CN114782480B - 一种sar图像中车辆类目标的自动提取方法 - Google Patents
一种sar图像中车辆类目标的自动提取方法 Download PDFInfo
- Publication number
- CN114782480B CN114782480B CN202210273708.9A CN202210273708A CN114782480B CN 114782480 B CN114782480 B CN 114782480B CN 202210273708 A CN202210273708 A CN 202210273708A CN 114782480 B CN114782480 B CN 114782480B
- Authority
- CN
- China
- Prior art keywords
- image
- peak
- sar image
- window
- lambda
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 abstract description 2
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 2
- AFCARXCZXQIEQB-UHFFFAOYSA-N N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical compound O=C(CCNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 AFCARXCZXQIEQB-UHFFFAOYSA-N 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- YLZOPXRUQYQQID-UHFFFAOYSA-N 3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]propan-1-one Chemical compound N1N=NC=2CN(CCC=21)CCC(=O)N1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F YLZOPXRUQYQQID-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种SAR图像中车辆类目标的自动提取方法，包括如下步骤：步骤1，对输入的二维SAR图像进行滤波；步骤2，对滤波后的图像进行局部极大值判断；步骤3，对每个窗口中得到的极大值坐标进行记录，并在SAR图像中标记；步骤4，对峰值点公进行泰勒展开后转化为二次抛物面方程。本发明所公开的方法，能够实现车辆类目标与土地、草地等背景的自动分割，并输出提取后的纯目标SAR图像（背景纯黑色）。同时，本方法也可输出目标经线性映射后的伪彩图像，以及目标散射中心点标记图，便于人员目视观测。
Description
技术领域
本发明属于SAR图像处理领域，特别涉及该领域中的一种SAR图像中车辆类目标的自动提取方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar-SAR)是一种主动式微波传感器，具有全天候、全天时、多视角、穿透能力强以及与作用距离无关等特点，已广泛应用于城市规划、森林检测和军事侦察等领域。在进行SAR图像车辆类目标检测与识别的过程中，需实现目标与背景的分割，来进一步分析目标与背景的差异性。但是由于光学与SAR成像机理的不同，SAR图像无法较完整的描述目标的整体形状。经试验，现有常用的边缘检测算法不能有效的提取SAR图像中车辆类目标的轮廓，无法实现SAR图像中车辆类目标的自动提取。
发明内容
本发明所要解决的技术问题就是提供一种SAR图像中车辆类目标的自动提取方法。
本发明采用如下技术方案：
一种SAR图像中车辆类目标的自动提取方法，其改进之处在于，包括如下步骤：
步骤1，对输入的二维SAR图像f(x，y)进行滤波，x，y为幅度图像中的坐标，采用3*3窗口，输出g(x，y)＝med{f(x-k，y-l)，(k，l）∈W}，其中g(x，y)为处理后的图像，med代表中值滤波运算，W为窗口大小，k，l为索引值；
步骤2，对滤波后的图像进行局部极大值判断，SAR图像上的峰值点公式为 其中e表示自然指数，u，v表示峰值点在u轴和v轴的坐标，u0，v0为峰值中心点在图像中的位置，/>为峰值在旋转后的u轴和v轴的宽度，H为峰值幅度，其对应的二阶黑塞矩阵为/>求得峰值函数的二阶导数其中α表示沿任意方向，带入瑞利-里茨法不等式λmin||x||≤xTHx≤λmax||x||，得λmin≤I″α(x，y)x，y≤λmax，其中λmin，λmax为黑塞矩阵的特征值，xT为x的转置运算，若λmin＜0且λmax＜0，则函数在任意方向的二阶导数均小于0，判断每个窗口存在局部极大值；
步骤3，对每个窗口中得到的极大值坐标进行记录，并在SAR图像中标记；
步骤4，对峰值点公式进行泰勒展开后转化为二次抛物面方程：
其中，d＝-2a·x0-cy0，d1＝-2b·y0-cx0，f＝a·x0+by0+cx0·y0+H，x0，y0为峰值中心点在图像中的位置，θ为峰值函数的长轴与x轴的夹角，若存在局部极大值，则将窗口中的坐标与相应值代入式(1)中求得a，b，c，d，d1，f的值，并进一步求得sinθ，cosθ，x0，y0，/>
采用最小二乘法进行I(x，y)的二次曲面拟合，拟合函数为
在matlab中绘制该拟合函数的图像得到三维矩阵k1(x，y，z)，滤除G、B两通道并缩放至原图大小得到图像k2(x，y)，最后经二值化变换得到图像k3(x，y)，令T(x，y)＝f(x，y)×k3(x，y)，则T(x，y)为提取的目标图像。
本发明的有益效果是：
本发明所公开的方法，能够实现车辆类目标与土地、草地等背景的自动分割，并输出提取后的纯目标SAR图像(背景纯黑色)。同时，本方法也可输出目标经线性映射后的伪彩图像，以及目标散射中心点标记图，便于人员目视观测。
本发明所公开的方法，充分考虑了SAR图像的成像特点，通过对图像电磁特性的挖掘有效的区分出了SAR图像中的目标和背景。通过对最小二乘法拟合生成的伪彩图像进行相应处理，有效的解决了SAR图像中背景的滤除问题。
附图说明
图1是本发明方法的流程示意图；
图2是实施例1中车辆目标的可见光图像；
图3是实施例1中车辆目标的SAR图像f(x，y)；
图4是实施例1中车辆目标的去噪后图像g(x，y)；
图5是实施例1中车辆目标的散射中心图；
图6是实施例1中车辆目标的伪彩图k1(x，y，z)；
图7是实施例1中车辆目标的滤波后图像k2(x，y)；
图8是实施例1中车辆目标的二值化图像k3(x，y)；
图9是实施例1中提取的目标图像T(x，y)；
图10是实施例2中车辆目标的可见光图像；
图11是实施例2中车辆目标的实采SAR图像f(x，y)；
图12是实施例2中车辆目标的去噪后图像g(x，y)；
图13是实施例2中车辆目标的散射中心图；
图14是实施例2中车辆目标的伪彩图k1(x，y，z)；
图15是实施例2中车辆目标的滤波后图像k2(x，y)；
图16是实施例2中车辆目标的二值化图像k3(x，y)；
图17是实施例2中提取的目标图像T(x，y)。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明公开了一种SAR图像中车辆类目标的自动提取方法，如图1所示，主要由以下4部分构成：SAR图像预处理、最小二乘法拟合与峰值点提取、伪彩图像生成处理、矩阵运算。
其中SAR图像预处理主要对原始图像进行中值滤波，降低图像噪声，使图像更加平滑便于后续峰值点计算；最小二乘法拟合与峰值点提取主要实现散射体与冲击函数卷积的二次函数拟合，构造拟合函数曲面，并对图像进行n×n的滑窗(n取决于图像大小)遍历，利用二阶黑塞(hessian)矩阵判断窗口内是否存在极值点，记录极值点坐标并投影到原图输出；伪彩图像生成处理主要进行拟合函数的线性映射来生成伪彩图，并缩放至原图尺寸，滤除G、B两通道的像素值，并进一步对得到的图像二值化；矩阵运算主要完成二值化图像与原图相对应坐标点的像素值的乘法运算，滤除背景，得出纯目标SAR图像。
具体包括如下步骤：
步骤1，对输入的二维SAR图像f(x，y)进行滤波，x，y为幅度图像中的坐标，采用3*3窗口，输出g(x，y)＝med{f(x-k，y-l)，(k，l)∈W}，其中g(x，y)为处理后的图像，med代表中值滤波运算，W为窗口大小，k，l为索引值；
步骤2，对滤波后的图像进行局部极大值判断，SAR图像上的峰值点公式为 其中e表示自然指数，u，v表示峰值点在u轴和v轴的坐标，u0，v0为峰值中心点在图像中的位置，/>为峰值在旋转后的u轴和v轴的宽度，H为峰值幅度，其对应的二阶黑塞矩阵为/>其中I为图像峰值，求得峰值函数的二阶导数/>其中α表示沿任意方向，带入瑞利-里茨法不等式λmin||x||≤xTHx≤λmax||x||，得λmin≤I″α(x，y)x，y≤λmax，其中λmin，λmax为黑塞矩阵的特征值，xT为x的转置运算，若λmin＜0且λmax＜0，则函数在任意方向的二阶导数均小于0，判断每个窗口存在局部极大值；本发明采用5*5大小窗口对SAR图像进行遍历。
步骤3，对每个窗口中得到的极大值坐标进行记录，并在SAR图像中标记；
步骤4，对峰值点公式进行泰勒展开后转化为二次抛物面方程：
其中，d＝-2a·x0-cy0，d1＝-2b·y0-cx0，f＝a·x0+by0+cx0·y0+H，x0，y0为峰值中心点在图像中的位置，θ为峰值函数的长轴与x轴的夹角，若存在局部极大值，则将窗口中的坐标与相应值代入式(1)中求得a，b，c，d，d1，f的值，并进一步求得sinθ，cosθ，x0，y0，/>
相较于传统的边缘检测算法，本发明采用最小二乘法进行I(x，y)的二次曲面拟合，拟合函数为
在matlab中绘制该拟合函数的图像得到三维矩阵k1(x，y，z)，滤除G、B两通道并缩放至原图大小得到图像k2(x，y)，最后经二值化变换得到图像k3(x，y)，令T(x，y)＝f(x，y)×k3(x，y)，则T(x，y)为提取的目标图像。
实施例1，基于MSTAR开源数据库车辆目标自动提取：
图2是实施例1中车辆目标的可见光图像；图3是实施例1中车辆目标的SAR图像f(x，y)；图4是实施例1中车辆目标的去噪后图像g(x，y)；图5是实施例1中车辆目标的散射中心图；图6是实施例1中车辆目标的伪彩图k1(x，y，z)；图7是实施例1中车辆目标的滤波后图像k2(x，y)；图8是实施例1中车辆目标的二值化图像k3(x，y)；图9是实施例1中提取的目标图像T(x，y)；
实施例2，基于实采数据车辆目标自动提取：
图10是实施例2中车辆目标的可见光图像；图11是实施例2中车辆目标的实采SAR图像f(x，y0；图12是实施例2中车辆目标的去噪后图像g(x，y)；图13是实施例2中车辆目标的散射中心图；图14是实施例2中车辆目标的伪彩图k1(x，y，z)；图15是实施例2中车辆目标的滤波后图像k2(x，y)；图16是实施例2中车辆目标的二值化图像k3(x，y)；图17是实施例2中提取的目标图像T(x，y)。
Claims (1)
1.一种SAR图像中车辆类目标的自动提取方法，其特征在于，包括如下步骤：
步骤1，对输入的二维SAR图像f(x，y)进行滤波，x，y为幅度图像中的坐标，采用3*3窗口，输出g(x，y)＝med{f(x-k，y-l)，(k，l)∈W}，其中g(x，y)为处理后的图像，med代表中值滤波运算，W为窗口大小，k，l为索引值；
步骤2，对滤波后的图像进行局部极大值判断，SAR图像上的峰值点公式为 其中e表示自然指数，u，v表示峰值点在u轴和v轴的坐标，u0，v0为峰值中心点在图像中的位置，/>为峰值在旋转后的u轴和v轴的宽度，H为峰值幅度，其对应的二阶黑塞矩阵为/>求得峰值函数的二阶导数其中α表示沿任意方向，带入瑞利-里茨法不等式λmin||x||≤xTHx≤λmax||x||，得λmin≤I″α(x，y)≤λmax，其中λmin，λmax为黑塞矩阵的特征值，xT为x的转置运算，若λmin＜0且λmax＜0，则函数在任意方向的二阶导数均小于0，判断每个窗口存在局部极大值；
步骤3，对每个窗口中得到的极大值坐标进行记录，并在SAR图像中标记；
步骤4，对峰值点公式进行泰勒展开后转化为二次抛物面方程：
其中， d＝-2a·x0-cy0，d1＝-2b·y0-cx0，f＝a·x0+by0+cx0·y0+H，x0，y0为峰值中心点在图像中的位置，θ为峰值函数的长轴与x轴的夹角，若存在局部极大值，则将窗口中的坐标与相应值代入式(1)中求得a，b，c，d，d1，f的值，并进一步求得sinθ，cosθ，x0，y0，/>
采用最小二乘法进行I(x，y)的二次曲面拟合，拟合函数为
在matlab中绘制该拟合函数的图像得到三维矩阵k1(x，y，z)，滤除G、B两通道并缩放至原图大小得到图像k2(x，y)，最后经二值化变换得到图像k3(x，y)，令T(x，y)＝f(x，y)×k3(x，y)，则T(x，y)为提取的目标图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210273708.9A CN114782480B (zh) | 2022-03-19 | 2022-03-19 | 一种sar图像中车辆类目标的自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210273708.9A CN114782480B (zh) | 2022-03-19 | 2022-03-19 | 一种sar图像中车辆类目标的自动提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114782480A CN114782480A (zh) | 2022-07-22 |
| CN114782480B true CN114782480B (zh) | 2024-04-09 |
Family
ID=82425649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210273708.9A Active CN114782480B (zh) | 2022-03-19 | 2022-03-19 | 一种sar图像中车辆类目标的自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114782480B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004309158A (ja) * | 2003-04-02 | 2004-11-04 | Mitsubishi Electric Corp | 画像レーダ装置及び超解像処理方法 |
| CN103456006A (zh) * | 2013-08-06 | 2013-12-18 | 北京航空航天大学 | 一种sar图像的油库目标定位方法 |
| CN107239740A (zh) * | 2017-05-05 | 2017-10-10 | 电子科技大学 | 一种多源特征融合的sar图像自动目标识别方法 |
| CN109766899A (zh) * | 2018-12-28 | 2019-05-17 | 西安电子科技大学 | 物理特征提取和svm的sar图像车辆目标识别方法 |
-
2022
- 2022-03-19 CN CN202210273708.9A patent/CN114782480B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004309158A (ja) * | 2003-04-02 | 2004-11-04 | Mitsubishi Electric Corp | 画像レーダ装置及び超解像処理方法 |
| CN103456006A (zh) * | 2013-08-06 | 2013-12-18 | 北京航空航天大学 | 一种sar图像的油库目标定位方法 |
| CN107239740A (zh) * | 2017-05-05 | 2017-10-10 | 电子科技大学 | 一种多源特征融合的sar图像自动目标识别方法 |
| CN109766899A (zh) * | 2018-12-28 | 2019-05-17 | 西安电子科技大学 | 物理特征提取和svm的sar图像车辆目标识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种子像素精度SAR图像目标峰值提取方法;计科峰, 高贵, 匡纲要;计算机仿真;20040930(09);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114782480A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Building change detection with RGB-D map generated from UAV images | |
| CN111079556A (zh) | 一种多时相无人机视频图像变化区域检测及分类方法 | |
| CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
| CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
| CN111738916B (zh) | 一种基于统计学的遥感影像广义阴影光谱重建方法和系统 | |
| Mostafa et al. | Shadow identification in high resolution satellite images in the presence of water regions | |
| CN110245566B (zh) | 一种基于背景特征的红外目标远距离追踪方法 | |
| CN108535681B (zh) | 一种透过散射介质的目标4d跟踪系统及方法 | |
| CN112016478B (zh) | 一种基于多光谱图像融合的复杂场景识别方法及系统 | |
| CN103984947A (zh) | 基于形态学房屋指数的高分辨率遥感影像房屋提取方法 | |
| CN105184804A (zh) | 基于机载红外相机航拍图像的海面小目标检测方法 | |
| CN115909028A (zh) | 一种基于梯度图像融合的高压隔离开关状态识别方法 | |
| Li et al. | Automatic infrared ship target segmentation based on structure tensor and maximum histogram entropy | |
| Wang et al. | Automatic building extraction from very high resolution satellite imagery using line segment detector | |
| Jiang et al. | Foreign object recognition technology for port transportation channel based on automatic image recognition | |
| CN114782480B (zh) | 一种sar图像中车辆类目标的自动提取方法 | |
| CN106355576A (zh) | 基于mrf图像分割算法的sar图像配准方法 | |
| Cai et al. | Man-made object detection based on texture clustering and geometric structure feature extracting | |
| CN116682024A (zh) | 一种基于四波段遥感影像的快速云检测方法 | |
| Yi-Bo et al. | A survey on feature extraction of SAR images | |
| Gao | Design and implementation of marine automatic target recognition system based on visible remote sensing images | |
| CN116862829A (zh) | 一种覆冰环境下架空线路弧垂监测方法及装置 | |
| CN115407282A (zh) | 一种短基线下基于干涉相位的sar有源欺骗干扰检测方法 | |
| CN115035326A (zh) | 一种雷达图像与光学图像精确匹配方法 | |
| CN110136128B (zh) | 基于Rao检验的SAR影像变化检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |