CN110276240B - 一种sar图像建筑物墙面窗户信息提取方法 - Google Patents

Abstract

本发明公开了一种SAR图像建筑物墙面窗户信息提取方法，具体步骤为：1)利用点特征提取方法得到SAR图像中建筑物亮点；2)利用Radon变换得到SAR图像中建筑物亮点对应的方位向间距；3)利用纹理相关性最大法得到SAR图像建筑物亮点对应的距离向间距；4)利用Radon变换投影方差法得到SAR图像中建筑物墙面方位角；5)基于SAR图像建筑物亮点的Delaunay三角网，利用三角面元匹配法来提取准确建筑物墙面窗口数量及空间分布。本发明对SAR图像进行一些列图像处理过程，提取建筑物墙面窗户数量及其分布情况，实现对建筑物目标墙面精细结构提取，可满足于SAR图像人工目标精细识别与判读解译，在城市规则和国土监测等领域具有很大应用前景。

Description

一种SAR图像建筑物墙面窗户信息提取方法

技术领域

本发明涉及卫星遥感应用领域，尤指一种SAR图像建筑物墙面窗户信息提取方法，可以从SAR图像中提取建筑物墙面窗户分布情况。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候、可穿透云雾快速成像的能力，在灾害应急和多云多雨地区监测中具有不可替代的作用，已逐步成为对地观测重要手段之一。自2007年以来，意大利的COSMO-SkyMed、加拿大的RADARSAT-2、德国的TerraSAR-X和TanDEM-X、中国的GF-3号卫星系统先后升空，开启了高分辨率星载SAR时代，为建筑物目标识别与信息提取提供了大量SAR数据。

高分辨率SAR图像呈现出的目标信息更加丰富，单个建筑物目标的散射特征能够得到明显的展现，不仅可以从SAR图像中发现和识别建筑物目标，还可以用于提取建筑物目标参数并对目标进行描述。由于SAR特殊的成像方式以及建筑物目标结构的复杂多样性，导致SAR图像特征呈现出完全不同于人类视觉的图像特征，给建筑物目标高分辨率SAR图像理解和应用造成很大的困难，SAR数据在建筑物目标监测方面的应用效果并不理想。具体表现为：1、SAR是基于测距原理通过主动发射与接收微波电磁波而成像的，与人类视觉系统和光学遥感的成像原理有着本质差异。因此，SAR图像中人工目标，不仅与人类视觉系统所熟知的状态完全不同，也与光学遥感图像非常不同，即所见非所知；2、由于合成孔径雷达系统接收的是组成地物目标的每一个独立单元形成的散射能量，因此，呈现在SAR图像上的地物目标是散射单元构成的集合体，多表现为离散的点、线组合；3、不同于光学成像系统，在SAR图像上，建筑物目标通常表现为稀疏的散射中心分布，并对成像角度敏感，边界以点、短线条为主，连续性和完整性差；4、SAR成像是三维空间到二维平面(方位向和距离向)的映射过程，对于高度变化非常明显的城市目标而言，这样一个降维过程必然导致信息的损失。SAR图像中，斜距相等但来自不同目标的散射信号混在一个像元内，再加上城市目标的结构复杂和多次散射，给SAR图像解译和信息提取带来巨大的挑战。

高分辨率SAR图像中，人工目标通常呈现出稀疏的亮线或者亮点，这些特征与人工目标的形状和表面结构有关，建筑物墙面窗户在SAR图像中呈现为具有一定规则排列的点阵列。因此，可以从SAR图像中提取建筑物墙面窗户，实现对建筑物目标墙面精细结构提取，在城市规则和国土监测等领域具有很大应用前景。

发明内容

针对建筑物目标墙面精细结构提取的问题，本发明提供一种SAR图像建筑物墙面窗户信息提取方法，该方法基于SAR图像，经过一系列处理过程，得到建筑物墙面窗户个数及空间分布情况。

为实现上述目标，本发明的一种SAR图像建筑物墙面窗户信息提取方法，具体步骤为：1)利用点特征提取方法得到SAR图像中建筑物亮点；2)利用Radon变换得到SAR图像中建筑物亮点对应的方位向间距；3)利用纹理相关性最大法得到SAR图像建筑物亮点对应的距离向间距；4)利用Radon变换投影方差法得到SAR图像中建筑物墙面方位角；5)基于SAR图像建筑物亮点的Delaunay三角网，利用三角面元匹配法来提取准确建筑物墙面窗口数量及空间分布。

进一步，步骤1)中利用点特征提取方法得到SAR图像中建筑物亮点。

进一步，所述SAR图像表示为I_h×w，是包含建筑物目标的一个数据矩阵，其行数h为SAR图像高度，其列数w为SAR图像宽度，SAR图像竖直方向为方位向，SAR图像水平方向为距离向。

进一步，所述的点特征提取方法为：对SAR图像I_h×w中的每一个像元，其值大于其8邻域中所有像元值且像元值大于0.02Q_max的点为建筑物亮点，8邻域示意图如图2，Q_max为SAR图像I_h×w的最大像素值；则建筑物亮点分布图像BW_h×w是与SAR图像I_h×w高度和宽度相同的数据矩阵，像素值为1表明是亮点，否则不是建筑物亮点。

进一步，步骤2)中利用Radon变换计算SAR图像建筑物亮点对应的方位向间距。

进一步，所述的方位向间距计算方法为：首先，对建筑物亮点分布图像BW_h×w进行Radon变换，变换公式为

其中，BW_h×w(x，y)表示点(x，y)处的像素值，δ()是Direac函数，ρ是图像中心到直线的垂直距离，取值范围1～N_ρ，间隔为1，θ是图像中心到直线的垂线与x轴的夹角，取值范围为0～180°，间隔0.1°；然后，θ取值为90°，得到一条随ρ变化的曲线C(ρ)＝f(ρ，θ＝90°)，满足条件diff(sign(diff(C)))＝-2的点为曲线C(ρ)的极大值点，对应的横坐标系列{ρ_i|i＝1…m}，其中diff(C)为差分函数，sign()为符号函数；最后，方位向间距

其中，mean[]是求和函数，差分函数diff(ρ_i)＝ρ_i-ρ_i-1。

进一步，步骤3)中利用纹理相关性最大法得到SAR图像建筑物亮点对应的距离向间距。

进一步，所述的距离向间距计算方法为：首先，计算建筑物亮点分布图像BW_h×w的灰度共生矩阵，计算公式为P_i，j(d)＝#{(x₁，y₁)，(x₂，y₂)∈w×h|BW(x₁，y₁)＝i，BW(x₂，y₂)＝j}，其中函数#{A}表示集合A的元素个数，距离d取值范围为[1，40]，i和j取值为0或者1；然后，计算相关性函数ξ(d)，计算公式为

其中p_d(i，j)为灰度共生矩阵P_i，j(d)中的第i行第j列的元素，u_d(i)和σ_d，i为灰度共生矩阵P_i，j(d)对i方向的均值和方差，u_d(j)和σ_d，j为灰度共生矩阵P_i，j(d)对j方向的均值和方差，

最后，找到相关性函数ξ(d)的极大值，满足条件diff(sign(diff(ξ(d))))＝-2的点为曲线ξ(d)的极大值点，对应的横坐标系列{d_i|i＝1…n}，则距离向间距计算公式为

其中，mean[]是求和函数，差分函数diff(d_i)＝d_i-d_i-1，diff()为差分函数，sign()为符号函数。

进一步，步骤4)中利用Radon变换投影方差法计算SAR图像建筑物墙面方位角。

进一步，所述的SAR图像建筑物墙面方位角为建筑物墙面与SAR图像方位向夹角，如图3所示。

进一步，所述的建筑物墙面方位角计算方法为：计算随着θ变化的标准差曲线σ(θ)，计算公式为

其中

满足条件diff(sign(diff(σ(θ))))＝-2的点为曲线σ(θ)的极大值点，找到第二大极值点对应的角度为θ₀，则墙面方位角

进一步，步骤5)中基于SAR图像建筑物亮点的Delaunay三角网，利用三角面元匹配法来提取准确建筑物墙面窗口数量及空间分布。

进一步，所述的SAR图像建筑物亮点的Delaunay三角网TRI是通过Delaunay三角剖分算法构建SAR图像中建筑物亮点组成的三面元网，如图4所示，其中Delaunay三角剖分算法是一种非常成熟通用的算法，Delaunay三角网TRI是一个包含N_tri个三角形的集合。

进一步，所述的利用三角面匹配法提取准确建筑物墙面窗口数量及空间分布的方法为：对于TRI中的第i个三角形Δ_i，计算其与基准三角形Δ₀之间的三角形相似性SIM_i，如果SIM_i大于0，则三角形Δ_i中三个顶点均为建筑物墙面窗户；满足条件的所有点组成的点集W{p_i＝(x_i，y_i)|i＝1，2，…N_win}，其中，N_win为窗户个数，窗户空间分布为点集W中各元素的坐标值(x_i，y_i)。

进一步，所述的基准三角形Δ₀为：其中一条边长度l＝r，该条边对应的高h_l＝a，该条边对应的夹角

其面积

如图5所示。

进一步，所述的三角形相似性SIM_i计算公式为：SIM_i＝sign(t_1，i)·sign(t_2，i)，其中，

S_i为TRI中的第i个三角形Δ_i的面积，

∠_i，j为TRI中的第i个三角形Δ_i的第j个夹角，

a_i，b_i和c_i为TRI中的第i个三角形Δ_i的三条边长，如图4所示。

本发明针对SAR图像建筑物信息提取，提出了一种SAR图像建筑物墙面窗户信息提取方法，首先提取图像点特征，然后分别计算方位向间距、距离向间间距和方位角，最后利用三角面元匹配法实现从SAR图像中提取建筑物墙面窗户数量及其分布情况，可满足于SAR图像精细目标识别与参数提取等应用。

附图说明

图1为本发明的一种SAR图像二次散射特征模拟方法的流程图；

图2为8邻域示意图；

图3为建筑物墙面方位角示意图；

图4为Delaunay三角网及三角面元示意图；

图5为基准三角形示意图；

图6为一个包含建筑物目标的SAR图像；

图7为建筑物亮点分布图像；

图8为建筑物亮点分布图像的Radon变换结果；

图9为曲线C(ρ)图形及其对应的极大值点；

图10为相关性函数ξ(d)的图形及其对应的极大值点；

图11为标准差曲线σ(θ)图形及其第二大极值点；

图12为建筑物亮点的Delaunay三角网及提取的建筑物窗户空间分布。

具体实施方式

本发明的一种SAR图像建筑物墙面窗户信息提取方法是对SAR图像进行一些列图像处理过程，提取建筑物墙面窗户数量及其分布情况，流程如图1所示，首先利用点特征提取方法得到SAR图像中建筑物亮点；然后，利用Radon变换得到SAR图像中建筑物亮点对应的方位向间距，利用纹理相关性最大法得到SAR图像建筑物亮点对应的距离向间距，利用Radon变换投影方差法得到SAR图像中建筑物墙面方位角；最后，利用三角面元匹配法来提取建筑物墙面窗口数量及空间分布。

以图6中SAR图像来说明本专利的实施方法。图6为一个包含建筑物目标的SAR图像，图像为德国TerraSAR-X卫星High Resolution Mode(HS)成像模式，图像高度350个像元，宽度为400个像元，像元大小为0.5米(分辨率约为1米)；图7为利用点特征提取方法得到SAR图像中建筑物亮点分布图像，白色为建筑物亮点，共包含711个亮点；图8为建筑物亮点分布图像的Radon变换结果；图9为曲线C(ρ)图形及其对应的极大值点，图中圆圈为极大值点，方位向间距为12.1875个像元大小；图10为相关性函数ξ(d)的图形及其对应的极大值点，图中圆圈为极大值点，距离向间距为9.3333个像元；图11为标准差曲线σ（θ）图形及其第二大极值点，图中实心圆圈为第二极大值点，θ₀＝161.8°，方位角为18.2°；图12为建筑物亮点的Delaunay三角网及提取的建筑物窗户空间分布，黄色为Delaunay三角网，红色*为提取的窗户，共包含221个窗户，221个窗户在图像中横坐标依次分别为[306 269 294 282 306269 294 257 282 306 245 269 294 233 257 282 221 306 245 269 209 294 233 257197 282 221 306 245 269 184 209 294 233 257 172 196 282 306 221 245 160 184269 294 209 233 147 257 172 282 197 306 221 245 160 269 184 294 209 233 148257 172 281 196 221 306 245 160 184 269 209 294 233 148 172 257 196 281 221306 245 160 184 269 209 294 233 148 257 172 197 282 221 306 245 160 184 269209 294 148 233 172 257 281 196 306 221 160 245 269 184 209 293 148 233 257172 281 196 221 306 160 245 269 184 209 294 233 148 257 172 282 196 221 306245 160 269 294 184 209 233 148 257 172 196 281 221 306 245 160 269 184 208293 233 148 257 172 281 196 221 306 160 245 269 184 209 293 233 148 172 257281 196 221 160 245 269 184 208 233 148 257 172 281 196 221 245 160 269 184208 233 147 257 172 196 220 245 160 184 208 233 148 172 196 221 160 184 208148 172 196 160 184 147 172]，221个窗户在图像中纵坐标依次分别为[147 150 151155 156 159 160 163 164 165 167 168 169 171 172 173 175 175 176 178 179 179180 181 183 183 184 184 186 186 187 188 188 190 191 192 192 192 193 194 195196 196 196 197 198 199 200 200 201 201 202 202 203 204 205 205 206 206 207208 209 209 210 210 211 212 212 213 214 215 215 216 216 217 219 219 219 220220 221 221 222 223 224 224 225 225 226 227 228 229 229 229 230 230 231 232233 233 234 234 236 236 237 237 238 239 239 240 241 241 242 243 243 244 245245 246 247 247 248 249 249 250 250 251 252 253 253 254 255 255 256 256 258258 258 259 260 260 261 262 262 263 264 264 265 266 266 267 267 268 269 269271 271 271 272 273 273 274 275 276 276 276 278 278 279 280 280 280 282 283283 283 284 285 286 287 287 288 290 290 291 292 292 293 293 294 295 296 297297 298 299 300 301 301 302 303 304 305 306 307 308 309 310 311 312 313 315316 317 319 321 321 324 325 329 330]。

需要指出的是根据本发明的具体实施方式所作出的任何变形，均不脱离本发明的精神以及权利要求记载的范围。

Claims (6)

1.一种SAR图像建筑物墙面窗户信息提取方法，具体步骤为：1)利用点特征提取方法得到SAR图像中建筑物亮点；2)利用Radon变换得到SAR图像中建筑物亮点对应的方位向间距；3)利用纹理相关性最大法得到SAR图像建筑物亮点对应的距离向间距；4)利用Radon变换投影方差法得到SAR图像中建筑物墙面方位角；5)基于SAR图像建筑物亮点的Delaunay三角网，利用三角面元匹配法来提取准确建筑物墙面窗口数量及空间分布；

其中，利用三角面元匹配法来提取准确建筑物墙面窗口数量及空间分布的方法为：对于TRI中的第i个三角形Δ_i，计算其与基准三角形Δ₀之间的三角形相似性SIM_i，如果SIM_i大于0，则三角形Δ_i中三个顶点均为建筑物墙面窗户；满足条件的所有点组成的点集W{p_i＝(x_i,y_i)|i＝1,2,…N_win}，其中，N_win为窗户个数，窗户空间分布为点集W中各元素的坐标值(x_i,y_i)；其中，SAR图像中建筑物墙面方位角，为建筑物墙面与SAR图像方位向夹角；

所述的基准三角形Δ₀为：其中一条边长度l＝r，该条边对应的高h_l＝a，该条边对应的夹角

其面积

其中，r为距离向间距，a为方位向间距，

为墙面方位角。

2.如权利要求1所述的SAR图像建筑物墙面窗户信息提取方法，其特征在于，步骤1)所述的点特征提取方法为：对SAR图像I_h×w中的每一个像元，其值大于其8邻域中所有像元值且像元值大于0.02Q_max的点为建筑物亮点，Q_max为SAR图像I_h×w的最大像素值；则建筑物亮点分布图像BW_h×w是与SAR图像I_h×w高度和宽度相同的数据矩阵，像素值为1表明是亮点，否则不是建筑物亮点。

3.如权利要求1所述的SAR图像建筑物墙面窗户信息提取方法，其特征在于，步骤2)所述的方位向间距计算方法为：首先，对建筑物亮点分布图像BW_h×w进行Radon变换，变换公式为

其中，BW_h×w(x,y)表示点(x,y)处的像素值，δ()是Direac函数，ρ是图像中心到直线的垂直距离，取值范围1～N_ρ，间隔为1，θ是图像中心到直线的垂线与x轴的夹角，取值范围为0～180°，间隔0.1°；然后，θ取值为90°，得到一条随ρ变化的曲线C(ρ)＝f(ρ,θ＝90°)，满足条件diff(sign(diff(C)))＝-2的点为曲线C(ρ)的极大值点，对应的横坐标系列{ρ_i|i＝1…m}，其中diff(C)为差分函数，sign()为符号函数；最后，方位向间距

其中，mean[]是求和函数，差分函数diff(ρ_i)＝ρ_i-ρ_i-1。

4.如权利要求1所述的SAR图像建筑物墙面窗户信息提取方法，其特征在于，步骤3)所述的距离向间距计算方法为：首先，计算建筑物亮点分布图像BW_h×w的灰度共生矩阵，计算公式为P_i,j(d)＝#{(x₁,y₁),(x₂,y₂)∈w×h|BW(x₁,y₁)＝i,BW(x₂,y₂)＝j}，其中函数#{A}表示集合A的元素个数，距离d取值范围为[1,40]，i和j取值为0或者1；然后，计算相关性函数ξ(d)，计算公式为

其中p_d(i,j)为灰度共生矩阵P_i,j(d)中的第i行第j列的元素，u_d(i)和σ_d,i为灰度共生矩阵P_i,j(d)对i方向的均值和方差，u_d(j)和σ_d,j为灰度共生矩阵P_i,j(d)对j方向的均值和方差，

最后，找到相关性函数ξ(d)的极大值，满足条件diff(sign(diff(ξ(d))))＝-2的点为曲线ξ(d)的极大值点，对应的横坐标系列{d_i|i＝1…n}，则距离向间距计算公式为

其中，mean[]是求和函数，差分函数diff(d_i)＝d_i-d_i-1，diff()为差分函数，sign()为符号函数。

5.如权利要求1所述的SAR图像建筑物墙面窗户信息提取方法，其特征在于，步骤4)所述的方位角计算方法为：计算随着θ变化的标准差曲线σ(θ)，计算公式为

其中

满足条件diff(sign(diff(σ(θ))))＝-2的点为曲线σ(θ)的极大值点，找到第二大极值点对应的角度为θ₀，则墙面方位角

建筑物墙面。

6.如权利要求1所述的SAR图像建筑物墙面窗户信息提取方法，其特征在于，所述的三角形相似性SIM_i计算公式为：SIM_i＝sign(t_1,i)·sign(t_2,i)，其中，

S_i为TRI中的第i个三角形Δ_i的面积，

∠_i,j为TRI中的第i个三角形Δ_i的第j个夹角，∠_i,1＝arccos(b_i ²+c_i ²-a_i ²/2b_ic_i)，∠_i,2＝arccos(a_i ²+c_i ²-b_i ²/2a_ic_i)，∠_i,3＝arccos(b_i ²+a_i ²-c_i ²/2b_ia_i)，a_i，b_i和c_i为TRI中的第i个三角形Δ_i的三条边长。

Images