CN112215832A - Sar尾迹图像质量评估及自适应探测参数调整方法 - Google Patents

Abstract

一种SAR尾迹图像质量评估及自适应探测参数调整方法，包括以下步骤：获取多幅待评估SAR尾迹图像；计算所述多幅待评估SAR尾迹图像的特征量；根据任务需求确定各所述特征量的权值；对多幅SAR尾迹图像进行质量评估，得到质量最优的SAR尾迹图像；以所述质量最优的SAR尾迹图像的探测参数作为指导，调整SAR系统工作参数，至此完成了SAR尾迹图像质量评估及自适应探测参数调整。本发明提出的SAR尾迹图像质量评估方法无需参考图像，并且通过本发明方法得到的评估值反应了SAR尾迹图像的清晰度、结构特征、纹理特征。在实际使用中，通过机上实时计算SAR图像质量，可为SAR最优对海探测工作参数调整提供依据，对于SAR对海探测具有较强的应用价值。

Description

SAR尾迹图像质量评估及自适应探测参数调整方法

技术领域

本发明涉及机载合成孔径雷达和图像分析技术领域，尤其涉及针对无参考图像的海面尾迹SAR图像质量的评估方法，及根据图像质量对探测参数自适应调整的方法。

背景技术

合成孔径雷达(SAR)具有全天时和全天候的主动微波成像能力，利用SAR图像进行海面尾迹检测在海洋监视、舰船搜救、海洋工程等军民领域具有重要作用。近年来，合成孔径雷达性能不断提升，对海探测时可以获取不同波段、分辨率、视角、极化等工作参数条件下的海面尾迹图像，由于海面尾迹与海杂波的相互作用复杂，舰船目标的尺寸、航行状态、海水层化结构、海况不同，导致尾迹在不同条件下的SAR图像上表现形态不同。

图像质量评估一般可以分为主观评估方法和客观评估方法。主观评估是由评估者通过视觉特性、自己对图像特征的理解直接对图像进行评估。客观评估方法是通过计算图像的一些特定评估指标来实现质量评估。目前，国内外对光学图像的主客观评估已形成了较为成熟的体系，对SAR图像质量评估的研究大多是借鉴光学图像质量评估方法，针对SAR图像的特征(如相干斑噪声等)进行改进。对SAR图像质量评估多是用于各类图像处理后的效果评估，一般需要将待评估图像与参考图像相比较得出评估值，无参考图像的SAR图像质量评估的研究并不多见；同时，SAR图像质量评估内容多是对于农田、树林、建筑物等特征相对明显的地物，尚无专门针对海面尾迹的SAR图像质量评估算法。

SAR在对海探测工作时，获取的图像数据规模庞大，依靠人眼定性、半定量分析图像所需时间长、评估的过程相对比较复杂且评估过程需要由专业分析人员来完成。

发明内容

有鉴于此，本发明的主要目的在于提供一种SAR尾迹图像质量评估及自适应探测参数调整方法，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的一方面，提供了一种SAR尾迹图像质量评估及自适应探测参数调整方法，包括以下步骤：

获取多幅待评估SAR尾迹图像；

计算所述多幅待评估SAR尾迹图像的特征量；

根据任务需求确定各所述特征量的权值；

对多幅SAR尾迹图像进行质量评估，得到质量最优的SAR尾迹图像；

以所述质量最优的SAR尾迹图像的探测参数作为指导，调整SAR系统工作参数，至此完成了SAR尾迹图像质量评估及自适应探测参数调整。

其中，所述SAR尾迹图像的特征量包括灰度平均梯度、点锐度、对比度、图像均方差、图像熵、多尺度图像能量、灰度共生矩阵能量灰度共生矩阵对比度、灰度共生矩阵相关性和灰度共生矩阵熵。

其中，所述灰度平均梯度用于描述图像的边界点或影线两侧附近灰度值变化差异，不仅能够用于评估图像的清晰程度，还能够反映图像微小细节反差变化及纹理特征，计算公式如式(1)所示：

其中，f(i，j)表示SAR图像第i行、第j列的像素灰度值，M、N分别为图像的行数和列数；

所述点锐度是通过统计图像不同方向的灰度变化情况来进行评估图像的清晰程度，计算公式如式(2)所示：

其中，所述对比度的计算公式如式(3)所示：

其中，δ(i，j)＝f(i，j)-f(i-1，j)为相邻像素间灰度差，P_δ(i，j)为相邻像素间的灰度差为δ的像素分布概率；计算P_δ(i，j)时，先统计图像的灰度直方图，利用高斯函数拟合得到灰度概率密度函数f_d，对灰度概率密度函数积分得到灰度概率分布函数F_d，P_δ(i，j)＝F_d(δ)；

所述图像均方差的计算公式如式(4)所示；

其中，B表示图像亮度，即图像矩阵的平均值，表达式为：

其中，所述图像熵表示为图像灰度级几何的比特平均数，单位为比特/像素，描述了图像信源的平均信息量，其计算公式如式(5)所示：

其中，

所述多尺度图像能量的计算过程如下：

对图像进行离散小波分解；

每进行一次小波分解，生成一个代表图像轮廓的低频区域和三个代表图像细节的高频区域；

对每次小波变换结果的低频区域再次进行二维小波变换，实现多尺度分解，最终生成一个低频区域和多个高频区域；

将低频区域当做一幅独立的图像，依次对图像中的像素值平方求和，得到低频区域图像能量。

其中，所述灰度共生矩阵能量计算公式如式(6)所示：

其中，P(i，j|θ，d)为灰度共生矩阵，位于第(i，j)个元素代表：灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的概率，即P(i，j|θ，d)＝n(i，j)/L，其中n(i，j)表示灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的次数，L表示像素对的数量；

所述灰度共生矩阵对比度的计算公式如式(7)所示：

其中，所述灰度共生矩阵相关性的计算公式如式(8)所示：

其中，μ_x，u_y，σ_x，σ_y分别定义为：

所述灰度共生矩阵熵的计算公式如式(9)所示：

其中，所述根据任务需求确定各所述特征量的权值的步骤中的任务需求是根据尾迹图像的观测需求决定的。

其中，所述对多幅SAR尾迹图像进行质量评估具体包括将计算得到的特征值与所确定的权值加权相加，得到SAR尾迹图像的质量。

其中，所述当前质量最优SAR尾迹图像条件下的探测参数包括波段、极化和合成孔径时间。

基于上述技术方案可知，本发明的SAR尾迹图像质量评估及自适应探测参数调整方法相对于现有技术至少具有如下有益效果的一部分：

现有技术的图像质量评估需要将待评估图像与参考图像相比较计算得到评估值，本发明提出的SAR尾迹图像质量评估方法无需参考图像，并且通过本发明方法得到的评估值反应了SAR尾迹图像的清晰度、结构特征、纹理特征。在实际使用中，通过机上实时计算SAR图像质量，可为SAR最优对海探测工作参数调整提供依据，对于SAR对海探测具有较强的应用价值。

附图说明

图1为本发明实施例提供的SAR尾迹图像质量评估与探测参数调整方法流程图；

图2为本发明实施例提供的SAR尾迹图像质量评估模型；

图3为本发明实施例提供的L波段同极化(HH)SAR尾迹图像；

图4为本发明实施例提供的L波段交叉极化(HV)SAR尾迹图像。

具体实施方式

本发明公开了一种SAR尾迹图像质量评估及自适应探测参数调整方法，包括以下步骤：(1)计算待评估图像的灰度、纹理、结构特征量，包括对比度、熵、梯度、边缘能量、灰度共生矩阵、小波分解多尺度图像能量特征量；(2)根据任务需求确定权值；(3)将特征量与权值加权相加，得到SAR尾迹图像评估值；(4)根据图像评估值调整SAR工作参数。通常，图像质量评估需要将待评估图像与参考图像相比较计算得到评估值，本发明提出的SAR尾迹图像质量评估方法无需参考图像，通过本发明质量评估模型计算得到的评估值反应了SAR尾迹图像的清晰度、结构特征、纹理特征。在实际使用中，通过机上实时计算SAR图像质量，可为SAR最优对海探测工作参数调整提供依据，对于SAR对海探测具有较强的应用价值。

具体的，如图1所示，本发明公开了一种SAR尾迹图像质量评估及自适应探测参数调整方法，包括以下步骤：

获取多幅待评估SAR尾迹图像；

计算所述多幅待评估SAR尾迹图像的特征量；

根据任务需求确定各所述特征量的权值；

对多幅SAR尾迹图像进行质量评估，得到质量最优的SAR尾迹图像；

以所述质量最优的SAR尾迹图像的探测参数作为指导，调整SAR系统工作参数，至此完成了SAR尾迹图像质量评估及自适应探测参数调整。

其中，所述SAR尾迹图像的特征量包括灰度平均梯度、点锐度、对比度、图像均方差、图像熵、多尺度图像能量、灰度共生矩阵能量灰度共生矩阵对比度、灰度共生矩阵相关性和灰度共生矩阵熵。

其中，所述灰度平均梯度用于描述图像的边界点或影线两侧附近灰度值变化差异，不仅能够用于评估图像的清晰程度，还能够反映图像微小细节反差变化及纹理特征，计算公式如式(1)所示：

其中，f(i，j)表示SAR图像第i行、第j列的像素灰度值，M、N分别为图像的行数和列数；

所述点锐度是通过统计图像不同方向的灰度变化情况来进行评估图像的清晰程度，计算公式如式(2)所示：

其中，所述对比度的计算公式如式(3)所示：

其中，δ(i，j)＝f(i，j)-f(i-1，j)为相邻像素间灰度差，P_δ(i，j)为相邻像素间的灰度差为δ的像素分布概率；计算P_δ(i，j)时，先统计图像的灰度直方图，利用高斯函数拟合得到灰度概率密度函数f_d，对灰度概率密度函数积分得到灰度概率分布函数F_d，P_δ(i，j)＝F_d(δ)；

所述图像均方差的计算公式如式(4)所示；

其中，B表示图像亮度，即图像矩阵的平均值，表达式为：

其中，所述图像熵表示为图像灰度级几何的比特平均数，单位为比特/像素，描述了图像信源的平均信息量，其计算公式如式(5)所示：

其中，

所述多尺度图像能量的计算过程如下：

对图像进行离散小波分解；

每进行一次小波分解，生成一个代表图像轮廓的低频区域和三个代表图像细节的高频区域；

对每次小波变换结果的低频区域再次进行二维小波变换，实现多尺度分解，最终生成一个低频区域和多个高频区域；

将低频区域当做一幅独立的图像，依次对图像中的像素值平方求和，得到低频区域图像能量。

其中，所述灰度共生矩阵能量计算公式如式(6)所示：

其中，P(i，j|θ，d)为灰度共生矩阵，位于第(i，j)个元素代表：灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的概率，即P(i，j|θ，d)＝n(i，j)/L，其中n(i，j)表示灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的次数，上表示像素对的数量；

所述灰度共生矩阵对比度的计算公式如式(7)所示：

其中，所述灰度共生矩阵相关性的计算公式如式(8)所示：

其中，μ_x，u_y，σ_x，σ_y分别定义为：

所述灰度共生矩阵熵的计算公式如式(9)所示：

其中，所述根据任务需求确定各所述特征量的权值的步骤中的任务需求是根据尾迹图像的观测需求决定的。其中，观测需求主要指尾迹尺度，

其中，所述对多幅SAR尾迹图像进行质量评估具体包括将计算得到的特征值与所确定的权值加权相加，得到SAR尾迹图像的质量。

其中，所述当前质量最优SAR尾迹图像条件下的探测参数包括波段、极化和合成孔径时间。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

本发明公开了一种SAR尾迹图像质量评估及自适应探测参数调整方法，具体步骤如下：

步骤一、依次对待评估SAR尾迹图像计算以下特征量。f(i，j)表示SAR图像第i行、第j列的像素灰度值，M、N分别为图像的行数和列数，特征量的具体计算公式如下：

(1)灰度平均梯度

图像中某像素点的像素值与其相邻像素点像素值的一阶差分反映了该点的边缘属性信息。灰度平均梯度就是用来描述图像的边界点或影线两侧附近灰度值变化差异。它不仅可以用于评估图像的清晰程度，还可以反映图像微小细节反差变化及纹理特征。通常情况，图像的灰度平均梯度越大，图像越清晰；反之，图像越模糊。计算公式如下：

(2)点锐度

通过统计图像不同方向的灰度变化情况来进行评估图像的清晰程度。具体地，计算某一像素点8邻域像素与该像素点灰度值之差的绝对值，并且将差值进行距离加权，距离近则权大，距离远则权小，公式如下：

(3)对比度：

其中δ(i，j)＝f(i，j)-f(i-1，j)为相邻像素间灰度差，P_δ(i，j)为相邻像素间的灰度差为δ的像素分布概率。P_δ(i，j)的计算时，先统计图像的灰度直方图，利用高斯函数拟合得到灰度概率密度函数f_d，对灰度概率密度函数积分得到灰度概率分布函数F_d，P_δ(i，j)＝F_d(δ)。

(4)图像均方差：

图像矩阵的均方差(标准差)公式如下，其值越大，图像中黑白反差越明显。

其中，B表示图像亮度，即图像矩阵的平均值，表达式为：

(5)图像熵：

图像熵表示为图像灰度级几何的比特平均数，单位比特/像素，描述了图像信源的平均信息量，其计算公式如下：

其中，

(6)多尺度图像能量：

对图像进行离散小波分解(DWT)，DWT是对图像进行多尺度分解的一种工具。对图像使用Haar小波变换进行分解，记图像的行像素为a₀～a_2n-1，进行小波分解计算步骤为低频部分l₀～l_n-1，l_i＝(a_2i+a_2i+1)/2，其中i＝0，1，2…，n-1，高频部分为h₀～h_n-1，h_i＝(a_2i-a_2i+1)/2，其中i＝0，1，2…，n-1。对每一行均执行同样的操作，则生成一维Haar小波变换结果；然后对每一列再次进行同样的操作，生成二维Haar小波变换结果。一次小波分解，生成一个代表图像轮廓的低频区域和三个代表图像细节的高频区域；对每次小波变换结果的低频区域再次进行二维Haar小波变换，实现多尺度分解，最终生成一个低频区域和多个高频区域。将低频区域当做一幅独立的图像，依次对图中的像素值平方求和，得到低频区域图像能量。

(7)灰度共生矩阵能量：

灰度共生矩阵法是通过计算图像的二阶矩条件概率密度函数来实现分析图像中两个像素的灰度配置情况。建立灰度共生矩阵P(i，j|θ，d)的方法，位于第(i，j)个元素代表：灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的概率，即P(i，j|θ，d)＝n(i，j)/L，其中n(i，j)表示灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的次数，L表示像素对的数量。则灰度共生矩阵能量表达式如下：

(8)灰度共生矩阵对比度：

(9)灰度共生矩阵相关性：

其中μ_x，u_y，σ_x，σ_y分别定义为：

(10)灰度共生矩阵熵：

步骤二、根据任务需求确定步骤一中各特征量的权值。在探测大尺度尾迹时，将多尺度图像能量特征量的权值调大，即认为在评估SAR尾迹图像质量时，结构特征越明显图像质量越高；在探测小尺度尾迹时，将表示灰度的特征量权值调大，即认为细节变化、灰度变化更丰富图像质量更高。

步骤三、对多维度、多参数SAR系统获取同场景多幅不同参数的SAR尾迹图像进行质量评估，将步骤一中计算的特征值与步骤二确定的权值加权相加，得到SAR尾迹图像质量。SAR尾迹图像质量评估模型如图2所示。

步骤四、以步骤三中质量最优的SAR尾迹图像的探测参数作为指导，调整多维度、多参数SAR系统工作参数。

多维度、多参数SAR系统在单次航过可以获取不同波段、同一波段不同极化、不同合成孔径时间的SAR尾迹图像，通过SAR尾迹图像质量评估，可以得到当前探测条件下最优波段、极化、合成孔径时间；多维度、多参数SAR系统在不同航过可以获取不同分辨率、不同视角的SAR尾迹图像，通过SAR尾迹图像质量评估，最优分辨率、视角。

下面通过一具体实例对本发明的技术方案进一步解释说明。

利用L波段全极化SAR对海探测时，对实时获取的2幅不同极化(分别为同极化HH，如图3所示、交叉极化HV，如图4所示)的SAR尾迹图像进行质量评估。在评估过程中，认为图像的灰度特征、结构特征和纹理特征同样重要，因此选择平均加权，即各特征量的权值相等的评估模型，得到图像评估值，结果如下表。

由计算结果可以看出，评估结果可以总体上反映图像的质量，并且与人眼目视评估趋势一致。由评估结果可知，当前工作条件下，L波段同极化(HH)探测效果优于交叉极化(HV)，系统可自适应调整为同极化工作模式，进行进一步对海探测。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，包括以下步骤：

获取多幅待评估SAR尾迹图像；

计算所述多幅待评估SAR尾迹图像的特征量；

根据任务需求确定各所述特征量的权值；

对多幅SAR尾迹图像进行质量评估，得到质量最优的SAR尾迹图像；

以所述质量最优的SAR尾迹图像的探测参数作为指导，调整SAR系统工作参数，至此完成了SAR尾迹图像质量评估及自适应探测参数调整。

2.根据权利要求1所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述SAR尾迹图像的特征量包括灰度平均梯度、点锐度、对比度、图像均方差、图像熵、多尺度图像能量、灰度共生矩阵能量灰度共生矩阵对比度、灰度共生矩阵相关性和灰度共生矩阵熵。

3.根据权利要求2所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述灰度平均梯度用于描述图像的边界点或影线两侧附近灰度值变化差异，不仅能够用于评估图像的清晰程度，还能够反映图像微小细节反差变化及纹理特征，计算公式如式(1)所示：

其中，f(i，j)表示SAR图像第i行、第j列的像素灰度值，M、N分别为图像的行数和列数；

所述点锐度是通过统计图像不同方向的灰度变化情况来进行评估图像的清晰程度，计算公式如式(2)所示：

4.根据权利要求2所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述对比度的计算公式如式(3)所示：

其中，δ(i，j)＝f(i，j)-f(i-1，j)为相邻像素间灰度差，P_δ(i，j)为相邻像素间的灰度差为δ的像素分布概率；计算P_δ(i，j)时，先统计图像的灰度直方图，利用高斯函数拟合得到灰度概率密度函数f_d，对灰度概率密度函数积分得到灰度概率分布函数F_d，P_δ(i，j)＝F_d(δ)；

所述图像均方差的计算公式如式(4)所示；

其中，B表示图像亮度，即图像矩阵的平均值，表达式为：

5.根据权利要求2所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述图像熵表示为图像灰度级几何的比特平均数，单位为比特/像素，描述了图像信源的平均信息量，其计算公式如式(5)所示：

其中，

所述多尺度图像能量的计算过程如下：

对图像进行离散小波分解；

每进行一次小波分解，生成一个代表图像轮廓的低频区域和三个代表图像细节的高频区域；

对每次小波变换结果的低频区域再次进行二维小波变换，实现多尺度分解，最终生成一个低频区域和多个高频区域；

将低频区域当做一幅独立的图像，依次对图像中的像素值平方求和，得到低频区域图像能量。

6.根据权利要求2所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述灰度共生矩阵能量计算公式如式(6)所示：

其中，P(i，j|θ，d)为灰度共生矩阵，位于第(i，j)个元素代表：灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的概率，即P(i，j|θ，d)＝n(i，j)/L，其中n(i，j)表示灰度为i的像元与相距为d、方向为θ、灰度为j的像元出现的次数，L表示像素对的数量；

所述灰度共生矩阵对比度的计算公式如式(7)所示：

7.根据权利要求2所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述灰度共生矩阵相关性的计算公式如式(8)所示：

其中，μ_x，u_y，σ_x，σ_y分别定义为：

所述灰度共生矩阵熵的计算公式如式(9)所示：

8.根据权利要求1所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述根据任务需求确定各所述特征量的权值的步骤中的任务需求是根据尾迹图像的观测需求决定的。

9.根据权利要求1所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述对多幅SAR尾迹图像进行质量评估具体包括将计算得到的特征值与所确定的权值加权相加，得到SAR尾迹图像的质量。

10.根据权利要求1所述的SAR尾迹图像质量评估及自适应探测参数调整方法，其特征在于，所述当前质量最优SAR尾迹图像条件下的探测参数包括波段、极化和合成孔径时间。

Images