[发明专利]基于单幅SAR图像的车辆目标高度估计方法

权利要求书

1.一种基于单幅SAR图像的车辆目标高度估计方法，包括：

A.获取训练样本：

A1)输入SAR图像感兴趣区域的幅度图像：G＝{g_x,y|1≤x≤M,1≤y≤N}，其中，M为图像的行数，N为图像的列数，g_x,y代表幅度图像G中位于(x,y)处的像素；

A2)对幅度图像G依次进行直方图均衡化和平滑滤波，得到变换后的图像I；

A3)利用阈值分割的方式对变换后的图像I进行粗划分，得到五个粗划分子图像T₁、T₂、T₃、T₄和T₅，其中，T₁表示与变换后的图像I相比目标区域缩小的第一个粗划分子图像；T₂和T₃分别表示与变换后的图像I相比阴影区域缩小的第二个和第三个粗划分子图像，且第二个粗划分子图像T₂的阴影区域大于第三个粗划分子图像T₃；T₄表示与变化后的图像I相比目标区域扩大的第四个粗划分子图像；T₅表示与变换后的图像I相比阴影区域扩大的第五个粗划分子图像；

A4)对所述的五个粗划分子图像T₁、T₂、T₃、T₄和T₅依次做形态学开运算、二值化处理和聚类处理，分别得到五个精细划分子图像T₁′、T₂′、T₃′、T₄′和T₅′；

A5)利用所述的五个精细划分子图像T₁′、T₂′、T₃′、T₄′和T₅′，得到目标的训练样本模板P₁＝T₁′，阴影的训练样本模板P₂＝T₂′-T₃′，背景的训练样本模板P₃＝A-(T₄′+T₅′)，其中，A为M×N的矩阵，A(x,y)表示矩阵A中位于(x,y)处的元素，当11≤x≤M-10，11≤y≤N-10时，A(x,y)＝1，否则，A(x,y)＝0；

A6)将所述的三个训练样本模板P₁、P₂和P₃分别与原幅度图像G做像素点乘运算，依次得到目标、阴影和背景的训练样本图像P_t、P_s和P_b；

B.图像分割：

B1)对幅度图像G依次做中值滤波和高斯滤波，得到预处理后的图像J＝{j_x,y|1≤x≤M,1≤y≤N}，其中，j_x,y表示图像J中(x,y)处的元素值；

B2)将幅度图像G、预处理后的图像J以及所述的三个训练样本图像P_t、P_s和P_b带入马尔可夫随机场模型，根据最大似然准则和ICM算法对预处理后的图像J进行分割，得到分割图像Z，

C.利用分割图像Z中的阴影区域得到目标沿方位向的高度矢量：

C1)将分割图像Z的第x行表示为x∈[1,M]，分别统计Z_x中属于阴影区域的像素个数s_x，属于目标区域的像素个数t_x，以及目标区域与阴影区域间隔的像素个数gap_x；

C2)利用步骤C1)的统计数，计算分割图像Z的阴影区域所对应的高度矢量d＝[d₁,d₂,...d_x，...,d_M]，1≤x≤M；

D.对高度矢量d中最大的五个值做判别，以去除高度奇异值：

D1)将高度矢量d中最大值记为d_n，1≤n≤M，判别d_n与其相邻元素之差是否小于一个预先设定的判别门限ε，即判别条件为d_n-d_n-1<ε且d_n-d_n+1<ε，若满足判别条件，保留这个值并结束判别，否则，执行如下操作：

删去元素d_n并更新高度矢量为d′＝[d₁,d₂,...d_n-1,d_n+1,...,d_M]，再从更新后的高度矢量d′中找到最大值d_p，1≤p≤M，重复判别过程，直至满足判别条件或最大的五个值全部被删去时结束判别；

D2)判别结束后，将此时高度矢量中的最大值赋予步骤D1)中被删去的各元素，得到去除了奇异值的高度矢量

E.利用分割图像Z中目标区域与阴影区域的间隔对去除了奇异值的高度矢量进行修正，得到目标高度估计值。