大場景SAR圖像機場檢測方法研究.pdf

1、機場檢測在軍事和民用上都有著重要的意義，受到越來越多的關(guān)注。隨著SAR成像技術(shù)的快速發(fā)展，圖像覆蓋范圍越來越廣，分辨率越來越高，人們迫切需要從大量的大場景SAR圖像中快速、準(zhǔn)確地檢測出機場目標(biāo)，以減輕圖像解譯人員繁重的工作負(fù)擔(dān)。然而，現(xiàn)有大場景圖像機場檢測方法所采用的圖像分割方法效果欠佳、魯棒性不強，直線特征提取方法耗時長且易產(chǎn)生斷裂。針對這些問題，本文重點研究了SAR圖像的分割、線基元的提取以及線基元的連接，并結(jié)合這些方法研究并實現(xiàn)了

2、大場景SAR圖像中的機場檢測問題，論文主要工作和成果如下：
　　1.針對SAR圖像乘性噪聲特點，以及非迭代PPB(Probabilistic Patch-Based)算法運行速度慢的缺點，提出了結(jié)合非迭代PPB的快速模糊C均值(Fast Fuzzy C-means Method with Non-iterative PPB，NPPB_FFCM)圖像分割算法。該算法以非迭代PPB的濾波權(quán)值系數(shù)作為像素點間的相似度測量，生成對相干斑噪

3、聲敏感度低的加權(quán)和圖像；為加速圖像的重建，采用積分圖的思想，解決非迭代PPB算法運行速度慢的問題；為保持圖像邊緣，利用統(tǒng)計方向的方法修正非線性加權(quán)和圖像。實驗結(jié)果表明，本文方法將相干斑噪聲抑制融入分割處理中，運行速度較快，并且邊緣保持能力較強，適用于SAR圖像分割。
　　2.針對現(xiàn)有啟發(fā)式搜索算法適用于光學(xué)圖像的直線特征提取，但對SAR圖像效果并不理想的問題，提出一種SAR圖像直線特征提取的啟發(fā)式搜索算法。首先對SAR圖像進行Fr

4、ost濾波，然后利用指數(shù)加權(quán)均值比(ROEWA)算子進行邊緣檢測，再利用非極值抑制得到邊緣二值圖，最后采用二次搜索策略及“直線走原則”，充分考慮局部信息，設(shè)計啟發(fā)式搜索的代價函數(shù)及搜索規(guī)則，實現(xiàn)直線特征提取。實驗結(jié)果表明，該方法具有較好的抗噪性和抗斷裂能力，能夠有效地提取出SAR圖像中的直線特征。
　　3.針對現(xiàn)有線基元間距離測量不準(zhǔn)確的問題，提出了一種新的線基元間距離測度方法。該方法以線基元上每個點到基準(zhǔn)線基元的帶符號距離的均值

5、作為兩條線基元間的距離。實驗結(jié)果表明，相較于以截距差作為線基元間距離的方法，新的共線性測度方法具有更高的準(zhǔn)確性，大大減少了線基元的誤連接和欠連接。
　　4.結(jié)合NPPB_FFCM算法和啟發(fā)式搜索算法，提出大場景SAR圖像機場自動檢測方法。首先，對圖像降采樣，以減少運算量；然后，采用NPPB_FFCM算法對圖像進行分割，以提取出感興趣區(qū)域(Region of Interest,ROI)，根據(jù)機場的面積及長寬比等先驗知識剔除部分虛假目

6、標(biāo)；其次基于原始分辨率的ROI，利用啟發(fā)式搜索提取線基元，并進行線基元的連接；最后，利用平行線特征和灰度特征實現(xiàn)機場的檢測。實驗結(jié)果表明，本文方法能夠有效地檢測出大場景SAR圖像中線特征明顯的機場目標(biāo)，具有較強的適用性和較好的處理效果。
　　5.在檢測出機場目標(biāo)的基礎(chǔ)上，實現(xiàn)了機場各要素的提取。首先，采用NPPB_FFCM算法對機場切片圖像進行多類分割，利用平行線對提取出機場整體區(qū)域；該方法與傳統(tǒng)的區(qū)域生長方法相比，效果更佳，抗噪

7、聲性能較高；然后，分別利用平行線對與跑道、與聯(lián)絡(luò)道之間的關(guān)系，在機場整體區(qū)域中提取出跑道和聯(lián)絡(luò)道；最后，機場整體區(qū)域去除跑道和聯(lián)絡(luò)道區(qū)域，再剔除小面積區(qū)域即為機場停機坪。實驗結(jié)果驗證了本文方法的有效性。
　　6.基于大場景SAR圖像機場檢測方法，利用C#語言開發(fā)了一套SAR圖像機場檢測軟件。從整體角度出發(fā)，將NPPB_FFCM圖像分割功能模塊、直線特征提取功能模塊以及機場檢測功能模塊有機地整合到軟件中，并在軟件中增加了圖像數(shù)據(jù)的輸