一种基于建筑物三维模型的sar图像增强方法及系统的制作方法
【技术领域】
[0001] 本发明涉及微波遥感技术应用领域，特别是涉及一种基于建筑物三维模型的SAR 图像增强方法及系统。
【背景技术】
[0002] 随着空间分辨率的提高，利用合成孔径雷达（Synthetic Aperture Radar，SAR)开 展城市建筑物目标监测逐渐成为城市遥感应用的一个研究热点。与光学传感器不同，SAR是 通过探测目标与传感器之间的斜距来成像，具有一定高度的建筑物目标在SAR图像中会出 现较大的几何畸变和辐射畸变，导致SAR图像中建筑物目标的图像特征与光学图像不同，建 筑物目标难以识别和提取，从而增加了建筑物目标SAR图像解译的难度，限制了 SAR技术在 城市目标监测中的应用。因此，如何增强SAR图像的视觉效果，突出SAR图像中建筑物目标的 图像特征，提高SAR图像中建筑物目标的可识别度，降低SAR图像的解译难度，是SAR城市目 标监测中亟待解决的难题。
[0003] 现阶段提高SAR图像的视觉效果的方法，主要是采用图像增强技术。其中，指数拉 升方法的应用最为广泛，通过调节模型中的参数来提高图像视觉效果。例如，最为常见的 GMAMA拉伸方法，就是一种典型的指数拉升方法，该方法应用在SAR遥感软件中，ΕΝVI / SARscape、RAT(Radar Analysis Tools)等软件中。该方法技术方案如下：
[0004] 首先按照公式（1)，以参数γ对原始图像A(x，y)进行指数拉伸得到图像LY(x，y); 然后将L Y(x，y)在[0，αιιγ]区间内进行线性拉伸得到结果图像LaY(x，y)，参数ιι γ为LY(x，y) 的均值。
[0005] LY(x,y)=A(x,y)Y (1)
[0006] ,、 (2)
[0007] 其中，参数γ和α是可供调节的参数，在RAT软件中α = 〇.7, γ =0.7.
[0008] 这类方法虽然在一定程度上能够提高图像的对比度，却不能解决SAR图像中建筑 物目标难以识别和提取的难题。这是由于SAR成像是一个从三维场景空间到二维图像的映 射过程，必然会导致信息的损失，图像中出现较大的几何畸变、辐射畸变以及阴影特征，而 这些信息的损失是不能通过图像的灰度拉升方法恢复的。
[0009] 由于上述方法没有考虑到建筑物目标几何畸变和辐射畸变特征，无法解决建筑物 目标几何畸变和辐射畸变特征导致的SAR图像视觉退化问题;且上述方法无法有效突出SAR 图像中建筑物目标的图像特征，对于建筑物目标SAR图像而言，这些图像特征是会影响图像 的视觉效果，无法提高解译人员对图像中目标的识别能力。
[0010]由此可见，上述现有的SAR图像增强方法显然仍存在有不便与缺陷，而亟待加以进 一步改进。如何能创设一种可解决建筑物目标几何畸变和辐射畸变特征导致的SAR图像视 觉退化问题、提高建筑物目标的识别效果的新的SAR图像增强方法和系统，成为当前业界极 需改进的目标。
【发明内容】
[0011]本发明要解决的技术问题是提供一种可解决建筑物目标几何畸变和辐射畸变特 征导致的SAR图像视觉退化问题、提高建筑物目标的识别效果的新的SAR图像增强方法和系 统。
[0012]为解决上述技术问题，本发明采用如下技术方案：
[0013] 一种基于建筑物三维模型的SAR图像增强方法，包括:步骤A，建筑物目标三维模型 的表示;步骤B，基于SAR成像过程和建筑物目标三维模型生成模拟特征图像;步骤C，将模拟 特征图像和真实SAR图像进行配准并融合显示，得到建筑物目标视觉显示效果增强后的SAR 图像。
[0014] 进一步地，所述步骤B中包括:B1，利用SAR成像参数，计算建筑物目标三维模型的 顶点在模拟特征图像中的图像坐标;B2,生成模拟特征图像:对每一个建筑物目标，利用其 顶点图像坐标，确定墙面、屋顶和阴影的模拟特征图像，并对模拟特征图像中不包含建筑物 目标的像元进行赋值。
[0015] 进一步地，所述建筑物目标三维模型表示为:SAR图像覆盖的场景中共包含N个建 筑物目标，则场景中建筑物目标的三维模型集合表示为S= {Bk | k= 1···Ν}，其中第k个建筑 物表示为Bk = {XQ，yo，1，w，h，Φ }，其中（XQ，y〇)为距离传感器最近的墙角点的坐标，1、w和h分 别为建筑物长、宽和高，Φ为建筑物的方位角，定义为边与方位向的夹角，其中方位向是SAR 数据获取时传感器载荷运动方向，距离向定义为垂直于方位向的方向；
[0016] 所述B1具体为：
[0017] SAR传感器坐标为(1，1，!〇，成像时入射角为0;建筑物目标的3个表面可以被电磁 波照射到，分别为屋顶EFGH、墙面ABFE和墙面BCGF;根据SAR成像先验知识得到建筑物目标 在模拟特征图像中的几何形状，屋顶对应多边形E PFPGPHP，墙面分别对应多边形APB PFPEP和 BPCPGPFP，阴影范围为多边形APB PCPGSHSES;
[0018] 则第k个建筑物Bk的图像特征Fek表示为模拟特征图像中的一系列点的集合，Fek = { Apk , Bpk , Cpk , Epk , Fpk , Gpk , Hsk , Esk , Gsk , Hpk }；
[0019] 根据SAR成像几何关系，建筑物Bk的图像特征中各顶点的图像坐标计算公式见下 表：
[0020]
[0021]
[0022] 对SAR成像范围内所有建筑物集合S= {Mk I k= 1···Ν}中每一个建筑物目标，均采用 以上计算方法，得到每一个建筑物目标图像特征的顶点在模拟特征图像中的坐标值，得到 场景中所有建筑物目标的图像特征的顶点集合S Fe = {Fek | k = 1…Ν};
[0023] 所述B2具体包括：
[0024] B21确定模拟特征图像的大小；
[0025] 首先，找到场景中所有建筑物目标图像特征顶点的方位向坐标的最大值X max和 最小值X min，距离向坐标的最大值Y max和最小值Y min;然后，利用公式(3)计算模拟特征 图像的方位向大小Nx和距离向大小Ny;
[0026]
[0027]其中，Ce i 1 ing 〇为向上取整，dX和dY分别为SAR图像的方位向和距离向像元大小； [0028] B22模拟特征图像的生成；
[0029]首先，新建一个高度为Nx，宽度为Ny的模拟特征图像Isim，即大小为NxXNy，值为0 的空白矩阵;构建与Isim尺寸大小相等的目标图像1咖和阴影图像Isha，初始值均为0;
[0030] 将所有建筑物目标图像特征的顶点坐标(x，y)按照公式(4)得到新的坐标(Xn，yn)， 得到新的顶点坐标集合S Fe,n= {Ρ^,ηΙ?^ζΙ-Ν};
[0031]
[0032] 对任意一个建筑物目标，按照以下过程执行，得到模拟特征图像Isim、目标图像 和阴影图像1^;过程如下：
[0033] 屋顶多边形EPFPGPHP，对于Isi m图像中的任意像元（i，j)，若该像元点在多边形 EPFPGPHP内，贝ljlsim( i，j) = Isim( i，j )+1，I〇bj(i，j) = 1;
[0034] 墙面多边形APBPFPEP，对于Isim图像中的任意像元（i，j )，若该像元点在多边形 EPFPGPHP内，贝ljlsim( i，j) = Isim( i，j )+1，I〇bj(i，j) = 1;
[0035] 墙面多边形BPCPGPFP，对于Isim图像中的任意像元（i，j)，若该像元点在多边形 EpFpGpHp 内，贝！Jlsim( i，j ) = Isim( i，j ) + 1，Iobj (i，j ) = 1 ;
[0036] 阴影多边形APBPCpGsHsEs，对于I Sim图像中的任意像元（i，j)，若该像元点在多边形 EpFpGpHp 内，则Isha( i，j ) = 1 ;
[0037] 对所有的建筑物目标按照以上方法进行处理；
[0038] 最后，对模拟特征图像中不包含建筑物目标的像元进行赋值。
[0039]进一步地，所述B22中，对模拟特征图像中不包含建筑物目标的像元进行赋值的过 程为:首先得到非建筑物目标掩膜图像Ibacil-Iobj-Isha，对Iba。中任意像元(i，j)，若Ibat；(i， j ) = 1，贝[J Isim( i，j ) = 0 · 5。
[0040]进一步地，所述步骤C具体为:将模拟特征图像和真实SAR图像进行匹配、叠加，使 得两幅图像中的同名点重合;待两幅图像配准后，提取出两幅图像之间的重叠部分，按照不 同的权重进行融合显示，得到建筑物目标视觉显示效果增强后的SAR图像。
[0041 ] 一种基于建筑物三维模型的SAR图像增强系统，包括:建筑物目标三维模型表示模 块，建筑物目标三维模型的表示;模拟特征图像生成模块，基于SAR成像过程和建筑物目标 三维模型生成模拟特征图像;图像配准融合显示模块，将模拟特征图像和真实SAR图像进行 配准并融合显示，得到建筑物目标视觉显示效果增强后的SAR图