| 主权项 |
异源SAR景象特征匹配算法性能评估方法，其特征在于，包括以下步骤：步骤1）基于ROC分类决策准则的边缘特征基准图制备a）对待评估算法按一定的间隔设置不同的阈值检测出基准影像的边缘，得到由许多边缘检测图组成的图集；b）对图集中的每个像素点进行相关分析与ROC类别判断分析，根据正确提取率与虚警率相平衡原则，将像素判定为边缘类别或背景类别，得到初次的边缘检测结果；c）以该检测结果为参照，进一步优化各种边缘检测算法的阈值，并生成精确的候选边缘检测图集，这样通过迭代优化，使用ROC分类决策准则结合多种边缘检测算法优点的同时抑制各自的缺点，最终制备出边缘特征基准图；步骤2）基于边缘相似性测度的定量评估d）使用某一待评估边缘检测算法提取实时图的边缘检测结果，将其作为实时图的边缘特征点集合，同样也将对应基准图的边缘特征点视为集合，通过探讨这两个集合之间单点对单点的最佳映射关系，构建集合间的相似性测度函数；e）采用基于改进遗传算法智能计算的最优指派问题求解技术，通过引进精英交叉策略和交叉、变异概率全局自适应引导方法，求解最优化相似性测度值；f）以定量的方式实现对实时图边缘检测结果的评估；步骤3）SAR影像评估指标选择与优化g）从实时图中手工截取包含机场、河流、湖泊、道路、大型建筑目标的影像块组成训练实时影像库，每一个训练实时影像均代表了一种真实的应用环境和具体的景象类型；h）分别从边缘信息、直方图信息与纹理信息角度来选择能够表征不同景象之间本质差异的度量特征，将其作为非参考评估指标；将制备的边缘特征基准图作为参考信息，计算它与当前边缘检测算法得到的边缘检测结果之间的参考评估指标；综合考虑这两类评估指标即体现影响边缘检测质量的大部分因素；i）对评估指标进行优化筛选，在保留典型性指标的同时去除影响较小的指标，从而减轻分类器学习的负担，提高分类评估模型的精度和效率；步骤4）基于SVM评估模型的定性评估j）将参考评估指标与非参考评估指标组成训练输入矢量，使用待评估边缘检测算法对实时图进行边缘检测，并将实时图边缘检测结果与边缘基准图的边缘特征进行景象匹配测试，根据实际匹配精度进行性能等级的排序，并将对应算法的类别号作为训练输出标记，训练输入矢量与对应的训练输出标记组成支持向量机的训练样本集，将2/3训练样本集用于训练，将剩下的1/3训练样本集用于检核，通过这种方式，将边缘检测质量评估看作性能等级的分类预测问题，即利用有限的支持向量点的线性组合训练分类决策函数，并通过检核数据来改进与优化决策函数；k）基于优化决策函数，以定性的方式实现对异源SAR景象匹配算法性能的评估。 |
