一种根据船只的高分辨率SAR 图像识别船只类型的方法技术

本发明专利技术公开了一种根据船只的高分辨率SAR图像识别船只类型的方法，包括以下步骤：S1：对含船只的SAR图像切片进行处理，去除其中的海洋背景，得到船体图像；S2：对所述船体图像进行后向散射特征统计和纵向自相关特征统计，得到船只的后向散射特征和纵向自相关特征；S3：根据船只的后向散射特征和纵向自相关特征确定船只类型。本发明专利技术提供的根据船只的高分辨率SAR图像识别船只类型的方法根据船只的后向散射特征和纵向自相关特征将船只分为货船、集装箱船和油船，为海上船只监测和科研提供了科学的参考依据。

【技术实现步骤摘要】
一种根据船只的高分辨率SAR图像识别船只类型的方法
本专利技术涉及高分辨率SAR图像处理领域，特别涉及一种根据船只的高分辨率SAR图像识别船只类型的方法。
技术介绍
对海洋船只进行监测与识别是每个沿海国家的重要任务，在海洋资源保护、渔船监测与管理、打击走私偷渡等方面均起到了重要作用。传统的海上船只监测手段通常为飞机或者快艇，并且辅以船只监测系统(vesselmonitoringsystem，简称VMS系统)和船只自动识别系统(AutomaticIdentificationSystem，简称AIS系统)。VMS和AIS系统由岸基(基站)设施和船载设备共同组成，是一种基于GPS收发机制的系统，只有安装了VMS的船只才能向岸基接收站发射船只位置、速度、方向、类别、型号和捕鱼状态等信息。但是VMS和AIS具有缺点和不足：(1)一些小型船只可不受VMS和AIS管制；(2)某些情况下，VMS和AIS可能会失效、关闭或者卸载；(3)人为操作失误和软件错误导致包括船只属性错误。因此利用VMS系统和AIS系统进行船只识别具有局限性，而星载SAR具有能够全天候全天时观测、覆盖范围广、平台稳定等突出优势，因此利用星载SAR数据对海洋船只目标进行监测与识别是弥补VMS和AIS缺陷的首选技术手段。目前在美国、加拿大和欧盟，利用星载SAR技术进行船只监测已经形成了多套完整的体系和工作流程，但是作为船只监测的下一步船只识别，主要限于SAR数据分辨率的原因，发展不及船只检测技术成熟。但随着SAR成像技术的快速发展，图像分辨率得以迅速提高，国外先后发射的多颗新一代的星载SAR系统，如意大利的COSMO-SkyMed卫星，德国的TerraSAR-X卫星和加拿大的Radarsat-2卫星，最高分辨率可以达到米级，对陆地及海洋目标的准确识别提供了新的契机，为SAR在船只识别中的应用带来了更为广阔的前景。
技术实现思路
有鉴于此，本专利技术的目的是提供一种根据船只的高分辨率SAR图像识别船只类型的方法，以解决现有技术中采用VMS和AIS系统对船只类型进行识别所存在的一些小型船只可不受VMS和AIS管制，某些情况下VMS和AIS可能会失效、关闭或者卸载，人为操作失误和软件错误导致包括船只属性错误等问题。为了实现上述目的，本专利技术提供了一种根据船只的高分辨率SAR图像识别船只类型的方法，包括以下步骤：S1：对含船只的SAR图像切片进行处理，去除其中的海洋背景，得到船体图像；S2：对所述船体图像进行后向散射特征统计和纵向自相关特征统计，得到船只的后向散射特征和纵向自相关特征；S3：根据船只的后向散射特征和纵向自相关特征确定船只类型。作为优选，所述步骤S1具体包括：S11：输入含船只的SAR图像切片数据；S12：消除由于旁瓣在SAR图像切片中形成的亮线；S13：将执行步骤S12后得到的图像重新量化；S14：计算执行步骤S13后得到的图像中船只的重心和方向，并根据船只的重心和方向旋转执行步骤S13后得到的图像，使船只呈垂直状态；S16：提取执行步骤S14后得到的图像中船只的边界位置，并据此去除图像中的海洋背景，得到船体图像。作为优选，所述步骤S1具体包括：S11：输入含船只的SAR图像切片数据；S12：消除由于旁瓣在SAR图像切片中形成的亮线；S13：将执行步骤S12后得到的图像重新量化；S14：计算执行步骤S13后得到的图像中船只的重心和方向，并根据船只的重心和方向旋转执行步骤S13后得到的图像，使船只呈垂直状态；S15：放大执行步骤S14后得到的图像；S16：提取执行步骤S15后得到的图像中船只的边界位置，并据此去除图像中的海洋背景，得到船体图像。作为进一步地优选，所述步骤S11中，所述SAR图像切片数据表示为以dB为单位的浮点型幅度数据x(i，j)，其中，i对应所述SAR图像切片的垂直方向即方位向，j对应所述SAR图像切片的水平方向即距离向，0≤i≤M-1，0≤j≤N-1，M×N为所述SAR图像切片包含的像素数。作为进一步地优选，M＝N＝128。作为进一步地优选，所述步骤S12进一步包括：S121：消除由于旁瓣在所述SAR图像切片中形成的沿方位向的亮线，具体为：沿距离向设置一维数组其中，每一个元素allrangeA(j)记录距离向j上所有像素的累积值，0≤j≤N-1；设数组allrangeA(j)中的元素的最大值为allrangeA(J)，如果allrangeA(J)＞allrangeA(J-2)+T，且allrangeA(J)≥allrangeA(J+2)+T，则距离向J处存在由于旁瓣形成的亮线，其中阈值T＝4dB；遍历所述SAR图像切片中第J列的所有像元x(i，J)，如果x(i，J)＞0dB，则S122：消除由于旁瓣在所述SAR图像切片中形成的沿距离向的亮线，具体为：沿方位向设置一维数组其中，每一个元素allrangeB(i)记录方位向i上所有像素的累积值，0≤i≤M-1；设数组allrangeB(i)中的元素的最大值为allrangeB(I)，如果allrangeB(I)＞allrangeB(I-2)+T，且allrangeB(I)≥allrangeB(I+2)+T，则方位向I处存在由于旁瓣形成的亮线，其中阈值T＝4dB；遍历所述SAR图像切片中第I行的所有像元x(I，j)，如果x(I，j)＞0dB，则作为进一步地优选，所述步骤S13具体为：设y(i，j)表示执行步骤S12后得到的图像，I(i，j)为重新量化后得到的图像，如果y(i，j)≤-30dB，则I(i，j)＝1；如果-30dB＜y(i，j)≤33dB，则I(i，j)＝BYTE((y(i，j)+31.0)×4.0)；如果y(i，j)＞33dB，则I(i，j)＝256；其中，BYTE为取整运算符，0≤i≤M-1，0≤j≤N-1。作为进一步地优选，所述步骤S14具体为：对于M×N图像I(i，j)，其(i+j)阶矩其中，f(x，y)是图像I(i，j)中坐标(x，y)的灰度值，若f(x，y)＜140，则f(x，y)取为0，0≤i≤M-1，0≤j≤N-1；计算图像I(i，j)中船只的灰度分布重心其中，计算图像I(i，j)中船只的主轴方向θ为：其中，当μ20＞μ02时，A＝1；根据船只的灰度分布重心和主轴方向θ旋转图像I(i，j)，使船只呈垂直状态。作为进一步地优选，所述步骤S16中，所述船只的边界位置包括船只的左、右侧轮廓边界和上、下侧轮廓边界。作为优选，所述步骤S2具体包括：S21：根据所述船体图像计算船只的最大后向散射系数σmax和平均后向散射系数σmean；S22：根据所述船体图像计算船体纵向自相关周期t。作为进一步地优选，所述步骤S21具体为：设所述船体图像为σ(i，j)，其中，0≤i≤FM-1，0≤j≤FN-1，FM×FN为所述船体图像包含的像素数；设σmax为σ(i，j)的最大值，σmax是最大后向散射系数，为σ(i，j)中大于0采样点的集合，σsum为所有σ(i，j)＞0.0采样点的和，Nsum为所有σ(i，j)＞0.0采样点数目，平均后向散射系数为：σmean＝σsum/Nsum。作为进一步地优选，所述步骤S22具体为：设所述船体图像为s(i，j)，其中，0≤i≤FM-1，0≤本文档来自技高网...

【技术保护点】
一种根据船只的高分辨率SAR图像识别船只类型的方法，其特征在于，包括以下步骤：S1：对含船只的SAR图像切片进行处理，去除其中的海洋背景，得到船体图像；S2：对所述船体图像进行后向散射特征统计和纵向自相关特征统计，得到船只的后向散射特征和纵向自相关特征；S3：根据船只的后向散射特征和纵向自相关特征确定船只类型。

【技术特征摘要】
1.一种根据船只的高分辨率SAR图像识别船只类型的方法，其特征在于，包括以下步骤：S1：对含船只的SAR图像切片进行处理，去除其中的海洋背景，得到船体图像；S2：对所述船体图像进行后向散射特征统计和纵向自相关特征统计，得到船只的后向散射特征和纵向自相关特征；S3：根据船只的后向散射特征和纵向自相关特征确定船只类型；其中，所述步骤S1具体包括：S11：输入含船只的SAR图像切片数据；S12：消除由于旁瓣在SAR图像切片中形成的亮线；S13：将执行步骤S12后得到的图像重新量化；S14：计算执行步骤S13后得到的图像中船只的重心和方向，并根据船只的重心和方向旋转执行步骤S13后得到的图像，使船只呈垂直状态；S15：放大执行步骤S14后得到的图像；S16：提取执行步骤S15后得到的图像中船只的边界位置，并据此去除图像中的海洋背景，得到船体图像；所述步骤S2具体包括：S21：根据所述船体图像计算船只的最大后向散射系数σmax和平均后向散射系数σmean；S22：根据所述船体图像计算船体纵向自相关周期t；所述步骤S3具体包括：S31：当所述船体纵向自相关周期t≥3时，如果3≤t≤12，则执行步骤S32，如果t＞12，则船只类型为集装箱船；当t＜3时，如果所述最大后向散射系数σmax＞30，则船只类型为集装箱船，如果σmax≤30，则执行步骤S33；S32：如果所述平均后向散射系数σmean≥7，则船只类型为货船，如果所述平均后向散射系数σmean＜7则，则船只类型为集装箱船；S33：如果所述平均后向散射系数σmean＞7，则船只类型为货船，如果所述平均后向散射系数σmean≤7，则船只类型为油船。2.根据权利要求1所述的根据船只的高分辨率SAR图像识别船只类型的方法，其特征在于，所述步骤S11中，所述SAR图像切片数据表示为以dB为单位的浮点型幅度数据x(i,j)，其中，i对应所述SAR图像切片的垂直方向即方位向，j对应所述SAR图像切片的水平方向即距离向，0≤i≤M-1，0≤j≤N-1，M×N为所述SAR图像切片包含的像素数。3.根据权利要求2所述的根据船只的高分辨率SAR图像识别船只类型的方法，其特征在于，M＝N＝128。4.根据权利要求3所述的根据船只的高分辨率SAR图像识别船只类型的方法，其特征在于，所述步骤S12进一步包括：S121：消除由于旁瓣在所述SAR图像切片中形成的沿方位向的亮线，具体为：沿距离向设置一维数组其中，每一个元素allrangeA(j)记录距离向j上所有像素的累积值，0≤j≤N-1；设数组allrangeA(j)中的元素的最大值为allrangeA(J)，如果allrangeA(J)＞allrangeA(J-2)+T，且allrangeA(J)≥allrangeA(J+2)+T，则距离向J处存在由于旁瓣形成的亮线，其中阈值T＝4dB；遍历所述SAR图像切片中第J列的所有像元x(i,J)，如果x(i,J)>0dB，则S122：消除由于旁瓣在所述SAR图像切片中形成的沿距离向的亮线，具体为：沿方位向设置一维数组其中，每一个元素allrangeB(i)记录方位向i上所有像素的累积值，0≤i≤M-1；设数组allrangeB(i)中的元素...

【专利技术属性】
技术研发人员：王超，张红，吴樊，
申请(专利权)人：中国科学院对地观测与数字地球科学中心，
类型：发明
国别省市：