一种SAR图像质量检测方法与流程

本发明涉及雷达技术领域，具体来说，涉及一种sar图像质量检查方法。

背景技术：

sar(syntheticapertureradar，简称sar)能够获得高分辨率的地面二维图像。sar影像不同于普通光学遥感影像依赖于接受可见光或红外波段回波来探测地物，是利用地面目标辐射的后向散射能量作为二维空间函数构成的像。由于其波长较长，拥有全天候全天时的特点，对地物波谱特征反应明显，尤其是机载sar能够快速获取高分辨率影像，是近年来常用的遥感手段。在日常生产及科研中，成像处理生成sar图像质量直接影响到后续的工作进展，找到一种合适的sar影像质量评价方法是至关重要的。

由于不同的成像方式，光学影像中常见的质量评价标准也无法完全胜任雷达影像的质量评价，如今sar遥感手段飞速发展，急需完善系统的sar影像评价方法。而应用于不同方面的sar影像的不同参数要求也不同，这样就很难有一种规范的系统的评价方法普适于几乎所有sar影像。可以说，因目的不同选取针对性的评价方法是更为妥当的处理方式。总的来说，sar影像的各质量评价按照其性能指标可分成两类。一类是描述图像空间性能的指标：图像空间分辨率，图像精度，几何保真度等。另一类是描述辐射性能的指标：峰值旁瓣比，积分旁瓣比，模糊度和辐射分辨率。这些基本评价指标在传统上又被分为基于点目标的指标和基于区域的指标。

技术实现要素：

针对上述技术问题，本发明提出一种sar图像质量检查方法，基于同区域可见光图像作为评判依据，能够比较客观评价sar图像的成像质量，解决sar图像质量评价困难问题。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种sar图像质量检查方法，包括以下步骤：

步骤s1，对待检测sar图像利用多项式进行正射处理；

步骤s2，将同区域成像时间相近、分辨率相近聚焦良好的可见光影像进行正射处理，空间采样与sar图像一致，并将彩色影像转化为灰度影像显示；

步骤s3，建立多尺度影像空间，通过candy边缘监测器提取每一尺度下影像的边缘信息，建立描述子计算匹配程度；

步骤s4，为评价光学影像和sar影像的结构相似性，计算影像对的归一化的交叉相关性；

步骤s5，通过计算两景影像的交互方差，评价两幅图像灰度值相互对应的稳定程度；

步骤s6，将光学图像分类，确定地物类型，对sar影像分类，根据分类结果的匹配程度，确定sar成像质量。

进一步的，步骤s3包括：

(1)使用高斯卷积核实现尺度变换，把原始光学影像和sar影像分解成影像分辨率由低到高的子影像集，相应地进行由粗到细的金字塔分层匹配；

(2)通过candy边缘监测器提取每一尺度下影像的边缘信息；

(3)通过计算hausdorff距离描述对应影像的匹配程度。

进一步的，步骤s4包括：

归一化的交叉相关性的公式表达为：

其中所有像素点(x，y)∈m×n，σx、σy为分别为两影像的方差，σxy为两影像的协方差，c为常数。

进一步的，步骤s5包括：

交互方差的计算公式表达为：

σx、σy为分别为两影像的方差，表示影像x基于影像y的期望方差，表示影像y基于影像x的期望方差。

本发明的有益效果：成像处理获得的sar图像质量，仅仅依靠主观评价又十分困难，本发明利用同区域可见光图像为比较，通过计算光学影像和sar影像边缘信息匹配程度、结构相似性、灰度相互对应稳定程度，能够较为客观评价sar图像的成像质量。

本发明结合目前的工程应用，对sar成像处理系统生成sar图像进行质量检查，确保开发的sar成像算法稳定可靠。在生产中检查sar系统获得雷达数据和相关辅助数据能够满足高质量成像，获得满足需要的sar图像数据产品。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的所述的一种sar图像质量检查方法显示图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，根据本发明实施例所述的一种sar图像质量检查方法，包括以下步骤：

步骤s1，对待检测sar图像利用多项式进行正射处理；

步骤s2，将同区域成像时间相近、分辨率相近聚焦良好的可见光影像进行正射处理，空间采样与sar图像一致，并将彩色影像转化为灰度影像显示；

步骤s3，建立多尺度影像空间，通过candy边缘监测器提取每一尺度下影像的边缘信息，建立描述子计算匹配程度；

步骤s4，为评价光学影像和sar影像的结构相似性，计算影像对的归一化的交叉相关性；

步骤s5，通过计算两景影像的交互方差，评价两幅图像灰度值相互对应的稳定程度；

步骤s6，将光学图像分类，确定地物类型，对sar影像分类，根据分类结果的匹配程度，确定sar成像质量。

根据一种sar图像质量检查方法，步骤s3进一步包括：

(1)使用高斯卷积核实现尺度变换，把原始光学影像和sar影像分解成影像分辨率由低到高的子影像集，相应地进行由粗到细的金字塔分层匹配；

(2)通过candy边缘监测器提取每一尺度下影像的边缘信息；

(3)通过计算hausdorff距离描述对应影像的匹配程度。

根据一种sar图像质量检查方法，步骤s4进一步包括：

归一化的交叉相关性的公式表达为：

其中所有像素点(x，y)∈m×n，σx、σy为分别为两影像的方差，σxy为两影像的协方差，c为常数。

根据一种sar图像质量检查方法，步骤s5进一步包括：

交互方差的计算公式表达为：

σx、σy为分别为两影像的方差，表示影像x基于影像y的期望方差，表示影像y基于影像x的期望方差。

将边缘信息匹配程度、结构相似性、灰度相互对应稳定程度三项参数的计算结果记录在表格中，本发明中按0～1打分，0分成像质量最差，1分成像质量最好，按照等权计算所有评价目标的评分均值，作为成像质量的评价。

工程应用中，sar图像的成像质量往往通过点目标来判断，但点目标的结果又是仅仅是点目标所处位置的成像效果，并不代表整幅图像的成像质量，利用上述的方法能够全面、客观评价sar图像的成像质量。

为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。

在具体使用时，尽量使用获取时间较为相近的可见光图像，如果时间上不能满足，尽量选取季节相同可见光图像。

综上所述，借助于本发明的上述技术方案，利用可见光图像，通过主要参数计算的方式检查sar图像的成像质量，能够客观评价图像的成像质量，特别是对新型成像算法的测试中，更需要全面客观检查sar图像的成像质量，本发明介绍的方法能够有效评价新型成像处理软件的效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。