基于水平集分割的极化sar图像桥梁检测方法和装置的制造方法
【技术领域】
[0001] 本发明设及图像处理技术领域，特别设及一种基于水平集分割的极化SAR图像桥 梁检测方法和装置。
【背景技术】
[0002] 能够在图像中检测出桥梁对于地理数据库的更新、自然灾害的评估及军事计划的 制定等都具有极其重要的意义。在相关技术中，可通过边缘检测或Randon变换等方法对极 化SAR(Synthetic Aperture Radar,合成孔径雷达）图像进行桥梁检测，但检测的准确度大 多较低。
【发明内容】
[0003] 本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的 一个目的在于提出一种基于水平集分割的极化SAR图像桥梁检测方法，能够提高桥梁检测 的准确度。
[0004] 本发明的第二个目的在于提出一种基于水平集分割的极化SAR图像桥梁检测装 置。
[0005] 根据本发明第一方面实施例的基于水平集分割的极化SAR图像桥梁检测方法，包 括W下步骤:根据区域统计特性对极化SAR图像进行水平集分割，得到陆地和水域;提取所 述水域的轮廓的特征点，并通过所述特征点的距离确定所述陆地中的感兴趣区域，W作为 疑似桥梁区域;剔除所述疑似桥梁区域中的虚警实现桥梁检测;对剔除虚警后的所述疑似 桥梁区域进行恒虚警检测，区分强散射体桥梁。
[0006] 根据本发明实施例的基于水平集分割的极化SAR图像桥梁检测方法，通过对极化 SAR图像进行水平集分割W得到陆地和水域，并提取水域的轮廓的特征点，根据特征点确定 疑似桥梁区域，然后对剔除虚警后的疑似桥梁区域进行恒虚警检测，从而区分出强散射体 桥梁。由此，通过水平集分割的方法，能够更精确地得到陆地和水域，再结合剔除虚警和恒 虚警检测等过程来区分出强散射体桥梁，能够大大提高桥梁检测的准确度。
[0007] 另外，根据本发明上述实施例的基于水平集分割的极化SAR图像桥梁检测方法还 可W具有如下附加的技术特征：
[000引根据本发明的一个实施例，通过数字曲线分裂归并算法提取所述水域的轮廓的特 征点。
[0009] 根据本发明的一个实施例，将不连通的所述感兴趣区域作为所述虚警。
[0010] 根据本发明的一个实施例，所述对剔除虚警后的所述疑似桥梁区域进行恒虚警检 测具体包括:将所述剔除虚警后的所述疑似桥梁区域作为点目标，并通过区域平均相干矩 阵表示所述点目标，并通过极化白化滤波器对所述点目标进行检测。
[0011] 根据本发明第二方面实施例的基于水平集分割的极化SAR图像桥梁检测装置，包 括:分割模块，用于根据区域统计特性对极化SAR图像进行水平集分割，得到陆地和水域;确 定模块，用于提取所述水域的轮廓的特征点，并通过所述特征点的距离确定所述陆地中的 感兴趣区域，W作为疑似桥梁区域;剔除模块，用于剔除所述疑似桥梁区域的虚警实现桥梁 检测;检测模块，用于对剔除虚警后的所述疑似桥梁区域进行恒虚警检测，区分强散射体桥 梁。
[0012] 根据本发明实施例的基于水平集分割的极化SAR图像桥梁检测装置，通过对极化 SAR图像进行水平集分割W得到陆地和水域，并提取水域的轮廓的特征点，根据特征点确定 疑似桥梁区域，然后对剔除虚警后的疑似桥梁区域进行恒虚警检测，从而区分出强散射体 桥梁。由此，通过水平集分割，能够更精确地得到陆地和水域，再结合剔除虚警和恒虚警检 测等来区分出强散射体桥梁，能够大大提高桥梁检测的准确度。
[0013] 另外，根据本发明上述实施例的基于水平集分割的极化SAR图像桥梁检测装置还 可W具有如下附加的技术特征：
[0014] 根据本发明的一个实施例，所述确定模块通过数字曲线分裂归并算法提取所述水 域的轮廓的特征点。
[0015] 根据本发明的一个实施例，所述剔除模块将不连通的所述感兴趣区域作为所述虚 警。
[0016] 根据本发明的一个实施例，所述检测模块具体用于:将所述剔除虚警后的所述疑 似桥梁区域作为点目标，并通过区域平均相干矩阵表示所述点目标，并通过极化白化滤波 器对所述点目标进行检测。
【附图说明】
[0017] 图1为根据本发明一个实施例的基于水平集分割的极化SAR图像桥梁检测方法的 流程图；
[0018] 图2为根据本发明一个实施例的水域的轮廓的特征点和疑似桥梁区域的示意图；
[0019] 图3为根据本发明一个实施例的包括多个桥梁的新加坡地区的极化SAR图像的伪 彩图；
[0020] 图4为根据本发明一个实施例的对图3中的图像进行桥梁检测的结果示意图；
[0021] 图5为根据本发明一个实施例的区分出强散射体桥梁的结果示意图；
[0022] 图6为根据本发明一个实施例的基于水平集分割的极化SAR图像桥梁检测装置的 结构框图。
【具体实施方式】
[0023] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0024] 下面参考附图描述本发明实施例的基于水平集分割的极化SAR图像桥梁检测方法 和装置。
[0025] 图1为根据本发明一个实施例的基于水平集分割的极化SAR图像桥梁检测方法的 流程图。
[0026] 如图1所示，本发明实施例的基于水平集分割的极化SAR图像桥梁检测方法，包括 W下步骤：
[0027] SlOl，根据区域统计特性对极化SAR图像进行水平集分割，得到陆地和水域。
[0028] 在本发明的实施例中W多视极化SAR图像为例进行说明。多视极化SAR图像散射矩 阵服从复Wishart(维希特)分布，对于同质区域，由散射矩阵矢量化而得到的相干矩阵T也 服从复Wishad分布。如果同质区域的相干矩阵的均值为X，视数为L，且极化通道数为P，则 可记为T~W( X，L，p)。由此，上述相关矩阵的概率密度函数为：
[0030] 其中，
，.G( ?)为伽马(Gamma)函数。
[0031] 在本发明的一个实施例中，WR表示图像平面，Wl表示给定的极化SAR图像，WP表 示分割，Wr表示陆地和水域的交界线，其中，r为闭合的曲线，同时，WRi和R2分别表示由 曲线r分割的陆地和水域，则分害化下，极化SAR图像I的后验概率为p(I I P (Ri，R2))。根据贝 叶斯准则，后验概率最大时的分割为最佳分割，即最佳分割所满足的条件为：
[003。 P 二 P(/?,，巧:）)（2)
[0033] 又因为P(IlP) Kp(PlI)P(P)，若陆地Ri与水域R2相互独立，区域条件概率函数为f (IilRi),其中i为1或2,分别表示被划分为陆地或水域时图像I的概率密度函数。分割先验概 率P(P)可定义为轮廓线长度函数P(S)Ke-^W，v〉〇,则可得分割曲线的能量函数及分割模 型的等价形式：
[0034] 「抑，=叫「1-{|雌/(申批-f 雌'">斬)如 .巧 馬
[0035] r 二叫n{E(r..[欠 1'欠(3)
[0036] 其中V为曲线规化参数，I r I表示曲线长度，f为最佳分割曲线。
[0037] 在本发明的一个实施例中，若通过水平集函