[发明专利]基于特征值的SAR图像溢油识别方法

权利要求书

1.一种基于特征值的SAR图像溢油识别方法，其特征在于包括如下步骤：

a、选取待识别的SAR图像，截取SAR图像中待判目标物的有效区域，即截取图像的目标区及其附近的有限区域背景作为待处理对象；

b、用改进的C-V模型对图像进行边缘检测确定目标边界，提取目标边界，即识别暗区，具体实现如下：

其中，μ≥0，υ≥0，λ₁＞0，λ₂＞0的参数，C为一逐渐逼近暗区边缘的轮廓线，c1，c2分别表示曲线C内部区域和外部区域的平均灰度，length算子计算C曲线的周长，inside算子计算C曲线内部，Area算子计算面积，第(1)项使曲线C保持一定的正则性，第(2)项使曲线C逐渐靠近物体的边缘，利用初始轮廓线C建立符号距离函数矩阵，在轮廓线内部为正，外部为负，通过函数变化，轮廓线不断靠近边缘，最终在边缘处停止，周围点符号相反的点就是边缘点；

c、提取目标，将目标物与背景分离后，对目标的特征值进行提取并进行量算，具体特征值的量算如下：

①.边界外亮度标准差比：暗区外的雷达平均后向散射强度与其标准差之比；

②.边界外雷达后向散射：在目标区外的一个限定区域内的雷达界面后向散射均值；

③.暗区雷达后向散射：区域内灰度平均值；

④.暗区标准差：暗区内后向散射标准差；

⑤.标准差比：暗区内外后向散射标准差之比；

⑥.形状因数：区域内灰度在其纵向轴上的离差；

⑦.亮度比：暗区内部以及外部限定区域内的后向散射均值的比率；

⑧.暗区亮度标准差比：暗区内部后向散射强度与灰度标准差之比； 

上述求得的特征值组成向量x，x＝[x1，x2，...xi]^T ，i＝8；

d、采用Mahalanobis距离和复合概率法对目标物进行识别：

首先将目标物的特征与已知的溢油模板相比较，已知图像目标区的特征向量x＝[x₁，x₂，…，x_i]^T，i为步骤c中特征值的个数，x_i是步骤c中进行量算的特征值，特征向量m_j，其中j＝1，2，为两个已知的分类即溢油和“相似物”，先求出特征向量x的协方差矩阵 然后根据公式r²_j＝(x-m_j)^TC^-1(x-m_j)求出图像目标区的特征向量x同已知的分类即溢油和“相似物”的特征向量m_j(j＝1，2)之间的Mahalanobis距离；

然后对处于暗区中的目标物属于溢油区或“相似物”中的一类进行复合概率的计算，考虑图像共有特征值i个，i＝1，2，...，8，其中第i个特征值是溢油的概率为p_i(x_i)、是“相似物”的概率为q_i(x_i)，然后利用函数 得出溢油类的复合概率p；

e、通过步骤d中两种方法对暗区的图像是否为溢油进行判断，首先对特征进行Mahalanobis距离判别，若r1＜r2，则判断x属于溢油，反之则为相似物，r1为目标物同已知的分类溢油之间的Mahalanobis距离，r2为目标物同已知的分类“相似物”之间的Mahalanobis距离，如果x与两个分类的Mahalanobis距离相差不大，则利用上述函数求出复合概率p作进行进一步判断，对于复合概率在67％-100％的确定为溢油，复合概率在33％以下的为“相似物”，介于34％和66％之间的不能确定是否为溢油。

2.根据权利要求1所述基于特征值的SAR图像溢油识别方法，其特征在于所述步骤d中Mahalanobis距离的具体求得过程为：先求出已知图像目标区的特征向量x的协方差矩阵 后从经验数据库中抽取已统计的k个溢油m1和“相似物”m2的样本，求出样本均值 和 然后分别求出x与 和 的Mahalanobis距离 其中j＝1，2。

3.根据权利要求1所述基于特征值的SAR图像溢油识别方法，其特征在于所述步骤d中所述的i为步骤c中所得的第i个特征值，其属于溢油的概率为p_i(x_i)，该特征所量算的结果在已知的溢油特征库中所出现的频率，同理求出第i个特征值在”相似物”中的概率为q_i(x_i)。