CN106340028A - 基于相似性检验的极化sar图像边缘检测方法 - Google Patents

Abstract

本发明属于极化SAR成像遥感技术领域，涉及一种基于相似性检验的极化SAR图像边缘检测方法。所述方法包括以下步骤：第一步，对极化相干矩阵进行相似性检验；第二步，相似性像素检测；第三步，计算相似性像素的数目；第四步，候选边缘像素检测处理；第五步，对候选边缘像素检测结果进行形态学滤波处理。本发明实现简单，实施方便，具有鲁棒高效性，可直接用于对各种极化SAR系统获得的极化SAR图像进行处理。本发明对于极化SAR建筑物边缘提取、道路检测、海岸线提取、农作物边缘提取等应用领域有着重要的参考价值。

Description

基于相似性检验的极化SAR图像边缘检测方法

技术领域

本发明属于极化SAR(Synthetic Aperture Radar，合成孔径雷达)成像遥感技术领域，涉及一种基于相似性检验的极化SAR图像边缘检测方法。

背景技术

极化SAR作为一种微波传感器能够全天时全天候工作，已经成为对地观测领域的重要传感器。同时，通过收发一组极化状态正交的电磁波，极化SAR能够获得地物的全极化信息，为理解和利用地物的散射特性提供了重要支撑。

极化SAR图像中的边缘特征是视觉感知、图像理解和目标分类识别的重要依据。边缘指示了极化SAR图像中相邻两个区域散射特性的突变。边缘检测是极化SAR图像自动解译的基础，广泛应用于目标检测与识别、特征匹配、纹理分析等领域。极化SAR图像边缘检测主要有两种技术途径。一种是直接将单极化SAR图像边缘检测方法应用到极化SAR的各个极化通道，然后通过一定的融合准则得到最终的边缘检测结果。这种方法没有充分利用全极化信息，边缘检测性能有限。同时，不同的融合准则也会导致边缘检测结果的不一致。另一种则是充分利用全极化信息，构建全极化检测器提取极化SAR图像中的边缘特征。其中，比较有代表性的方法是通过相似性检验考察目标极化矩阵的相似性，提取相似度参数并结合不同形状的滤波窗构建CFAR边缘检测器(Schou,J.,Skriver,H.,Nielsen,A.A.,Conradsen,K.,“CFAR edge detector for polarimetric SAR images.”IEEE Transactions onGeoscience and Remote Sensing,41(1):20-32,2003.)。该方法需要首先定义一系列的滤波窗并预先确定滤波窗的形状参数(如长度、宽度、取向、保护宽度等)，通过遍历所有滤波窗，进而确定候选边缘像素。该处理方法难以满足极化SAR图像边缘检测的鲁棒性和高效性。因此，发展一种利用全极化信息的鲁棒高效的极化SAR图像边缘检测方法具有重要意义。

发明内容

本发明要解决的技术问题是，提供一种基于极化矩阵相似性检验的极化SAR图像边缘检测方法。本发明实现简单，实施方便，具有鲁棒高效性，可直接用于对各种极化SAR系统获得的极化SAR图像进行处理。

本发明的基本思路是：极化SAR图像中的边缘指示了相邻两个区域散射特性的突变。对边缘像素而言，在其邻域内与之散射特性相似的像素数目较少。然而，对于非边缘像素，其邻域内与之散射特性相似的像素数目较多。本发明基于极化矩阵相似性检验，利用边缘像素和非边缘像素邻域内相似性像素数目的差异特性，实现极化SAR图像的边缘检测。

本发明的技术方案是：一种基于相似性检验的极化SAR图像边缘检测方法，具体包括下述步骤：

本发明基于已完成相干斑滤波处理的极化SAR图像，对极化矩阵进行相似性检验处理。本发明适用于极化相干矩阵T和极化协方差矩阵C。其中，满足互易条件S_HV＝S_VH时，极化相干矩阵T和极化协方差矩阵C分别为：

$T=\frac{1}{2}\left[\begin{array}{ccc}<|S_{HH}+S_{VV}{|}^2>& <(S_{HH}+S_{VV}){(S_{HH}-S_{VV})}^{*}>& <2(S_{HH}+S_{VV})S_{HV}^{*}>\\ <{(S_{HH}+S_{VV})}^{*}(S_{HH}-S_{VV})>& <|S_{HH}-S_{VV}{|}^2>& <2(S_{HH}-S_{VV})S_{HV}^{*}>\\ <2{(S_{HH}+S_{VV})}^{*}{S}_{HV}>& <2{(S_{HH}-S_{VV})}^{*}{S}_{HV}>& <4|S_{HV}{|}^2>\end{array}\right]$

$C=\left[\begin{array}{ccc}<|S_{HH}{|}^2>& \sqrt{2}<S_{HH}{S}_{HV}^{*}>& <S_{HH}{S}_{VV}^{*}>\\ \sqrt{2}<S_{HH}^{*}{S}_{HV}>& 2<|S_{HV}{|}^2>& \sqrt{2}<S_{HH}{S}_{VV}^{*}>\\ <S_{HH}^{*}{S}_{VV}>& \sqrt{2}<S_{HV}^{*}{S}_{VV}>& <|S_{VV}{|}^2>\end{array}\right]$

其中，S_HH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系数；S_VH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数；S_HV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数；S_VV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数。上标*为共轭处理。<·>为集合平均处理，|·|为取绝对值处理。

下面以极化相干矩阵T为例进行技术方案介绍(对极化协方差矩阵C进行处理时，只需将极化相干矩阵T替换为极化协方差矩阵C即可)。极化SAR图像中的每一个像素对应一个极化相干矩阵，记为T_i,i＝1,2,…,W，W表示极化SAR图像的像素总数目。在每一个像素的邻域N×M(N和M的取值与极化SAR图像的分辨率和多视视数有关，一般取N＝M＝3、N＝M＝5或N＝M＝7)内，对每一个极化相干矩阵T_i，进行下面第一步至第四步的处理：

第一步，对极化相干矩阵进行相似性检验；

对极化相干矩阵T_i和其邻域N×M内的每一个极化相干矩阵T_nm，n＝1,2,…,N，m＝1,2,…,M，计算T_i和T_nm的相似度参数lnQ_inm：

lnQ_inm＝(6ln2+ln|T_i|+ln|T_nm|-2ln|T_i+T_nm|)

当T_i＝T_nm时，lnQ_inm＝0；当T_i≠T_nm时，lnQ_inm<0。

第二步，相似性像素检测；

通过对相似度参数lnQ_inm进行门限检测处理，判断T_i与T_nm对应的像素是否相似，即：

当时，则T_nm与T_i对应的像素相似

当时，则T_nm与T_i对应的像素不相似

其中，D为调节参数，与极化SAR图像分辨率和地物特性有关，一般取D＝10，L为极化SAR图像的多视视数的估计值，通过选取极化SAR图像中的匀质区域，计算区域内像素各极化通道的幅度的均值与方差的比值，该比值即为多视视数的估计值L。

第三步，计算相似性像素的数目；

对每一个T_i，计算其N×M邻域内与T_i相似的像素的数目，记为SPN_i。

第四步，候选边缘像素检测处理；

对每一个T_i，对相似性像素数目SPN_i进行门限检测处理，判断T_i对应的像素是否为边缘像素，即：

当SPN_i≥k·N·M时，则T_i对应的像素为非边缘像素，记为0；

当SPN_i<k·N·M时，则T_i对应的像素为边缘像素，记为1；

其中，k为门限系数，与极化SAR图像分辨率和邻域窗N×M有关，一般取k>0.6。

对极化SAR图像中的每一个像素进行第一步至第四步的处理，可以得到整幅图像候选边缘像素的检测结果，记为Edge₀。Edge₀中取值为1的像素对应候选边缘像素，取值为0的像素对应非边缘像素。

第五步，对候选边缘像素检测结果进行形态学滤波处理。

在候选边缘像素检测结果Edge₀中，会存在一些孤立的和与边缘邻接的虚警边缘像素，采用形态学滤波处理中的侵蚀处理(“erode processing”)和开处理(“openprocessing”)进行剔除，最后得到最终的边缘检测结果Edge₁，从而得到极化SAR图像边缘检测图。Edge₁中取值为1的像素对应边缘像素，取值为0的像素对应非边缘像素。

用本发明可取得以下技术效果：

本发明所述的基于极化矩阵相似性检验的极化SAR图像边缘检测方法，通过利用边缘像素和非边缘像素邻域内相似性像素数目的差异，实现极化SAR图像的边缘检测。本发明实现简单，实施方便，具有鲁棒高效性，可直接用于对各种极化SAR系统获得的极化SAR图像进行处理。本发明对于极化SAR建筑物边缘提取、道路检测、海岸线提取、农作物边缘提取等应用领域有着重要的参考价值。

附图说明

图1本发明的实施流程图；

图2完成相干斑滤波处理的极化SAR图像；

图3相似性像素数目图；

图4候选边缘检测结果图；

图5最终边缘检测结果图。

具体实施方式

为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述。

图1为本发明的实施流程图，输入为完成了相干斑滤波处理的极化SAR图像，实施过程主要由五步组成：第一步，对极化矩阵进行相似性检验；第二步，相似性像素检测；第三步，计算相似性像素的数目；第四步，候选边缘像素检测处理；第五步，候选边缘像素检测结果形态学滤波处理，从而得到极化SAR图像边缘检测图。

图2至图5是利用本发明的具体实施方式对ALOS/PALSAR系统获得的日本松岛区域全极化SAR数据的处理结果。

图2为完成相干斑滤波处理的极化SAR图像。采用SimiTest算法进行相干斑滤波处理，具体算法内容参见文献Si-Wei Chen,Xue-Song Wang and Motoyuki Sato,“PolInSARcomplex coherence estimation based on covariance matrix similarity test,”IEEETransactions on Geoscience and Remote Sensing,vol.50,no.11,pp.4699–4710,Nov.2012。其中，图(a)为HH极化幅度图，图(b)为HV极化幅度图，图(c)为VV极化幅度图。

图3为相似性像素数目图。其中，相似性检测选择的邻域N×M为3×3。取调节参数D＝10。估计得到的多视视数L＝1.6225。门限为

图4为候选边缘检测结果图，白色为候选边缘像素，黑色为非边缘像素。其中，取门限系数k＝0.8。

图5为最终的边缘检测结果图，白色为边缘像素，黑色为非边缘像素。其中，形态学滤波中侵蚀处理采用的结构单元为开处理中滤除像素数目≤5的孤立候选边缘片段。

Claims (5)

1.一种基于相似性检验的极化SAR图像边缘检测方法，所述方法基于已完成相干斑滤波处理的极化SAR图像，对极化矩阵进行相似性检验处理，其特征在于：满足互易条件S_HV＝S_VH时，极化相干矩阵T为：

$T=\frac{1}{2}\left[\begin{array}{ccc}<|S_{HH}+S_{VV}{|}^2>& <\left(S_{HH}+S_{VV}\right){\left(S_{HH}-S_{VV}\right)}^{*}>& <2\left(S_{HH}+S_{VV}\right)S_{HV}^{*}>\\ <{\left(S_{HH}+S_{VV}\right)}^{*}\left(S_{HH}-S_{VV}\right)>& <|S_{HH}-S_{VV}{|}^2>& <2\left(S_{HH}-S_{VV}\right)S_{HV}^{*}>\\ <2{\left(S_{HH}+S_{VV}\right)}^{*}{S}_{HV}>& <2\left(S_{HH}-S_{VV}\right)S_{HV}>& <4|S_{HV}{|}^2>\end{array}\right]$

其中，S_HH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系数；S_VH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数；S_HV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数；S_VV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数，上标*为共轭处理，<·>为集合平均处理，|·|为取绝对值处理；极化SAR图像中的每一个像素对应一个极化相干矩阵，记为T_i,i＝1,2,…,W，W表示极化SAR图像的像素总数目；在每一个像素的邻域N×M内，N和M的取值与极化SAR图像的分辨率和多视视数有关，对每一个极化相干矩阵T_i，进行下面第一步至第四步的处理：

第一步，对极化相干矩阵进行相似性检验；

对极化相干矩阵T_i和其邻域N×M内的每一个极化相干矩阵T_nm，n＝1,2,…,N，m＝1,2,…,M，计算T_i和T_nm的相似度参数lnQ_inm：

lnQ_inm＝(6ln2+ln|T_i|+ln|T_nm|-2ln|T_i+T_nm|)

当T_i＝T_nm时，lnQ_inm＝0；当T_i≠T_nm时，lnQ_inm＜0；

第二步，相似性像素检测；

通过对相似度参数lnQ_inm进行门限检测处理，判断T_i与T_nm对应的像素是否相似，即：

当时，则T_nm与T_i对应的像素相似；

当时，则T_nm与T_i对应的像素不相似；

其中，D为调节参数，与极化SAR图像分辨率和地物特性有关，L为极化SAR图像的多视视数的估计值，通过选取极化SAR图像中的匀质区域，计算区域内像素各极化通道的幅度的均值与方差的比值，该比值即为多视视数的估计值L；

第三步，计算相似性像素的数目；

对每一个T_i，计算其N×M邻域内与T_i相似的像素的数目，记为SPN_i；

第四步，候选边缘像素检测处理；

对每一个T_i，对相似性像素数目SPN_i进行门限检测处理，判断T_i对应的像素是否为边缘像素，即：

当SPN_i≥k·N·M时，则T_i对应的像素为非边缘像素，记为0；

当SPN_i＜k·N·M时，则T_i对应的像素为边缘像素，记为1；

其中，k为门限系数，与极化SAR图像分辨率和邻域窗N×M有关；

对极化SAR图像中的每一个像素进行第一步至第四步的处理，可以得到整幅图像候选边缘像素的检测结果，记为Edge₀：Edge₀中取值为1的像素对应候选边缘像素，取值为0的像素对应非边缘像素；

第五步，对候选边缘像素检测结果进行形态学滤波处理；

在候选边缘像素检测结果Edge₀中，会存在一些孤立的和与边缘邻接的虚警边缘像素，采用形态学滤波处理中的侵蚀处理和开处理进行剔除，最后得到最终的边缘检测结果Edge₁，从而得到极化SAR图像边缘检测图：Edge₁中取值为1的像素对应边缘像素，取值为0的像素对应非边缘像素。

2.根据权利要求1所述基于相似性检验的极化SAR图像边缘检测方法，其特征在于：极化相干矩阵T可以用极化协方差矩阵C代替：

$C=\left[\begin{array}{ccc}<|S_{HH}{|}^2>& \sqrt{2}<S_{HH}{S}_{HV}^{*}>& <S_{HH}{S}_{VV}^{*}>\\ \sqrt{2}<S_{HH}^{*}{S}_{HV}>& 2<|S_{HV}{|}^2>& \sqrt{2}<S_{HV}{S}_{VV}^{*}>\\ <S_{HH}^{*}{S}_{VV}>& \sqrt{2}<S_{HV}^{*}{S}_{VV}>& <|S_{VV}{|}^2>\end{array}\right].$

3.根据权利要求1或2所述基于相似性检验的极化SAR图像边缘检测方法，其特征在于：每个像素的邻域N×M中N和M的取值为N＝M＝3、N＝M＝5或N＝M＝7。

4.根据权利要求1或2所述基于相似性检验的极化SAR图像边缘检测方法，其特征在于：第二步中调节参数D的取值为D＝10。

5.根据权利要求1或2所述基于相似性检验的极化SAR图像边缘检测方法，其特征在于：第四步中门限系数k的取值为k＞0.6。