一种基于景物分布的sar景象适配性评价方法
【技术领域】
[0001] 本发明涉及图像处理领域，尤其涉及合成孔径雷达图像的分析与评价技术。
【背景技术】
[0002] 以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有 技术。
[0003] 景象适配性评价是对指定景象区域的匹配定位性能进行评估、分析，从而确定该 区域是否可作为合适的景象匹配区的方法。近年来随着SAR景象匹配技术在飞行器导航中 的应用，景象适配性的评价方法成为影响适配性能的关键因素之一。
[0004] 由于SAR成像的特殊机理，地形起伏造成的图像几何畸变、固有的雷达相干斑噪 声等因素都会对地面SAR景象区域的适配性特征的提取造成不利影响，从而给适配区的选 取带来很大的困难。虽然少数文献对SAR景象适配性有过一定分析，如赵倩等人的《基于 高程选择的SAR景象匹配系统基准图选择准则》、朴彦龙等人的《面向SAR匹配辅助导航的 景象区域适配性》等。虽然上述研究从地形分析的层面对SAR图像进行了一定论述，但有以 下两方面不足：
[0005] -，缺乏针对SAR适配性特征的选取方法的研究，而是直接沿用可见光的适配性 特征。如《基于高程选择的SAR景象匹配系统基准图选择准则》直接采用了标准差和独立 像元数特征衡量景物的信息量，未对特征选取的方法和过程进行分析；《面向SAR匹配辅助 导航的景象区域适配性》认为边缘图像反映了地物纹理固有的形态，受辐射特性变化影响 相对较小，具有较强的稳健性，反映SAR景象像面信息的适配性特征指标应当基于边缘图 像来选取。因而文中选择了局部边缘密度均值、局部边缘密度标准差等特征，但后来的验证 结果并不十分如意。
[0006] 二，景象适配区评价时，仍沿用传统的全局特征计算方法，未考虑SAR景象匹配的 应用特点。传统的可见光景象适配区选择时，通常计算匹配单元区域的全局平均特征统计 量，即特征计算的对象是该匹配单元的整个图像，然后依据已建立的适配性特征与适配性 能的统计关系模型，估计该区域的适配性能，进而通过已确定的阈值门限或分类器参数，对 该区域是否适配做出评价。如罗海波等人的《采用多特征融合的自动适配区选择方法》、江 标初等人的《层次景象匹配区选取准则》、安如等人的《基于特征匹配的影像可适配性研 究》、陈雪凌等人的《基于Dempster.Shafer证据理论的匹配区多特征适配性分析方法》。这 些方法主要用于地物类型较单一的景象匹配，而对于包含多种地物类型的SAR景象匹配的 适配区选取上具有局限性。原因在于，SAR景象匹配区域具有成像面积大、景物类型多、地 物非均匀分布的新特性，传统的全局图像特征计算方法平滑了匹配区域内部的局部特征差 异，因此不适用复杂地物场景的SAR景象匹配。
【发明内容】
[0007] 本发明的目的在于提出一种基于景物分布的SAR景象适配性评价方法，能够适用 于复杂地物场景的SAR景象匹配、且适配性评价效果好。
[0008] 根据本发明的基于景物分布的合成孔径雷达SAR景象适配性评价方法，包括：
[0009] S1、获取待评价景象和每个单一景物类型的图像样本的灰度值，并按照预设尺寸 对所述待评价景象以及所述图像样本进行分块；
[0010] S2、选取至少两个图像特征指标，针对每个图像特征指标：
[0011] S21、基于灰度值确定所述图像特征指标在每个图像样本的所有分块图像中的特 征值，并依据所述特征值获取所述图像特征指标在每个图像样本中的特征值分布；
[0012] S22、选取在不同图像样本中特征值分布差异较大的至少一个所述图像特征指标 作为适配性特征指标；
[0013] S3、基于灰度值确定所述适配性特征指标在所述待评价景象的所有分块图像中的 适配性特征值，并依据所述适配性特征值获取所述适配性特征指标在所述待评价景象中的 适配性特征值分布；
[0014] S4、对所述适配性特征值分布进行方差分析，依据方差分析的结果评价SAR景象 适配性。
[0015] 优选地，在步骤S1之前，所述方法进一步包括：
[0016] 基于所述待评价景象的地物场景定义景物类型，基于所述景物类型从SAR影像数 据库中选取单一景物类型的图像样本。
[0017] 优选地，所述待评价景象的分块图像与所述图像样本的分块图像的大小相同。
[0018] 优选地，所述图像特征指标包括：标准差，和/或信息熵，和/或边缘密度，和/或 分形维数。
[0019] 优选地，所述至少两个图像特征指标为：标准差和信息熵；步骤S21包括：
[0020] 基于所述分块图像的灰度值，获取每个所述图像样本的分块图像的标准差和信息 熵；
[0021] 依据所述图像样本的分块图像的标准差，获取所述图像样本的所有分块图像的标 准差的概率分布密度图；
[0022] 依据所述图像样本的分块图像的信息熵，获取所述图像样本的所有分块图像的信 息熵的概率分布密度图。
[0023] 优选地，步骤S22具体为：
[0024] 获取在不同图像样本中所述特征值分布的标准差；
[0025] 选取标准差最大的所述图像特征指标作为适配性特征指标。
[0026] 优选地，步骤S3具体为：
[0027] 基于所述分块图像的灰度值，获取每个所述待评价景象的所有分块图像的适配性 特征值；
[0028] 依据所述待评价景象的所有分块图像的适配性特征值，获取所述待评价景象的所 有分块图像的适配性特征值的概率分布密度图。
[0029] 优选地，所述适配性特征指标的数量为两个或多个时，步骤S4包括：
[0030] 按照适配性特征值分布差异的大小为每个适配性特征指标设置权重；
[0031] 对每个适配性特征指标的适配性特征值分布进行方差分析，得到每个适配性特征 指标的方差分析结果；
[0032] 对每个适配性特征指标的权重及方差分析结果进行加权求和，利用加权后的方差 分析结果评价SAR景象适配性。
[0033] 优选地，所述尺寸为：20像素X20像素。
[0034] 优选地，所述像素尺寸为：20像素X20像素。
[0035] 根据本发明的基于景物分布的SAR景象适配性评价方法，包括：获取所述待评价 景象和每个单一景物类型的图像样本的灰度值，并按照预设尺寸对所述待评价景象以及所 述图像样本进行分块；选取至少两个图像特征指标，针对每个图像特征指标：基于灰度值 确定所述图像特征指标在每个图像样本的所有分块图像中的特征值，并依据所述特征值获 取所述图像特征指标在每个图像样本中的特征值分布；选取在不同图像样本中特征值分布 差异较大的所述图像特征指标作为适配性特征指标；基于灰度值确定所述适配性特征指标 在所述待评价景象的所有分块图像中的适配性特征值，并依据所述适配性特征值获取所述 适配性特征指标在所述待评价景象中的适配性特征值分布；对所述适配性特征值分布进行 方差分析，依据方差分析的结果评价SAR景象适配性。本发明通过选取至少两个图像特 征指标，并选取在不同图像样本中特征值分布差异较大的图像特征指标作为适配性特征指 标，能够更好地表征和区分景物类型；通过对待评价景象进行分块并获取适配性特征指标 在待评价景象的所有分块图像中的适配性特征值分布，能够评价复杂地物场景的SAR景象 适配性。根据本发明能够适用于复杂地物场景的SAR景象适配性评价，且评价效果好。
【附图说明】
[0036] 通过以下参照附图而提供的【具体实施方式】部分，本发明的特征和优点将变得更加 容易理解，在附图中：
[0037] 图1是根据本发明的基于景物分布的SAR景象适配性评价方法的流程图；
[0038] 图2是根据本发明优选实施例的单一景物类型的图像样本示意图；其中，图2a是 建筑物图像样本的示意图，图2b是田地图像样本的示意图，图2c是水域图像样本的示意 图；
[0039] 图3是根据本发明的图像特征指标在建筑物图像样本的所有分块图像中的特征 值示意图；其中，图3a是建筑物图像样本的所有分块图像中标准差的示意图，图3b是建筑 物图像样本的所有分块图像中信息熵的示意图；
[0040] 图4是根据本发明的图像特征指标在建筑物图像样本中的特征值分布；其中，图 4a是建筑物图像样本中标准差概率分布密度图，图4b建筑物图像样本中信息熵概率分布 密度图；
[0041] 图5是根据本发明的图像特征指标在田地图像样本中的特征值分布；其中，图5a 是田地图像样本中标准差概率分布密度图，图5b田地图像样本中信息熵概率分布密度图；
[0042] 图6是根据本发明的图像特征指标在水域图像样本