[发明专利]一种基于联合显著性分析的SAR图像油库区检测方法

说明书

本发明公开一种基于联合显著性分析的SAR图像油库区检测方法，属于SAR图像处理及图像识别技术领域。实施过程包括：1)利用增强的方向平滑滤波器对一组SAR图像进行降噪处理；2)提取一组SAR图像中的亮度特征、纹理特征和曲线特征；3)利用模糊C均值聚类获得簇；4)利用全局对比度计算各个簇的显著值，得到共性显著特征图；5)计算每幅图像的共生直方图，通过分析共生直方图，计算得到单图显著特征图；6)融合共性显著特征图和单图显著特征图，得到油库区显著图；7)通过最大类间方差法进行阈值分割提取油库区。与传统的方法相比，本发明实现了对SAR图像油库区的准确提取，可应用于港区建设、环境监测及石油储量分析等方面。

技术领域

本发明属于遥感图像处理及图像识别技术领域，具体涉及一种基于联合显著性分析的SAR图像油库区检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)不受天气、光照等条件的限制，具有无可比拟的全天候、全天时等诸多优点，因此被广泛应用于船只检测、地形勘察、资源勘探、目标识别以及环境监测等各个方面。SAR系统中雷达技术的不断发展使得SAR图像的分辨率日益提高，数据量不断增加，因此传统的SAR图像解译方法已经不能满足海量数据的处理要求。如何从复杂的地物场景中有效检测出SAR图像目标，如：车辆、舰船、坦克、油库等，目前已成为遥感图像处理及图像识别技术领域的研究热点。

最早开展SAR图像目标识别技术研究的是美国麻省理工学院的林肯实验室。林肯实验室的SAIP系统，使用的是经典的模板匹配方法。基于模板匹配的方法简单易实现，但由于SAR图像特征常常受各种因素的影响发生显著的变化，使得模板匹配方法在面对较为复杂的目标或有较强背景杂波干扰时常常发生漏检与误检等问题，已无法满足人们的需要。

一些专家学者借鉴了光学遥感影像的目标检测方法，提出了SAR图像的目标检测模型。但是SAR图像成像机制与光学遥感影像不同，如果直接使用现有的模型来处理SAR图像，将存在以下几个主要问题：(1)由于SAR独特的相干成像原理，SAR图像中存在大量的斑点噪声，这和光学遥感影像中的加性噪声不同。斑点噪声严重地影响了SAR图像的质量，并且也给后续的目标检测带来不利影响。(2)SAR数据成像时对目标的方位角变化很敏感，方位角不同会导致成像结果产生很大的差异，SAR图像中的目标信息也会产生变化。因此光学遥感影像中常用的边界信息无法在SAR图像中发挥作用。(3)与光学遥感影像不同，SAR图像缺少光谱信息，因此一些常用的光学遥感影像特征无法应用于SAR图像。此外，SAR图像中的目标一般在图像中只占很小的比例，使得目标检测精度严重下降。例如，使用Zhang等人在文章“Regions of Interest Detection in Panchromatic Remote Sensing ImagesBased on Multiscale Feature Fusion”中提出的基于多尺度特征融合的MFF模型进行SAR图像目标检测，将无法获取精确结果。

人眼在面对外界海量的信息时处理能力是有限的，视觉注意机制是保证信息处理过程中高效率的关键，它使得人眼只对其中显著的信息做出响应而舍弃其他不重要的信息。视觉显著性就是受此原理发展起来的，它的目标是在处理图像时使计算机可以具备类似人眼视觉的主动性和选择性。由于显著性目标检测具有不依赖先验知识、识别准确率高以及能快速检测出图像中的显著目标等优势，它已经被广泛应用于自然景物图像目标检测和光学遥感影像分析领域。利用显著性检测方法获取图像中的显著目标后，其结果可用于图像重建、图像融合和变化检测等领域，并且可以大大降低计算量。例如Imamoglu等人在文章“Asaliency detection model using low-level features based on wavelettransform”中提出的基于小波变换的WT模型，能够较为准确高效的计算自然景物图像的显著图并提取显著目标。因此，将视觉显著性引入SAR图像处理，能够为高效、精确地从SAR图像中提取出目标提供新的思路。