一种对合成孔径雷达影像中的道路进行半自动提取的方法
【技术领域】
[0001] 本发明属于遥感图像处理技术领域，设及一种对图像中道路进行半自动提取的方 法，具体设及一种改进剖面匹配和扩展卡尔曼滤波对合成孔径雷达（SyntheticAperture Radar,SAR)影像进行道路半自动提取的方法。
【背景技术】
[0002] 合成孔径雷达（SyntheticApertureRadar,SAR)技术是一种重要的对地观测手 段，广泛应用于军事、民用等众多领域。利用SAR影像进行线目标提取是遥感影像目标解译 的研究热点，在众多线目标（道路、桥梁、海岸线、河流等）提取中道路提取占有重要地位， 从SAR影像中提取道路是典型线状目标提取的研究热点，广泛应用于道路制图、城市规划、 构建城市道路网和GIS数据库更新等诸多领域。SAR影像道路提取根据是否需要人机交互， 可W分为自动和半自动的提取方法，但是由于道路的复杂性和多样性使得SAR影像道路在 进行全自动提取后依然会进行大量的人工后处理，因此道路全自动提取近期还难W实现。 而道路半自动提取的方法能够结合操作员可靠的识别能力和计算机高效的计算能力，是对 当前SAR影像道路提取的折中处理，具有重要的应用潜力。
[000引 目前，针对SAR影像的道路半自动提取方法有很多，主要的是对半自动道路提取 方法的初始化，预测，观测，更新等步骤进行改进。但是复杂的初始化使得算法的复杂度增 加，预测阶段获取的预测值不准确会影响后续观测值和扩展卡尔曼滤波最优估计值获取的 准确度和效率，观测阶段获取观测值得不精确会使得道路提取偏离道路中屯、位置产生错误 的道路点。最优观测值得更新则需要用到预测值和观测值。预测值和观测值的好坏直接影 响了最优观测值的精度和人工干预次数的多少，如何在人工干预尽可能少的同时能够对道 路进行精准提取是当前需要解决的难点问题。
【发明内容】
[0004] 本发明的目的在于从根本上克服道路半自动提取存在的两种缺陷，在分析SAR影 像道路特性的基础上，构建了SAR影像道路提取模型，提出利用改进剖面匹配和扩展卡尔 曼滤波对SAR影像进行道路半自动提取方法：在获取道路观测值上，对在道路面上的像素 设置权重为2,而对非道路面上的像素设置权重为1 ;在获取道路最优估计值上，利用扩展 的卡尔曼滤波的方法；从而实现在人工干预尽可能少的同时对道路进行精准提取。 阳0化]本发明所采用的技术方案是：一种对合成孔径雷达影像中的道路进行半自动提取 的方法，其特征在于，包括W下步骤：
[0006] 步骤1 :打开一幅SAR影像，并预处理；
[0007] 步骤2 :人工初始化道路参数；通过在SAR影像道路两侧垂直于道路方向上人工随 机选取两个点，道路中屯、点坐标（r。，C。)，道路方向4。，道路宽度W，参考剖面长度L;
[0008] 步骤3 :构建SAR影像道路提取模型，获取道路预测状态并计算目标剖面；通过道 路提取模型得到下一时刻道路的预测状态；设定捜索夹角f和步长化，W系统状态预测值 为中屯、利用参考剖面长度，获得目标剖面的长度LT，同时获取扩展卡尔曼滤波的先验概率 密度；
[0009] 步骤4 :对参考剖面和目标剖面进行优化处理；每隔一个像素生成平行于参考剖 面且长度与参考剖面相同的若干剖面，对生成剖面中相同位置像素进行多视处理，得到经 过优化处理后的参考剖面；对目标剖面采用与参考剖面优化处理相同的方法进行优化；
[0010] 步骤5 :获取道路观测值及判断；将参考剖面中的像素与目标剖面上对应的像素 进行灰度差平方处理，并利用改进剖面匹配算法，将参考剖面中道路面上的像素灰度差平 方的权值设定为2,不在道路上的像素灰度差平方的权值设定为1，使得改进剖面匹配算法 有效的抑制了道路周边弱散射地物对道路提取的影响；判断能否准确的获取道路观测值， 若能够准确的获取，则执行所述的步骤6 ;若不能够获取，则需要加入人工干预，判断是否 到达图像边界，若到达图像边界，则道路提取结束；若没有到达图像边界，贝阳日入人工干预， 并回转执行所述的步骤2;
[0011] 步骤6 :道路最优估计值的获取及判断；利用步骤3获取当前时刻道路先验概率密 度和所述步骤5获取的道路观测值进行处理，计算当前时刻的道路最优估计值；判断能否 获得准确的最优估计值；若能够获得则将当前时刻的最优观测值作为下一时刻道路的初始 值，并回转执行所述的步骤3,直至完成整条道路的提取；若不能够准确获取最优估计值， 则需要加入人工干预，判断是否到达图像边界，若到达图像边界，则道路提取结束；若没有 到达图像边界，贝阳日入人工干预，并回转执行所述的步骤2 ;
[0012] 作为优选，步骤1中所述的对SAR影像进行预处理，其具体实现过程为：对待提取 SAR影像进行精致Lee滤波处理来滤除斑点噪声对道路提取的影响。
[0013] 作为优选，步骤3中所述的构建SAR影像道路提取模型为：
[0014] Xk=f(Xki)+Wk
[0015] 其中，f(?)表示为状态转移策略的关系式，Xk表示道路提取的第k个时刻道路系 统状态，Wk代表系统噪声。
[0016] 作为优选，步骤3中所述的目标剖面的长度LT的计算公式为：
[0017]
[001引作为优选，步骤3中所述的扩展卡尔曼滤波的先验概率密度，即预测状态，通过道 路的预测状态，计算扩展卡尔曼滤波的第k时刻的先验概率密度和先验概率的协方差 矩阵Pkiki:
[0022]
[0023] 其中表示第k-1时刻道路点的最优估计值，Qk表示和道路宽度有关的系统 噪声，第A表示的线性化的过程通过雅可比行列式获得，PkIlk1表示后验概率的协方差矩阵。
[0024] 作为优选，步骤5中所述的改进剖面匹配算法，其具体实现包括W下子步骤：
[00巧]步骤5. 1 :构建道路观测模型： 阳026]Zk=HkXk|ki;
[0027] 其中Zk表示道路的观测值，Hk表示道路的观测矩阵；
[00測步骤5. 2 :剖面匹配的加权策略计算：
[0029]
[0030] 其中W表示的是道路的宽度，L表示的是参考剖面的长度。
[0031] 步骤5. 3 :改进剖面匹配算法的计算公式为：
[0032]
[003引其中gi(Xr，yr)表示参考剖面的像素灰度值，g'w(XT，yT)表示目标剖面的像素灰 度值，j代表捜索夹角和步长所确定的长度，j=LT-L+1 ;
[0034] 作为优选，步骤6中所述的获取道路最优估计值，其具体实现包括W下子步骤：
[0035] 步骤6. 1 :计算扩展卡尔曼滤波增益：
[0036]
[0037] 其中Kk表示扩展卡尔曼滤波增益，Hk表示观测矩阵，Rk表示系统观测噪声；
[0038] 步骤6. 2 :计算扩展卡尔曼滤波的后验概率密度，即道路的最优估计值，获取道路 的后验概率密度為巧后验概率协方差矩阵Pkik;
[0039]
[0040] Pk|k= (I-KkHk)Pkiki;
[0041] 其中Zk表示改进剖面匹配获取的观测值，I表示单位矩阵；通过更新阶段的计算 公式得出通过扩展卡尔曼滤波提取的道路点即是一个最优估计值。
[0042] 作为优选，步骤6中所述的人工干预，即人工的在道路中屯、选择一个道路点，来初 始化道路参数。
[0043] 本发明的创新之处在于：
[0044] (1)提出SAR影像道路提取模型，能够准确的获取道路的预测值，并为利用扩展卡 尔曼滤波算法提供理论条件； W45] 似提出了改进剖面匹配的算法获取观测值，利用对SAR影像中道路部分像素设 置权值为2,非道路部分像素设置权值为1的方法，有效的抑制了道路周边地物对道路提取 的影响，提高算法的鲁棒性，能够获得较为准确的观测值；
[0046] (3)利用扩展卡尔曼滤波的方法获取道路最优估计值，扩展的卡尔曼滤波方法能 够在对非线性系统进行道路提取，并能够在道路面被障碍物（周围高大地物遮挡或出现隔 断）干扰时，能够通过已观测获得的数据对当前时刻进行预测，从而能够跨过障碍物，继续 道路提取，从而很大程度上提高了道路提取的效率，同时扩展卡尔曼滤波有较为严格的检 查机制，能够在及时发现错误的观测值并停止道路提取等待操作员进行人机交互，从而大 大的减少道路提取出错的可能，保证了道路提取算法的准确性。
【附图说明】
[0047] 图1 :是本发明实施例的流程图； W48] 图2 :是本发明实施例中用到的道路模型图； W例图3 :是本发明实施例中用到的改进剖面匹配算法。
【具体实施方式】
[0050] 为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发 明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不 用于限定本发明。
[0051] 请见图1，本发明提供的一种对合成孔径雷达影像中的道路进行半自动提取的方 法，包括W下步骤：
[0052] 步骤1 :打开一幅SAR影像，并对SAR影像进行滤波，如：精致Lee滤波，来滤除斑 点噪声对道路提取的影响；
[0053] 步骤2 :人工初始化道路参数；通过在SAR影像道路两侧垂直于道路方向上人工随 机选取两个点，后续获取其它参数均由计算机自动完成；道路中屯、点坐标（r。，C。），道路方 向4。，道路宽度W，参考剖面长度L;
[0054] 步骤3 :构建SAR影像道路提取模型，获取道路预测状态并计算目标剖面；通过道 路提取模型得到下一时刻道路的预测状态；设定捜索夹角口;和步长化，W系统状态预测值 为中屯、利用参考剖面长度，获得目标剖面的长度LT，同时获取扩展卡尔曼滤波的先验概率 密度； 阳化5] 请见图2,是本发明实施例中用到的道路模型图；其中实屯、圆表示道路最优估计 值，空屯、圆表示道路获取的观测值，X型表示预测值。（Cki，rki)，（Ck，rk)分别为第k-1时 刻和第k时刻道路最优估计值XkIlk1和Xkik的坐标，4k1和4k分别为第k-1时刻和第k 时刻道路的方向。
[0056] 本实施例的构建SAR影像道路提取模型为：
[0057]
[0058] 其中，f( ?)表示为状态转移策略的关系式，Xk表示道路提取的第k个时刻道路系 统状态，Wk代表系统噪声。
[0059] 道路当前时刻状态可W通过一个四维向量表示，
[0060]
[OOW] 其中，（rk，Ck)表示第k个时刻道路中屯、点坐标、(K表示第k个时刻道路方向、^ 表示第k个时刻道路方向变化角。
[0062] 目标剖面的长度LT的计算公式为：