算子的廣義「交」是所有取交運算中最大的，廣義「並」是所有取並運算中最小的，而上文已經分析了在圖像融合的過程中，max和min各有缺點，試圖通過另一個算子對，實現融合後的隸屬度(U)丨兩足min (aA (U), aB (U)) < aAB (U) < max (aA (U), aB (U))(5)五、廣義加權平均算子當融合後目標隸屬度滿足公式(5)，該算子可以理解為一種在保留目標一致性的同時,通過加入信息間的相關性來解決決策衝突。廣義加權平均的公式為
權利要求
1.一種非精確配準下SAR/SPOT圖像的區域融合檢測算法，其特徵在於，包括以下步驟 步驟一、利用Ratio算子對圖像中的每一個像素點進行計算，以得到該點的Ratio值； 步驟二、在獲得圖像中各點的Ratio值的基礎上，對圖像進行Canny邊緣檢測，通過Canny算法得到初步的邊緣信息，然後將各個像素點的Ratio值引入後把邊緣斷點連接起來，使得整幅圖像由多個封閉區域組成； 步驟三、在得到區域信息後對區域內像素點賦灰度均值並進行閾值分割，得到塊狀分割圖像，從而以區域為單元進行後續的融合工作； 步驟四、在融合過程中，以模糊算子為引導對每個區域進行判別，若兩幅圖像中的某個區域在閾值分割後都被初步地判定為目標，就對該兩塊區域進行以Ratio均值、紋理信息為特徵的模糊融合，最終以隸屬度判別該區域是否屬於目標。
2.根據權利要求1所述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其特徵在於，步驟三中，基於邊緣的分割方法具體包含以下步驟 1)利用Ratio算子遍歷整幅圖像得到每點的Y⑹)，及一個梯度方向d(Uj)其中，y作為點(i，j)的Ratio值，d(ijJ)為該y對應的方向； 2)利用Canny高閾值檢測圖像得到邊緣圖Edge1； 3)開始遍歷Edge1，找到一個斷AA1，選取其8鄰域中Y值最小，且與AA1不在一個梯度方向d上的點B,判定點B為邊緣,並驗證點B是否屬於斷點； 4)以點B為起點重複步驟3)實現遞歸，直到該點不再為斷點； 5)繼續遍歷Edge1，得到新的斷點A2，進行步驟3)； 5)遍歷結束，得到圖像Edge2； 6)對Edge2的每個封閉區域內像素點賦值為該區域均值。
3.根據權利要求1所述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其特徵在於，步驟四中，融合算法包括以下步驟 1)兩幅分割圖求交，得到重疊像素點； 2)對包含重疊像素點的區域分別計算其隸屬度； 3)進行廣義加權平均融合，得到融合隸屬度； 4)根據融合隸屬度進行圖像目標最終解釋。
4.根據權利要求3所述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其特徵在於，所述隸屬度為區域內Ratio算子均值。
5.根據權利要求3所述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其特徵在於，所述廣義加權平均中的權值為兩個傳感器的信任度。
6.根據權利要求3所述的非精確配準下SAR/SP0T圖像的區域融合檢測算法，其特徵在於，所述最終解釋為當融合隸屬度高於事先預設的閾值時，判定該區區域為目標；反之，該區域為背景。
全文摘要
本發明公開了一種非精確配準下SAR/SPOT圖像的區域融合檢測算法，其首先對SAR和光學圖像中進行目標的目標邊緣和區域信息的提取，並以Ratio算子值為依據進行邊緣連接，將圖像分為有限個連通區域；然後通過模糊集判斷進行兩圖像相近區域融合，以域內Ratio均值作為隸屬度權值進行融合檢測。本發明針對SAR和光學兩種異構傳感器圖像配準精度的局限性，最大限度地降低對配準精度的要求，提高了非精確配準下SAR和光學圖像融合檢測概率。在保證檢測概率的前提下降低了虛警，獲得了比單一傳感器更精確、更完整的目標信息。
文檔編號G06T7/00GK103065307SQ20121057298
公開日2013年4月24日 申請日期2012年12月25日 優先權日2012年12月25日
發明者肖剛, 劉騮 申請人:上海交通大學