一种双极化星载SAR图像海上船舶检测分类方法技术

技术编号:15569501 阅读:112 留言:0更新日期:2017-06-10 03:12
本发明专利技术公开了一种双极化星载SAR图像海上船舶检测分类方法,双极化SAR图像数据首先以GeoTIFF文件的形式被读入。同时读取配置参数和掩膜等必要文件。然后执行决策级双极化SAR数据融合检测。检测算法采用简单稳定可靠的双参数CFAR算法,融合算法根据情况自主判断选用逻辑“或”、逻辑“与”,同时进行虚警压制。后根据长宽尺度、散射特征等进行目标类型的判决。总体而言,本发明专利技术的技术方案即从原始图像中采用已知最为高效可靠的检测算法和融合方法进行业务化检测,同时对常见的两种特殊区域进行专门的虚警压制,在进一步提取出目标属性后进行目标类型判决。

A method of ship detection and classification based on dual polarized spaceborne SAR images

The invention discloses a dual polarization spaceborne SAR image marine ship detection and classification method, wherein double polarized SAR image data is firstly read in the form of an GeoTIFF file. The necessary files such as configuration parameters and mask are also read. Then, a decision level dual polarization SAR data fusion is performed. The detection algorithm uses a simple, stable and reliable two parameter CFAR algorithm. The fusion algorithm uses the logic \or\, \logic\ and \false\ to suppress the false alarms at the same time. The target type is judged according to the length, width, scale and scattering characteristics. Overall, the technical scheme of the invention is known by most detection algorithms and methods of efficient and reliable business fusion detection from the original image, while the two special regions of common false special repression, object type decision further to extract the target attribute.

【技术实现步骤摘要】

本专利技术涉及海洋遥感领域,尤其涉及一种双极化星载SAR图像海上船舶检测分类方法
技术介绍
合成孔径雷达(SAR)是一种强有力的遥感工具,具有全天时、全天候工作的特点,在资源探测、海洋研究等众多领域有广泛的应用。传统的单极化SAR采用固定极化方式来发射和接收电磁波,只能测量回波散射矢量的某一分量,而电磁波的传播和散射显然应用矢量进行描述,故而在传统技术下,包含在散射波极化特性中的信息会丢失,因此单极化SAR对目标信息获取能力在理论上即受到一定限制。而可以工作在不同的收发极化组合下极化合成孔径雷达,自然具有比单极化SAR信息含量高的特点。其可以用测量的极化散射矩阵完全表征特定姿态和观测频率下目标的极化散射特性,在近十年内已经成为国内外合成孔径雷达发展的热门方向。由于电磁波极化组合对目标的介电常数、物理特性、几何形状等均比较敏感,因而极化SAR将可以极大提高成像雷达对目标各种信息的获取能力。双极化SAR检测和分类方法种类众多,性能各异,各有所长。到目前为止,此类双极化SAR目标检测方法或软件多为小规模研究使用,市面上少有可以业务化运行的双极化SAR检测和全极化检测程序。已有的与本专利技术最接近的实现方案,即各类双极化SAR目标检测系统软件,以张世吉等人(张世吉.极化SAR目标检测算法研究及软件设计[D].西安电子科技大学,2014.)的成果为例,其检测方法包含三大模块:(1)双极化SAR数据的读取以及图像显示;(2)极化分解;(3)检测。该方法并没有自动分类的内容。其中模块一又分为读取.txt格式和.mat格式两种数据读取方法以及清空原始数据,模块二又分为非相干分解和相干分解两种分解方法,模块三又分为极化白化滤波器、基于极化叉的几何扰动检测器和特征域内基于PCA的检测器三种检测方法。基本功能框图如图1所示。现有技术存在以下缺点:①无法业务化运行。现有的相近类型程序主要为科研、教学使用,相对运行效率和输入输出标准化,一般会由于注重验证某种科学理论而采用理论精度远大于实际要求的复杂算法,部分甚至采用不止一种算法多次计算,几乎一定会导致效率的相对低下。同时在输入输出方面,由于现有程序多为某种特定科研目的服务,待处理数据为某种代表性数据,且一般不再有太多的后续使用,故而输入形式相对固定,输出形式相对自由,也即标准化程度较低。②低风速区的虚警率高。部分双极化SAR图像同幅图像内不同部分散射强度差异很大。在某些低风速区,一个较大的区域内均表现为低散射值,然而这些低值间仍有一定的差异存在,因而在采用基于统计的方法,如双参数CFAR方法进行检测时,整个飘窗内虽均为这样的低值,但仍有一定量的相对强的散射块被检出,造成不可忽略的虚警。现有的相近类型程序由于多用于科研教学,测试数据大多具有较强的代表性但范围较小,很少遇到此类现象,因而一般不设置有抑制此类虚警的方案。③存在浒苔等强背景干扰时虚警率高。在近海地区,尤其我国东海沿岸,由于全球气候变化、水体富营养化等原因,造成海洋大型海藻,如浒苔等暴发。大量浒苔漂浮聚集到岸边,阻塞航道,且会在双极化SAR图像上会表现出很强的反射信号。这种信号强度与船舶信号接近,故而在处理时可能造成大量虚警。现有的相近类型程序由于多用于科研教学,测试数据大多具有较强的代表性但范围较小,很少遇到此类区域,因而一般不具有抑制此类虚警的方案。④未进行船舶目标类型自动区分。利用双极化SAR图像进行检测不仅可以检测出目标船只,而且还可以进一步提取船只的特征例如长度、宽度以及航速、航向等信息。现有的相近类型程序或方法由于多用于科研教学,目标相对明确,一般不集成有相应目标类型判决模块。
技术实现思路
本专利技术的目的在于针对现有技术的不足,提供一种双极化星载SAR图像海上船舶检测分类方法。本专利技术的目的是通过以下技术方案实现的:一种双极化星载SAR图像海上船舶检测分类方法,其特征在于,包括以下步骤(1)以GeoTIFF文件的形式读入双极化SAR图像(含两幅图像);(2)输入检测参数,所述检测参数包括:检测像元最小值O、检测船舶的长度范围[l1,l2]、对比度μ、全局阈值倍率e;读取与双极化SAR图像的分辨率对应的图像灰度标准差倍数t值;(3)对步骤1读入的两幅图像进行预处理,去除双极化SAR图像中的黑边和灰度零值点,然后对图像进行陆地掩膜处理,统计海域平均灰度g。(4)对步骤3处理后的两幅图像分别进行像素遍历,筛选出满足xt>μb+σbt且xt>e·g的像素点,其中,xt为测试像素值,μb为背景像素均值,σb为背景像素标准差。筛选出的像素点分别组成二值图像;(5)采用逻辑“或”对步骤4得到的两幅二值图像进行融合,得到融合二值图像;(6)采用区域生长法提取融合二值图像中的连通区域,作为候选目标点区域;(7)对每个目标点区域进行梯度检测,具体如下:(7.1)对于任一个目标点区域,建立覆盖该目标点区域的矩形区域,每一边到目标点区域的最小距离为(300米/分辨率)个像素。(7.2)统计矩形区域内,目标点区域中像元灰度平均值Mtarget和目标点区域以外的像元灰度平均值Mbackground,若满足关系:Mtarget>μ·Mbackground;则认为该目标通过梯度检测,否则将该目标降格为背景。(7.3)对每个目标点区域按照7.1-7.2进行梯度检测,将未通过梯度检测的目标点区域降格为背景,通过梯度检测的目标点区域。(8)采用最小外接矩形法,提取每一个通过梯度检测的目标点区域的长、宽;剔除目标点区域像元小于检测像元最小值O的区域、以及不满足检测船舶的长度范围[l1,l2]的区域;(9)将目标点区域沿其长轴均分成三部分,分别统计三部分的灰度平均值,进行中心最强峰值判决,若中间部分的灰度平均值最大,则标记为1,否则,标记为0;(10)对目标点区域进行分类,具体如下:针对20-120米分辨率的图像,根据步骤8提取的长度特征,对目标点区域进行分类,长度大于200米的区域标记为大型船舶,100-200米的区域标记为中型船舶,0-100米的区域标记为小型船舶;针对1-20米分辨率的图像,根据步骤8提取的长宽特征,对目标点区域进行分类:长度大于200米的区域:若长度为323~357m,长宽比为4.085~4.515,标记为航空母舰;否则根据中心最强峰值判决结果,判决结果为0时,则标记为散油滚;判决结果为1时,标记为集装箱;长度在100-200米内的区域:长宽之比大于7.0,则判为军事用船;否则根据中心最强峰值判决结果,判决结果为0时,则标记为散货轮或油轮;判决结果为1时,标记为集装箱;长度小于100米的区域:若长度小于50米,标记为渔船;否则根据中心最强峰值判决结果,判决结果为0时,则标记为货船;判决结果为1时,标记为公务船。本专利技术的有益效果在于:本①本程序专利技术瞄准业务化运行,利用自主SAR卫星的双极化数据,进行业务化目标检测。与现有方法或程序相比,较更注重运行效率和输入输出标准化。针对广泛使用的GeoTIFF文件,可选用像素级或决策级双极化SAR数据融合检测。检测算法采用简单稳定可靠的双参数CFAR算法,融合算法根据情况自主判断选用逻辑“或”、逻辑“与”、PWF,检测效率相对较高。同时输出部分与数据使用单位直接挂钩,输出必要的标准化本文档来自技高网
...
一种双极化星载SAR图像海上船舶检测分类方法

【技术保护点】
一种双极化星载SAR图像海上船舶检测分类方法,其特征在于,包括以下步骤(1)以GeoTIFF文件的形式读入双极化SAR图像(含两幅图像);(2)输入检测参数,所述检测参数包括:检测像元最小值O、检测船舶的长度范围[l1,l2]、对比度μ、全局阈值倍率e;读取与双极化SAR图像的分辨率对应的图像灰度标准差倍数t值;(3)对步骤1读入的两幅图像进行预处理,去除双极化SAR图像中的黑边和灰度零值点,然后对图像进行陆地掩膜处理,统计海域平均灰度g。(4)对步骤3处理后的两幅图像分别进行像素遍历,筛选出满足xt>μb+σbt且xt>e·g的像素点,其中,xt为测试像素值,μb为背景像素均值,σb为背景像素标准差。筛选出的像素点分别组成二值图像;(5)采用逻辑“或”对步骤4得到的两幅二值图像进行融合,得到融合二值图像;(6)采用区域生长法提取融合二值图像中的连通区域,作为候选目标点区域;(7)对每个目标点区域进行梯度检测,具体如下:(7.1)对于任一个目标点区域,建立覆盖该目标点区域的矩形区域,每一边到目标点区域的最小距离为(300米/分辨率)个像素。(7.2)统计矩形区域内,目标点区域中像元灰度平均值Mtarget和目标点区域以外的像元灰度平均值Mbackground,若满足关系:Mtarget>μ·Mbackground;则认为该目标通过梯度检测,否则将该目标降格为背景。(7.3)对每个目标点区域按照7.1‑7.2进行梯度检测,将未通过梯度检测的目标点区域降格为背景,通过梯度检测的目标点区域。(8)采用最小外接矩形法,提取每一个通过梯度检测的目标点区域的长、宽;剔除目标点区域像元小于检测像元最小值O的区域、以及不满足检测船舶的长度范围[l1,l2]的区域;(9)将目标点区域沿其长轴均分成三部分,分别统计三部分的灰度平均值,进行中心最强峰值判决,若中间部分的灰度平均值最大,则标记为1,否则,标记为0;(10)对目标点区域进行分类,具体如下:针对20‑120米分辨率的图像,根据步骤8提取的长度特征,对目标点区域进行分类,长度大于200米的区域标记为大型船舶,100‑200米的区域标记为中型船舶,0‑100米的区域标记为小型船舶;针对1‑20米分辨率的图像,根据步骤8提取的长宽特征,对目标点区域进行分类:长度大于200米的区域:若长度为323~357m,长宽比为4.085~4.515,标记为航空母舰;否则根据中心最强峰值判决结果,判决结果为0时,则标记为散油滚;判决结果为1时,标记为集装箱;长度在100‑200米内的区域:长宽之比大于7.0,则判为军事用船;否则根据中心最强峰值判决结果,判决结果为0时,则标记为散货轮或油轮;判决结果为1时,标记为集装箱;长度小于100米的区域:若长度小于50米,标记为渔船;否则根据中心最强峰值判决结果,判决结果为0时,则标记为货船;判决结果为1时,标记为公务船。...

【技术特征摘要】
1.一种双极化星载SAR图像海上船舶检测分类方法,其特征在于,包括以下步骤(1)以GeoTIFF文件的形式读入双极化SAR图像(含两幅图像);(2)输入检测参数,所述检测参数包括:检测像元最小值O、检测船舶的长度范围[l1,l2]、对比度μ、全局阈值倍率e;读取与双极化SAR图像的分辨率对应的图像灰度标准差倍数t值;(3)对步骤1读入的两幅图像进行预处理,去除双极化SAR图像中的黑边和灰度零值点,然后对图像进行陆地掩膜处理,统计海域平均灰度g。(4)对步骤3处理后的两幅图像分别进行像素遍历,筛选出满足xt>μb+σbt且xt>e·g的像素点,其中,xt为测试像素值,μb为背景像素均值,σb为背景像素标准差。筛选出的像素点分别组成二值图像;(5)采用逻辑“或”对步骤4得到的两幅二值图像进行融合,得到融合二值图像;(6)采用区域生长法提取融合二值图像中的连通区域,作为候选目标点区域;(7)对每个目标点区域进行梯度检测,具体如下:(7.1)对于任一个目标点区域,建立覆盖该目标点区域的矩形区域,每一边到目标点区域的最小距离为(300米/分辨率)个像素。(7.2)统计矩形区域内,目标点区域中像元灰度平均值Mtarget和目标点区域以外的像元灰度平均值Mbackground,若满足关系:Mtarget>μ·Mbackground;则认为该目标通过梯度检测,否则将该目标降格为背景。(7.3)对每个目标点区域...

【专利技术属性】
技术研发人员:陈鹏楼映中
申请(专利权)人:国家海洋局第二海洋研究所
类型:发明
国别省市:浙江;33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1