发明名称 |
一种大尺寸星载SAR图像的机场自动检测方法 |
摘要 |
本发明涉及一种大尺寸星载SAR图像的机场自动检测方法,包括以下步骤:A.基于最大后验概率准则进行SAR图像分割;B.根据机场像素强度和面积提取兴趣目标;C.提取兴趣目标的尺度和旋转不变参数;D.根据目标的尺度和旋转不变参数,训练支持向量机分类器,并对兴趣目标进行分类,得到初步检测结果;E.对初步检测结果进行平行跑道检测,保留具有平行跑道的目标作为最终检测结果。与现有技术相比,本发明识别速度快、识别质量好以及识别正确率高。 |
申请公布号 |
CN101923165B |
申请公布日期 |
2013.02.13 |
申请号 |
CN200910053178.1 |
申请日期 |
2009.06.16 |
申请人 |
同济大学 |
发明人 |
张绍明;林怡;陈映鹰 |
分类号 |
G01S13/90(2006.01)I;G06T7/00(2006.01)I |
主分类号 |
G01S13/90(2006.01)I |
代理机构 |
上海科盛知识产权代理有限公司 31225 |
代理人 |
赵志远 |
主权项 |
1.一种大尺寸星载SAR图像的机场自动检测方法,其特征在于,包括以下步骤:A.基于最大后验概率准则进行SAR图像分割;B.根据机场像素强度和面积提取兴趣目标;C.提取兴趣目标的尺度和旋转不变参数;D.根据兴趣目标的尺度和旋转不变参数,训练支持向量机分类器,并对兴趣目标进行分类,得到初步检测结果;E.对初步检测结果进行平行跑道检测,保留具有平行跑道的目标作为最终检测结果;步骤A进一步包括:1)建立观测模型:利用广义瑞利分布或长拖尾瑞利分布对SAR图像强度观测值进行概率建模,该模型为:<img file="FDA00002137585500011.GIF" wi="743" he="91" />其中y为SAR图像观测强度,x为图像分割结果,γ和α为模型参数,J<sub>0</sub>为零阶第一类贝塞尔函数;2)建立先验模型:利用马尔科夫随机场对分割结果的先验概率进行建模,利用吉布斯分布显示表达局部马尔科夫性,该吉布斯分布的表达式为:p(x)=exp{-U(x)/T}/Z,x为图像分割结果,U(x)为能量函数,Z为归一化系数;3)最大后验概率图像分割:根据ICM算法以及Beyes公式,使p(y|x)p(x)最大,得到图像分割结果。 |
地址 |
200092 上海市杨浦区四平路1239号 |