專利名稱：基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方法
技術領域：
本發(fā)明涉及遙感領域，具體涉及極化合成孔徑雷達圖像目標檢測和圖像解譯的技 術領域。
背景技術：
極化合成孔徑雷達可以利用不同極化通道的合成孔徑雷達復圖像區(qū)分物體的細 致結構、目標指向、幾何形狀以及物質(zhì)組成等參數(shù)，在遙感領域具有廣闊的應用前景。人造目標分類和檢測識別在軍事和民用上都具有重要意義。民用上如尋找和營救 失事飛機，對一些人類難以到達或自然條件惡劣的地區(qū)針對特定目標進行檢測，監(jiān)測評估 城鎮(zhèn)的發(fā)展等。在軍事應用上，人造目標的檢測識別主要用于國防預警方面，對對方的軍事 偵察以及對已方的監(jiān)控等。極化合成孔徑雷達不但具有全天時全天候特性和一定的穿透能力，同時極化合成 孔徑雷達獲取的目標精細特征和幾何特征是人造目標分類和檢測的主要特征，因此極化合 成孔徑雷達數(shù)據(jù)在區(qū)分人造物體和自然物體方面具有其它遙感手段無法替代的作用。隨著極化合成孔徑雷達系統(tǒng)的推廣，所獲得的全極化數(shù)據(jù)也越來越豐富。如何對 圖像做出快速而準確的解譯，如何有效地對目標進行分類或識別，已成為迫切需要解決的 一個難題。如何對已有的極化合成孔徑雷達圖像中的目標特性進行研究，如何從圖像數(shù)據(jù) 中提取出符合應用要求的目標特征，進而實現(xiàn)目標的分類與檢測識別，已經(jīng)成為能否對圖 像正確解譯的關鍵步驟。因此，利用極化信息提取技術對合成孔徑雷達圖像中的典型目標進行特征提取和 檢測是極化合成孔徑雷達圖像解譯和應用的重點。但現(xiàn)有的極化合成孔徑雷達人造目標的 極化特性比較復雜，所以單一的檢測方法不能獲得好的結果，需要新的技術手段來彌補此 缺陷。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有單一檢測方法不能夠獲得全面檢測結果的缺陷，而提出的基 于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方法。步驟一通過極化合成孔徑雷達采集圖像獲得待處理的圖像數(shù)據(jù)，根據(jù)數(shù)據(jù)格式 讀入全極化合成孔徑雷達圖像的數(shù)據(jù)；步驟二 圖像預處理對全極化合成孔徑雷達圖像進行預處理；步驟三計算全極化合成孔徑雷達圖像的不同特征參數(shù)，并進行目標檢測，得到粗 粒度空間步驟三A 基于多成散射模型的目標檢測基于多成散射模型對全極化合成孔徑 雷達圖像進行極化目標分解，得到奇次散射、偶次散射、體散射、線散射和螺旋散射五種散 射成分的散射能量圖；根據(jù)檢測目的選取上述五種散射成分的散射能量圖中的一種或幾種，利用閾值分割進行目標檢測，得到的檢測結果作為粗粒度空間([X1L [fj，[T1])；步驟三B 基于相似性參數(shù)的目標檢測基于極化相似性參數(shù)計算得到雷達目標 與典型目標之間的相似性參數(shù)，根據(jù)檢測目的選取雷達目標與典型目標之間的相似性參數(shù) 圖，然后利用閾值分割，得到的檢測結果作為粗粒度空間([X2], [f2]，[T2])；步驟三C 基于極化白化濾波的目標檢測對全極化合成孔徑雷達圖像進行極化 白化濾波，然后利用閾值分割，得到的檢測結果作為粗粒度空間(du，[f3]，[τ3])；步驟四利用商空間理論對步驟三獲得的三個粗粒度空間進行合成，得到最終的 細粒度空間步驟四1 分別對步驟三獲得的三個粗粒度空間進行比較，將三個粗粒度空間中 屬性相同的論域，根據(jù)論域合成準則進行論域合成，得到合成論域[X' 4]及其合成屬性 [f' 4]，從而獲得細粒度空間([X' 4]，[f' 4]，[τ' 4])，將三個粗粒度空間中的屬性不同 的論域設定為待定區(qū)域Ck;步驟四2 依據(jù)合成屬性[f ‘ 4]計算合成論域[X' 4]中目標中心和背景中心， 再根據(jù)屬性合成準則，對待定區(qū)域Ck的屬性進行重新劃分，從而獲得細粒度空間([X" 4]， [f" 4]，[T" J)；步驟五將步驟四獲得的兩個細粒度空間([X' 4]，[f' 4]，[T' 4])和([Χ〃 4]， [f" 4]，[T" 4])合成，得到最終的細粒度空間([X4]，[f4]，[T4])，即為綜合優(yōu)化后的檢測結果。本發(fā)明為了獲得好的檢測結果，所以有必要采用一個能夠?qū)⒍喾N特征和檢測方法 聯(lián)合和優(yōu)化的方法，以期望可以獲得更好的檢測結果。粒度計算的主要思想就是將問題放 到不同的粒度空間去研究，然后將各個粒度空間的結果進行綜合分析，進而得到最優(yōu)解。針 對建筑物散射的復雜性，考慮到各種方法的優(yōu)勢和不足，基于商空間粒度計算的目標檢測 算法就是將目標檢測過程放到不同粒度空間進行，再利用商空間粒度合成將各種檢測結果 進行綜合優(yōu)化和加權融合，以得到更好的檢測效果。本方法是基于粒度計算的思想，從不同角度對目標進行檢測，將基于多成分散射 模型的目標分解結果、極化相似性參數(shù)和極化白化濾波結果作為粗粒度空間分別進行目標 檢測，再利用商空間粒度合成將三個檢測結果進行加權融合得到細粒度空間，獲得最優(yōu)的 檢測結果。該方法可綜合三種方法的優(yōu)點，充分考慮目標的散射特性、與典型目標的相似性 以及圖像的對比度，克服了現(xiàn)有極化特征和極化檢測算法在具有復雜散射特性的建筑物目 標檢測中的單一性和局限性。


圖1是全極化合成孔徑雷達圖像hh通道的幅度圖像；圖2是單獨基于多成分散射 模型的檢測結果圖像；圖3是單獨基于極化相似性參數(shù)的檢測結果圖像；圖4是單獨基于 極化白化濾波的檢測結果圖像；圖5是錯誤！未找到引用源。屬性合成示意圖；圖6是本發(fā) 明的檢測結果圖像。
具體實施例方式具體實施方式
一結合圖1和圖6說明本實施方式，本實施方式的步驟如下
步驟一通過極化合成孔徑雷達采集圖像獲得待處理的圖像數(shù)據(jù)，根據(jù)數(shù)據(jù)格式 讀入全極化合成孔徑雷達圖像的數(shù)據(jù)；步驟二 圖像預處理對全極化合成孔徑雷達圖像進行預處理；步驟三計算全極化合成孔徑雷達圖像的不同特征參數(shù)，并進行目標檢測，得到粗 粒度空間步驟三A 基于多成散射模型的目標檢測基于多成散射模型對全極化合成孔徑 雷達圖像進行極化目標分解，得到奇次散射、偶次散射、體散射、線散射和螺旋散射五種散 射成分的散射能量圖；根據(jù)檢測目的選取上述五種散射成分的散射能量圖中的一種或幾 種，利用閾值分割進行目標檢測，得到的檢測結果作為粗粒度空間([X1L [fj，[T1])；步驟三B 基于相似性參數(shù)的目標檢測基于極化相似性參數(shù)計算得到雷達目標 與典型目標之間的相似性參數(shù)，根據(jù)檢測目的選取雷達目標與典型目標之間的相似性參數(shù) 圖，然后利用閾值分割，得到的檢測結果作為粗粒度空間([X2], [f2]，[T2])；步驟三C 基于極化白化濾波的目標檢測對全極化合成孔徑雷達圖像進行極化 白化濾波，然后利用閾值分割，得到的檢測結果作為粗粒度空間(DU，[f3]，[T3])；步驟四利用商空間理論對步驟三獲得的三個粗粒度空間進行合成，得到最終的 細粒度空間步驟四1 分別對步驟三獲得的三個粗粒度空間進行比較，將三個粗粒度空間中 屬性相同的論域，根據(jù)論域合成準則進行論域合成，得到合成論域[X' 4]及其合成屬性 [f' 4]，從而獲得細粒度空間([X' 4]，[f' 4]，[τ' 4])，將三個粗粒度空間中的屬性不同 的論域設定為待定區(qū)域Ck;步驟四2 依據(jù)合成屬性[f ‘ 4]計算合成論域[X' 4]中目標中心和背景中心， 再根據(jù)屬性合成準則，對待定區(qū)域Ck的屬性進行重新劃分，從而獲得細粒度空間([X" 4]， [f" 4]，[T" J)；步驟五將步驟四獲得的兩個細粒度空間([X' 4]，[f' 4]，[T' 4])和([Χ〃 4]， [f" 4]，[T" 4])合成，得到最終的細粒度空間([X4]，[f4]，[T4])，即為綜合優(yōu)化后的檢測結果。
具體實施方式
二 結合圖2說明本實施方式，本實施方式與具體實施方式
一不同 點在于地物散射細分為奇次散射、偶次散射、體散射、螺旋散射和線散射五種基本散射類 型，并利用這五種基本散射類型構建多成散射模型，所述的多成散射模型將協(xié)方差矩陣分 解為這五種基本散射類型的加權和，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 分別表示各個成分的散射能量，[C。dd]、[Cdouble-I 和 [CvoIume]與Freeman分解中給出的相應協(xié)方差矩陣一致，[Chelix]和[Cwire]是根據(jù)建筑物在極化圖像中 非對稱性而加入的；極化合成孔徑雷達的散射協(xié)方差矩陣[C]定義為
權利要求
1.基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方法，其特征在于它步驟如下步驟一通過極化合成孔徑雷達采集圖像獲得待處理的圖像數(shù)據(jù)，根據(jù)數(shù)據(jù)格式讀入 全極化合成孔徑雷達圖像的數(shù)據(jù)；步驟二 圖像預處理對全極化合成孔徑雷達圖像進行預處理；步驟三計算全極化合成孔徑雷達圖像的不同特征參數(shù)，并進行目標檢測，得到粗粒度 空間步驟三A 基于多成散射模型的目標檢測基于多成散射模型對全極化合成孔徑雷達 圖像進行極化目標分解，得到奇次散射、偶次散射、體散射、線散射和螺旋散射五種散射成 分的散射能量圖；根據(jù)檢測目的選取上述五種散射成分的散射能量圖中的一種或幾種，利 用閾值分割進行目標檢測，得到的檢測結果作為粗粒度空間([X1], [fj, [T1])；步驟三B 基于相似性參數(shù)的目標檢測基于極化相似性參數(shù)計算得到雷達目標與典 型目標之間的相似性參數(shù)，根據(jù)檢測目的選取雷達目標與典型目標之間的相似性參數(shù)圖， 然后利用閾值分割，得到的檢測結果作為粗粒度空間([X2]，[f2]，[T2])；步驟三C 基于極化白化濾波的目標檢測對全極化合成孔徑雷達圖像進行極化白化 濾波，然后利用閾值分割，得到的檢測結果作為粗粒度空間([X3]，[f3]，[T3])；步驟四利用商空間理論對步驟三獲得的三個粗粒度空間進行合成，得到最終的細粒 度空間步驟四1 分別對步驟三獲得的三個粗粒度空間進行比較，將三個粗粒度空間中屬性 相同的論域，根據(jù)論域合成準則進行論域合成，得到合成論域[X' 4]及其合成屬性[f' 4]， 從而獲得細粒度空間([X' 4]，[f' 4]，[T' 4])，將三個粗粒度空間中的屬性不同的論域設 定為待定區(qū)域Ck;步驟四2 依據(jù)合成屬性[f ‘ 4]計算合成論域[X' 4]中目標中心和背景中心，再根據(jù) 屬性合成準則，對待定區(qū)域Ck的屬性進行重新劃分，從而獲得細粒度空間([X" 4]，[f" 4]， [T〃 J)；步驟五將步驟四獲得的兩個細粒度空間([X' J, [f' 4]，[T' 4])和([x〃 4]， [f" 4]，[T" 4])合成，得到最終的細粒度空間([x4]，[f4]，[T4])，即為綜合優(yōu)化后的檢測結果。
2.根據(jù)權利要求1所述的基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方 法，其特征在于步驟三A根據(jù)目標的散射特性，利用多成分散射模型，將全極化合成孔徑雷 達圖像分為五種散射成分的散射能量圖；具體極化目標分解的過程為多成散射模型將協(xié)方差矩陣[C]分解為奇次散射、偶次散射、體散射、螺旋散射和線散 射這五種基本散射類型的加權和，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 分別表示各個成分的散射言旨量，[CoddI > [CdoublJ禾口 [Cvolume]與Freeman分解中給出的相應協(xié)方差矩陣一致，[CheliJ和[Cwire]是根據(jù)建筑物在 極化圖像中非對稱性而加入的；極化合成孔徑雷達的散射協(xié)方差矩陣[C ]定義為
3.根據(jù)權利要求1所述的基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方 法，其特征在于步驟三B所述的計算雷達目標與典型目標之間的相似性參數(shù)，從而根據(jù)目 標和典型目標之間的相似性參數(shù)對目標進行檢測；其中典型目標的目標類型分為平面散射 類型、二面角散射類型、螺旋散射類型和線散射類型；雷達目標與典型目標之間的相似性參 數(shù)計算過程如下設雷達目標與典型目標兩個目標的Stokes矩陣分別為[K1]和[K2]，則雷達目標與典 型目標基于Stokes矩陣的相似性參數(shù)定義為
4.根據(jù)權利要求1所述的基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方 法，其特征在于步驟三C利用極化白化濾波對全極化合成孔徑雷達圖像進行處理，極化白 化濾波后圖像強度的表達式變?yōu)?br> 5.根據(jù)權利要求1所述的基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方 法，其特征在于步驟四中粗粒度空間的論域合成和屬性合成的方法，下面是對第一個粗粒 度空間([X1L [fj，[T1])和第二個粗粒度空間([X2L [f2]，[T2])的論域合成和屬性合成， 對于第三個粗粒度空間([x3]，[f3]，[T3])的論域合成和屬性合成的方法與第一個粗粒度空 間([XJ^f1], [T1])和第二個粗粒度空間([x2]，[f2]，[T2])的論域合成和屬性合成的方法 相同，首先，論域合成[XJ和[X2]對應的等價關系分別為R1和R2, [X1]和[X2]的合成論域[X' 3]對應的等 價關系為R' 3，R' 3是R1和R2的合成，那么R' 3是R1和R2的最小上界；若用劃分來表示合成，設劃分[X1] = {aj，[X2] = IbiK則[X1]與[X2]的合成[X' 3] 表示為[X3] = Iai η bj ι Bi e [X1], bj e [X2]} 公式二十四 其次，屬性合成對于第一個粗粒度空間([X1], [fJ，[T1])和第二個粗粒度空間([X2]，[f2]，[T2])以及其合成空間([X' 3]，[f' 3]，[τ' 3])，屬性函數(shù)f應滿足下面條件(1)PiEf'3] = [fi](i = l，2)，其中 pi:[X' 3] — [XiKi = 1，2)是自然投影；(2)設D(f，[fj,[f2])是某一給定的最優(yōu)判別準則，則有
6.根據(jù)權利要求1所述的基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方 法，其特征在于步驟四2中對待定區(qū)域Ck的屬性進行重新劃分的過程是分別計算待定區(qū) 域Ck中的像素在特征空間中的位置(ci，c2，c3)到合成論域[X' 4]中目標中心(t1;t2，t3) 和背景中心(bi; b2，b3)的距離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
基于商空間粒度計算的極化合成孔徑雷達圖像目標檢測方法，它涉及遙感領域，它解決了現(xiàn)有單一檢測方法不能夠獲得全面檢測結果的缺陷。步驟為對全極化合成孔徑雷達圖像進行預處理；分別采用多成分散射模型、極化相似性參數(shù)和極化白化濾波對極化合成孔徑雷達圖像進行處理并進行目標檢測得到三個粗粒度空間；然后利用商空間理論對三個粗粒度空間進行合成，包括論域的合成和屬性的合成；然后利用合成論域的屬性對待定元素進行重新判定再劃分，得到的結果與合成論域合并，得到檢測結果的細粒度空間，即為綜合優(yōu)化的檢測結果。本方法克服了現(xiàn)有極化特征和極化檢測算法在具有復雜散射特性的建筑物目標檢測中的單一性和局限性。
文檔編號G01S13/90GK102053248SQ20101054190
公開日2011年5月11日 申請日期2010年11月12日 優(yōu)先權日2010年11月12日
發(fā)明者張臘梅, 張鈞萍, 賈青超, 鄒斌 申請人:哈爾濱工業(yè)大學