专利名称：基于商空间粒度计算的极化合成孔径雷达图像目标检测方法
技术领域：
本发明涉及遥感领域，具体涉及极化合成孔径雷达图像目标检测和图像解译的技 术领域。
背景技术：
极化合成孔径雷达可以利用不同极化通道的合成孔径雷达复图像区分物体的细 致结构、目标指向、几何形状以及物质组成等参数，在遥感领域具有广阔的应用前景。人造目标分类和检测识别在军事和民用上都具有重要意义。民用上如寻找和营救 失事飞机，对一些人类难以到达或自然条件恶劣的地区针对特定目标进行检测，监测评估 城镇的发展等。在军事应用上，人造目标的检测识别主要用于国防预警方面，对对方的军事 侦察以及对已方的监控等。极化合成孔径雷达不但具有全天时全天候特性和一定的穿透能力，同时极化合成 孔径雷达获取的目标精细特征和几何特征是人造目标分类和检测的主要特征，因此极化合 成孔径雷达数据在区分人造物体和自然物体方面具有其它遥感手段无法替代的作用。随着极化合成孔径雷达系统的推广，所获得的全极化数据也越来越丰富。如何对 图像做出快速而准确的解译，如何有效地对目标进行分类或识别，已成为迫切需要解决的 一个难题。如何对已有的极化合成孔径雷达图像中的目标特性进行研究，如何从图像数据 中提取出符合应用要求的目标特征，进而实现目标的分类与检测识别，已经成为能否对图 像正确解译的关键步骤。因此，利用极化信息提取技术对合成孔径雷达图像中的典型目标进行特征提取和 检测是极化合成孔径雷达图像解译和应用的重点。但现有的极化合成孔径雷达人造目标的 极化特性比较复杂，所以单一的检测方法不能获得好的结果，需要新的技术手段来弥补此 缺陷。
发明内容
本发明为了解决现有单一检测方法不能够获得全面检测结果的缺陷，而提出的基 于商空间粒度计算的极化合成孔径雷达图像目标检测方法。步骤一通过极化合成孔径雷达采集图像获得待处理的图像数据，根据数据格式 读入全极化合成孔径雷达图像的数据；步骤二 图像预处理对全极化合成孔径雷达图像进行预处理；步骤三计算全极化合成孔径雷达图像的不同特征参数，并进行目标检测，得到粗 粒度空间步骤三A 基于多成散射模型的目标检测基于多成散射模型对全极化合成孔径 雷达图像进行极化目标分解，得到奇次散射、偶次散射、体散射、线散射和螺旋散射五种散 射成分的散射能量图；根据检测目的选取上述五种散射成分的散射能量图中的一种或几种，利用阈值分割进行目标检测，得到的检测结果作为粗粒度空间([X1L [fj，[T1])；步骤三B 基于相似性参数的目标检测基于极化相似性参数计算得到雷达目标 与典型目标之间的相似性参数，根据检测目的选取雷达目标与典型目标之间的相似性参数 图，然后利用阈值分割，得到的检测结果作为粗粒度空间([X2], [f2]，[T2])；步骤三C 基于极化白化滤波的目标检测对全极化合成孔径雷达图像进行极化 白化滤波，然后利用阈值分割，得到的检测结果作为粗粒度空间(du，[f3]，[τ3])；步骤四利用商空间理论对步骤三获得的三个粗粒度空间进行合成，得到最终的 细粒度空间步骤四1 分别对步骤三获得的三个粗粒度空间进行比较，将三个粗粒度空间中 属性相同的论域，根据论域合成准则进行论域合成，得到合成论域[X' 4]及其合成属性 [f' 4]，从而获得细粒度空间([X' 4]，[f' 4]，[τ' 4])，将三个粗粒度空间中的属性不同 的论域设定为待定区域Ck;步骤四2 依据合成属性[f ‘ 4]计算合成论域[X' 4]中目标中心和背景中心， 再根据属性合成准则，对待定区域Ck的属性进行重新划分，从而获得细粒度空间([X" 4]， [f" 4]，[T" J)；步骤五将步骤四获得的两个细粒度空间([X' 4]，[f' 4]，[T' 4])和([Χ〃 4]， [f" 4]，[T" 4])合成，得到最终的细粒度空间([X4]，[f4]，[T4])，即为综合优化后的检测结果。本发明为了获得好的检测结果，所以有必要采用一个能够将多种特征和检测方法 联合和优化的方法，以期望可以获得更好的检测结果。粒度计算的主要思想就是将问题放 到不同的粒度空间去研究，然后将各个粒度空间的结果进行综合分析，进而得到最优解。针 对建筑物散射的复杂性，考虑到各种方法的优势和不足，基于商空间粒度计算的目标检测 算法就是将目标检测过程放到不同粒度空间进行，再利用商空间粒度合成将各种检测结果 进行综合优化和加权融合，以得到更好的检测效果。本方法是基于粒度计算的思想，从不同角度对目标进行检测，将基于多成分散射 模型的目标分解结果、极化相似性参数和极化白化滤波结果作为粗粒度空间分别进行目标 检测，再利用商空间粒度合成将三个检测结果进行加权融合得到细粒度空间，获得最优的 检测结果。该方法可综合三种方法的优点，充分考虑目标的散射特性、与典型目标的相似性 以及图像的对比度，克服了现有极化特征和极化检测算法在具有复杂散射特性的建筑物目 标检测中的单一性和局限性。
图1是全极化合成孔径雷达图像hh通道的幅度图像；图2是单独基于多成分散射 模型的检测结果图像；图3是单独基于极化相似性参数的检测结果图像；图4是单独基于 极化白化滤波的检测结果图像；图5是错误！未找到引用源。属性合成示意图；图6是本发 明的检测结果图像。
具体实施例方式具体实施方式
一结合图1和图6说明本实施方式，本实施方式的步骤如下
步骤一通过极化合成孔径雷达采集图像获得待处理的图像数据，根据数据格式 读入全极化合成孔径雷达图像的数据；步骤二 图像预处理对全极化合成孔径雷达图像进行预处理；步骤三计算全极化合成孔径雷达图像的不同特征参数，并进行目标检测，得到粗 粒度空间步骤三A 基于多成散射模型的目标检测基于多成散射模型对全极化合成孔径 雷达图像进行极化目标分解，得到奇次散射、偶次散射、体散射、线散射和螺旋散射五种散 射成分的散射能量图；根据检测目的选取上述五种散射成分的散射能量图中的一种或几 种，利用阈值分割进行目标检测，得到的检测结果作为粗粒度空间([X1L [fj，[T1])；步骤三B 基于相似性参数的目标检测基于极化相似性参数计算得到雷达目标 与典型目标之间的相似性参数，根据检测目的选取雷达目标与典型目标之间的相似性参数 图，然后利用阈值分割，得到的检测结果作为粗粒度空间([X2], [f2]，[T2])；步骤三C 基于极化白化滤波的目标检测对全极化合成孔径雷达图像进行极化 白化滤波，然后利用阈值分割，得到的检测结果作为粗粒度空间(DU，[f3]，[T3])；步骤四利用商空间理论对步骤三获得的三个粗粒度空间进行合成，得到最终的 细粒度空间步骤四1 分别对步骤三获得的三个粗粒度空间进行比较，将三个粗粒度空间中 属性相同的论域，根据论域合成准则进行论域合成，得到合成论域[X' 4]及其合成属性 [f' 4]，从而获得细粒度空间([X' 4]，[f' 4]，[τ' 4])，将三个粗粒度空间中的属性不同 的论域设定为待定区域Ck;步骤四2 依据合成属性[f ‘ 4]计算合成论域[X' 4]中目标中心和背景中心， 再根据属性合成准则，对待定区域Ck的属性进行重新划分，从而获得细粒度空间([X" 4]， [f" 4]，[T" J)；步骤五将步骤四获得的两个细粒度空间([X' 4]，[f' 4]，[T' 4])和([Χ〃 4]， [f" 4]，[T" 4])合成，得到最终的细粒度空间([X4]，[f4]，[T4])，即为综合优化后的检测结果。
具体实施方式
二 结合图2说明本实施方式，本实施方式与具体实施方式
一不同 点在于地物散射细分为奇次散射、偶次散射、体散射、螺旋散射和线散射五种基本散射类 型，并利用这五种基本散射类型构建多成散射模型，所述的多成散射模型将协方差矩阵分 解为这五种基本散射类型的加权和，即[C] = fodd [Codd] +fdouble [Cdouble] +fvolume I-^volume-I +[helix [CheiiJ+f wire Lv-VireJ公式一其中，fodd、fdouble、fvolume、fhelix 和 f wire 分别表示各个成分的散射能量，[C。dd]、[Cdouble-I 和 [CvoIume]与Freeman分解中给出的相应协方差矩阵一致，[Chelix]和[Cwire]是根据建筑物在极化图像中 非对称性而加入的；极化合成孔径雷达的散射协方差矩阵[C]定义为
权利要求
1.基于商空间粒度计算的极化合成孔径雷达图像目标检测方法，其特征在于它步骤如下步骤一通过极化合成孔径雷达采集图像获得待处理的图像数据，根据数据格式读入 全极化合成孔径雷达图像的数据；步骤二 图像预处理对全极化合成孔径雷达图像进行预处理；步骤三计算全极化合成孔径雷达图像的不同特征参数，并进行目标检测，得到粗粒度 空间步骤三A 基于多成散射模型的目标检测基于多成散射模型对全极化合成孔径雷达 图像进行极化目标分解，得到奇次散射、偶次散射、体散射、线散射和螺旋散射五种散射成 分的散射能量图；根据检测目的选取上述五种散射成分的散射能量图中的一种或几种，利 用阈值分割进行目标检测，得到的检测结果作为粗粒度空间([X1], [fj, [T1])；步骤三B 基于相似性参数的目标检测基于极化相似性参数计算得到雷达目标与典 型目标之间的相似性参数，根据检测目的选取雷达目标与典型目标之间的相似性参数图， 然后利用阈值分割，得到的检测结果作为粗粒度空间([X2]，[f2]，[T2])；步骤三C 基于极化白化滤波的目标检测对全极化合成孔径雷达图像进行极化白化 滤波，然后利用阈值分割，得到的检测结果作为粗粒度空间([X3]，[f3]，[T3])；步骤四利用商空间理论对步骤三获得的三个粗粒度空间进行合成，得到最终的细粒 度空间步骤四1 分别对步骤三获得的三个粗粒度空间进行比较，将三个粗粒度空间中属性 相同的论域，根据论域合成准则进行论域合成，得到合成论域[X' 4]及其合成属性[f' 4]， 从而获得细粒度空间([X' 4]，[f' 4]，[T' 4])，将三个粗粒度空间中的属性不同的论域设 定为待定区域Ck;步骤四2 依据合成属性[f ‘ 4]计算合成论域[X' 4]中目标中心和背景中心，再根据 属性合成准则，对待定区域Ck的属性进行重新划分，从而获得细粒度空间([X" 4]，[f" 4]， [T〃 J)；步骤五将步骤四获得的两个细粒度空间([X' J, [f' 4]，[T' 4])和([x〃 4]， [f" 4]，[T" 4])合成，得到最终的细粒度空间([x4]，[f4]，[T4])，即为综合优化后的检测结果。
2.根据权利要求1所述的基于商空间粒度计算的极化合成孔径雷达图像目标检测方 法，其特征在于步骤三A根据目标的散射特性，利用多成分散射模型，将全极化合成孔径雷 达图像分为五种散射成分的散射能量图；具体极化目标分解的过程为多成散射模型将协方差矩阵[C]分解为奇次散射、偶次散射、体散射、螺旋散射和线散 射这五种基本散射类型的加权和，即[C] — f odd [C0dd] +f double tCdouble] +f volume I-^volume-I +helix [CheliJ+f wire Lv-VireJ 公式一其中，fodd、f double、fvolume、fhelix 禾口 ^wire 分别表示各个成分的散射言旨量，[CoddI > [CdoublJ禾口 [Cvolume]与Freeman分解中给出的相应协方差矩阵一致，[CheliJ和[Cwire]是根据建筑物在 极化图像中非对称性而加入的；极化合成孔径雷达的散射协方差矩阵[C ]定义为
3.根据权利要求1所述的基于商空间粒度计算的极化合成孔径雷达图像目标检测方 法，其特征在于步骤三B所述的计算雷达目标与典型目标之间的相似性参数，从而根据目 标和典型目标之间的相似性参数对目标进行检测；其中典型目标的目标类型分为平面散射 类型、二面角散射类型、螺旋散射类型和线散射类型；雷达目标与典型目标之间的相似性参 数计算过程如下设雷达目标与典型目标两个目标的Stokes矩阵分别为[K1]和[K2]，则雷达目标与典 型目标基于Stokes矩阵的相似性参数定义为
4.根据权利要求1所述的基于商空间粒度计算的极化合成孔径雷达图像目标检测方 法，其特征在于步骤三C利用极化白化滤波对全极化合成孔径雷达图像进行处理，极化白 化滤波后图像强度的表达式变为
5.根据权利要求1所述的基于商空间粒度计算的极化合成孔径雷达图像目标检测方 法，其特征在于步骤四中粗粒度空间的论域合成和属性合成的方法，下面是对第一个粗粒 度空间([X1L [fj，[T1])和第二个粗粒度空间([X2L [f2]，[T2])的论域合成和属性合成， 对于第三个粗粒度空间([x3]，[f3]，[T3])的论域合成和属性合成的方法与第一个粗粒度空 间([XJ^f1], [T1])和第二个粗粒度空间([x2]，[f2]，[T2])的论域合成和属性合成的方法 相同，首先，论域合成[XJ和[X2]对应的等价关系分别为R1和R2, [X1]和[X2]的合成论域[X' 3]对应的等 价关系为R' 3，R' 3是R1和R2的合成，那么R' 3是R1和R2的最小上界；若用划分来表示合成，设划分[X1] = {aj，[X2] = IbiK则[X1]与[X2]的合成[X' 3] 表示为[X3] = Iai η bj ι Bi e [X1], bj e [X2]} 公式二十四 其次，属性合成对于第一个粗粒度空间([X1], [fJ，[T1])和第二个粗粒度空间([X2]，[f2]，[T2])以及其合成空间([X' 3]，[f' 3]，[τ' 3])，属性函数f应满足下面条件(1)PiEf'3] = [fi](i = l，2)，其中 pi:[X' 3] — [XiKi = 1，2)是自然投影；(2)设D(f，[fj,[f2])是某一给定的最优判别准则，则有
6.根据权利要求1所述的基于商空间粒度计算的极化合成孔径雷达图像目标检测方 法，其特征在于步骤四2中对待定区域Ck的属性进行重新划分的过程是分别计算待定区 域Ck中的像素在特征空间中的位置(ci，c2，c3)到合成论域[X' 4]中目标中心(t1;t2，t3) 和背景中心(bi; b2，b3)的距离dt和db dt = W1X I Cft11 +S2 X I c2-t21 +W3 X I c3-t31 (a)db = W1X I Cfb11 +W2 X I c2-b21 +W3 X I c3-b31 (b)公式二十七其中
全文摘要
基于商空间粒度计算的极化合成孔径雷达图像目标检测方法，它涉及遥感领域，它解决了现有单一检测方法不能够获得全面检测结果的缺陷。步骤为对全极化合成孔径雷达图像进行预处理；分别采用多成分散射模型、极化相似性参数和极化白化滤波对极化合成孔径雷达图像进行处理并进行目标检测得到三个粗粒度空间；然后利用商空间理论对三个粗粒度空间进行合成，包括论域的合成和属性的合成；然后利用合成论域的属性对待定元素进行重新判定再划分，得到的结果与合成论域合并，得到检测结果的细粒度空间，即为综合优化的检测结果。本方法克服了现有极化特征和极化检测算法在具有复杂散射特性的建筑物目标检测中的单一性和局限性。
文档编号G01S13/90GK102053248SQ20101054190
公开日2011年5月11日 申请日期2010年11月12日 优先权日2010年11月12日
发明者张腊梅, 张钧萍, 贾青超, 邹斌 申请人:哈尔滨工业大学