基于单幅SAR图像的车辆目标高度估计方法

摘要

本发明公开了一种基于单幅SAR图像的车辆目标高度估计方法，主要解决现有技术估计精度和稳健性差的问题。其实现步骤为：(1)用阈值分割的图像处理方式通过设置不同的阈值获取SAR图像中三类样本；(2)将SAR图像和三类样本带入MRF模型，根据最大似然准则和ICM算法得到分割图像；(3)利用分割图像中阴影区域的像素集合得到目标沿方位向的粗略高度矢量，并对最大的几个值进行判别和修正，以去除高度奇异值；(4)联合目标与阴影区域的间隔，更新高度矢量，并将高度矢量的最大值作为车辆目标高度的估计值。本发明减小了人工干预，提高了雷达俯仰角、目标方位角和非主体性变化的稳健性和精确性，可用于SAR目标检测和识别。

主权项

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，即利用步骤C1)得到的属于阴影区域的像素个数s_x计算出一个高度值d_x，d_x＝s_x×sinθ×pixelspacing，进而得到与分割图像Z的阴影区域所对应的高度矢量d＝[d₁,d₂,...d_x,...,d_M]，其中，θ为雷达俯仰角，pixelspacing为SAR图像在距离向的像素间隔，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。