sar圖像檢測和識別研究進(jìn)展

sar圖像檢測和識別研究進(jìn)展

0sar圖像研究1951年，美國第一個提出了使用railaeconomica的概念。這是一個全球、時間和空間的特征。與其他遙感圖像相比，sar圖像具有完整的性質(zhì)、總時間和一定的透射能力等特點。與熒光和紅外等其他遙感圖像相比，它具有獨(dú)特的優(yōu)勢。近年來，ran圖像已成為中國民用遙感和其他研究領(lǐng)域的熱點。因此，對sar圖像的處理和識別已成為信息領(lǐng)域研究的重要問題。美國是第一位研究sar圖像的國家。20世紀(jì)50年代，她開始研究sar圖像。20世紀(jì)80年代，航空母艦雷達(dá)的成功發(fā)射震驚了科學(xué)界。20世紀(jì)90年代，世界上形成了雷達(dá)遙感的高峰。前蘇聯(lián)、歐洲空間管理局、加拿大和日本先后發(fā)射了自己的雷達(dá)衛(wèi)星。中國對sar圖像的研究起步較晚。1979年，進(jìn)行了一次空間sar遙感試驗。首先，接收雷達(dá)圖像的質(zhì)量不高。近20年來，中國的sar圖像研究也取得了很大進(jìn)展。SAR圖像的特征決定其應(yīng)用的廣泛性,同時也增加了對SAR圖像處理與識別的復(fù)雜性.它不像光學(xué)圖像那樣清晰直觀、邊緣易于檢測.SAR圖像不僅具有光學(xué)圖像的幾何特征,同時還具有重要的電磁特征.由單幅SAR圖像不僅可以提取目標(biāo)的幾何特征,而且可以提取目標(biāo)的三維高程信息和運(yùn)動速度信息.這些信息的提取不僅需要較系統(tǒng)的數(shù)學(xué)知識,而且需要較系統(tǒng)的電磁理論知識,從而增大了圖像理解的難度.對SAR圖像的識別研究主要集中在自動檢測和自動識別的方法研究,下面就SAR圖像中目標(biāo)的預(yù)處理、自動檢測和識別方面的研究進(jìn)展和發(fā)展趨勢作以綜述.1圖像自動檢測與識別研究的主要進(jìn)展1.1sar圖像的去噪處理在SAR圖像的特征提取與目標(biāo)識別方面,國內(nèi)外學(xué)者已做了很多工作,早期工作主要集中在噪聲抑制等預(yù)處理方面.成像雷達(dá)獲得的SAR圖像是地物對雷達(dá)波散射特性的反映.由于成像雷達(dá)發(fā)射的是純相干波,這種信號照射目標(biāo)時,目標(biāo)的隨機(jī)散射信號與發(fā)射信號的干涉產(chǎn)生斑點噪聲,并使圖像的像素灰度值劇烈變化,即在均勻的目標(biāo)表面,有的像素呈亮點,有的呈暗點,模糊了圖像的精細(xì)結(jié)構(gòu),使圖像解釋能力降低.因此,在對SAR圖像進(jìn)行自動檢測之前必須進(jìn)行去噪處理.去除斑點噪聲采用空域濾波算法,如均值濾波、中值濾波、Frost濾波、Lee濾波、GammaMAP濾波等方法.劉永昌、張平、嚴(yán)衛(wèi)東在一般方法基礎(chǔ)上提出了小波包域值法去除合成孔徑雷達(dá)圖像斑點噪聲方法;屈曉榮提出了基于自適應(yīng)加權(quán)中值濾波前處理的多尺度非線性閾值斑點噪聲消除算法和利用Harr小波基抑制條紋干擾的算法,取得了很有意義的研究成果;T.R.Crimmins提出幾何斑點濾波器,J.S.Lee提出局部濾波方法;ZhaohuiZeng、S.fukuda、E.P.Simoncelli等利用小波變換實現(xiàn)SAR圖像去噪.萬朋、王建國等人提出一種抑制SAR圖像相干斑噪聲和提取弱反射地物邊緣方法,采用最小錯誤準(zhǔn)則計算SAR圖像的理論分割閾值,通過逐次迭代得到其合理大小,利用形態(tài)算子作用于分割圖像獲得其邊緣.總之,在SAR圖像的預(yù)處理方面國內(nèi)外研究取得了較大進(jìn)展,圖像去噪水平有了很大提高,對于進(jìn)一步實現(xiàn)目標(biāo)的識別奠定了基礎(chǔ).1.2基于sar圖像的目標(biāo)提取和圖像特征檢測利用SAR圖像的識別特征來分析和提取目標(biāo)是SAR圖像中目標(biāo)檢測和識別的重要方法,而在SAR圖像的特征提取中應(yīng)用紋理特征和線特征等特征的研究較多.J.Chanussot提出多源數(shù)據(jù)模糊融合的邊界提取算子;法國巴黎高等電信工程學(xué)院的TupinF等人提出了適合貝葉斯框架下檢測線性特征的算法;A.Lopes,E.Nezry,R.Touz等人研究提出適用于邊界、線、點提取的結(jié)構(gòu)比率算子.在具體應(yīng)用中,JinFeiWang研究通過Hough變換實現(xiàn)線特征的自動檢測;為精確提取RadarsatSAR圖像上水稻田邊界信息,遙感所的邵蕓等人開發(fā)了一個二維八方向濾波算法并設(shè)計了優(yōu)化的邊界提取方案,將其應(yīng)用于“SAR技術(shù)用于南方水稻長勢監(jiān)測與土地利用調(diào)查應(yīng)用示范”研究中,在應(yīng)用中可降低水稻種植面積計算的誤差,進(jìn)一步提高水稻估產(chǎn)的精度.李巖、彭少麟、廖其芳等人研究采用加拿大雷達(dá)衛(wèi)星(RADARSAT)窄波掃描模式(SNB)數(shù)據(jù),建立了基于RADARSATSNBSAR的雷達(dá)遙感時序信息水稻估產(chǎn)模型,以廣東省為例進(jìn)行了大范圍水稻估產(chǎn);法國的RogerFjortoft,ArmandLopes和PhilippeMarthon提出了SAR圖像中最佳的多邊緣檢測算法,他們提出針對SAR圖像的邊緣檢測器,這種檢測器在隨機(jī)多邊緣模型下以最小均方誤差判斷是最優(yōu)的;國防科大的楊龍、周智敏、黃海風(fēng)等人在線條目標(biāo)提取方面采用兩步檢測算子來檢測邊緣點,然后使用從相位編組思想演化而來的方向編組法形成直線條特征方法;王程、王潤生等人在直線提取方面針對SAR圖像中相干斑的統(tǒng)計特性,設(shè)計了對應(yīng)的直線提取算法,首先組合運(yùn)用Canny算子和Ratio算子得到邊緣點及其邊緣方向,然后根據(jù)邊緣方向一致性原理得到初始直線圖,最后通過高層編組方法連接由于噪聲引起的直線缺損;宋建社、袁禮海、陳智江等在目標(biāo)邊緣提取的基礎(chǔ)上,針對線性目標(biāo)設(shè)計了目標(biāo)重心提取算法,對環(huán)狀目標(biāo)設(shè)計了輪廓線追蹤算法,并給出了對目標(biāo)范圍、中心點標(biāo)識、目標(biāo)橫向、縱向“直徑”等計算方法;萬朋、王建國、趙志欽、黃順吉等提出了一種新的合成孔徑雷達(dá)圖像目標(biāo)檢測和識別方法,該方法根據(jù)SAR圖像統(tǒng)計分布特性,結(jié)合恒虛警檢測算法和小波變換提取感興趣的SAR圖像目標(biāo)特征;解放軍信息工程大學(xué)的朱彩英等對從合成孔徑雷達(dá)圖像上提取類似于居民地復(fù)雜結(jié)構(gòu)的目標(biāo)物進(jìn)行了探索研究,提出了一種新的提取雷達(dá)圖像上居民地的方法,該方法在共生矩陣紋理分析的基礎(chǔ)上,選取3個合適的特征分量合成彩色紋理特征圖像,再通過HIS變換獲得亮度分量,使用亮度閾值分割圖像來提取出居民地;韓萍等研究了一種基于KPCA(KernelPrincipalComponentAnalysis)和SVM(SupportVectorMachine)的合成孔徑雷達(dá)目標(biāo)特征提取與識別方法;電子科技大學(xué)的王運(yùn)鋒等提出了一種用最小二乘法擬合空間曲面的分維特征提取算法,并運(yùn)用該算法對SAR圖像進(jìn)行了特征提取.在道路和橋梁提取方面,國內(nèi)外學(xué)者都作了大量的工作并取得了較好的提取效果.FlorenceTupin,HenriMaitre等人研究SAR圖像中公路網(wǎng)的提取,他們首先利用局部線特征檢測算子提取基本線段,然后通過MRF完成線段的組織;酈蘇丹等提出一種兩步算法用于從合成孔徑雷達(dá)(SAR)圖像中無監(jiān)督地提取線性特征,特別是提取公路網(wǎng);湯志偉等在識別SAR圖像中橋梁目標(biāo)時,先對SAR圖像進(jìn)行預(yù)處理,排除明顯的非目標(biāo)區(qū),增強(qiáng)對目標(biāo)的識別效果,然后在此基礎(chǔ)上進(jìn)行針對橋梁形狀目標(biāo)的處理,包括方向比值法和雙邊參數(shù)法.由于在高分辨率SAR圖像中,道路在空間結(jié)構(gòu)上表現(xiàn)為一細(xì)長的且寬度基本恒定不變的均勻區(qū)域.所以中南大學(xué)的肖志強(qiáng)、鮑光淑提出一種從高分辨率SAR圖像中提取城市道路網(wǎng)絡(luò)的算法.具體過程是利用模糊C均值聚類方法對高分辨率SAR圖像進(jìn)行聚類分析,將道路類像素從原始圖像中分離出來,然后對聚類結(jié)果進(jìn)行細(xì)化,同時利用跟蹤算子消除短線段,以提取道路中心線二值圖的像素值作為圖像能量,應(yīng)用Snakes模型檢測道路網(wǎng)絡(luò).通過實際SAR圖像驗證,該算法可以準(zhǔn)確提取復(fù)雜的城市道路網(wǎng)絡(luò).1.3船舶目標(biāo)檢測方法圖像分割是把圖像中的目標(biāo)分成許多感興趣的區(qū)域與圖像中的物體目標(biāo)相對應(yīng).通過獲得目標(biāo)圖像的灰度范圍可檢測出目標(biāo)圖像.對于SAR圖像分割,R.Cook提出基于矩特征的區(qū)域融合分割方法;Y.Dong,B.C.Forster,P.A.Kelly等利用MRF完成雷達(dá)圖像的分割;C.Lemarechal研究了基于形態(tài)學(xué)的SAR圖像分割;R.W.Ives提出SAR圖像的像素分割方法;H.Derin提出基于復(fù)信號的SAR分割方法等;國防科技大學(xué)付琨,匡綱要,郁文賢等給出一種關(guān)于高分辨率、單極化SAR圖像目標(biāo)分類的完整算法.目前SAR圖像目標(biāo)的檢測與識別成為一個受到高度關(guān)注的領(lǐng)域.早期由于圖像分辨率不高,工作主要集中在目標(biāo)檢測方面.由于船舶通常存在大量的角反射,船舶目標(biāo)和海面有較強(qiáng)的對比度.閾值分割直接以圖像點的亮度為特征劃分目標(biāo),所以在對SAR圖像處理時應(yīng)用廣泛,而且簡單快捷.SAR圖像中檢測艦船目標(biāo)是有兩種方法:一種是直接檢測船舶目標(biāo);另一種思路是先檢測尾跡,再在尾跡附近尋找艦船目標(biāo).這兩種方法適用于不同情況,在背景噪聲較強(qiáng)、而艦船目標(biāo)比較小的情況下,由于尾跡線是很長的線目標(biāo),特征比較明顯,先檢測尾跡在檢測船舶目標(biāo)可以減少虛警.而直接檢測船舶目標(biāo)的優(yōu)點在于可以檢測靜止船舶.T.Maria,J.K.Tunaley等研究通過Radon變換檢測航跡;V.A.Nastassopoulos在Weibull分布的基礎(chǔ)上提出最優(yōu)CFAR檢測算子;W.W.Irving提出多分辨率目標(biāo)檢測;LeonidI.Perlovsky研究了基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法;L.Benyoussef利用匹配濾波器實現(xiàn)目標(biāo)檢測等.在應(yīng)用方面挪威國防研究中心從1985年就開始為歐洲航天局從事SAR圖像中艦船和航跡的檢測方面的研究,1992年他們就已完成使用ERS-1SAR數(shù)據(jù)的艦船和航跡的檢測系統(tǒng),可對特定海域、海灣港口進(jìn)行監(jiān)測.隨著SAR圖像分辨率的不斷提高,使得利用SAR圖像實現(xiàn)目標(biāo)識別成為可能.國內(nèi)學(xué)者在艦船檢測和航跡識別方面也作了大量工作,已有的對船舶目標(biāo)識別的研究工作許多是針對分辨率比較低的SAR圖像.在這些較低分辨率的SAR圖像中,圖像分辨率與船舶的尺寸基本相當(dāng),船舶目標(biāo)可以近似成一個點或少數(shù)幾個點組成的強(qiáng)目標(biāo),相對于海面有比較高的對比度.王世慶提出了一種由Radon變換與形態(tài)學(xué)圖像處理技術(shù)檢測船行尾跡的算法SWDRM(ShipWakeDetectionAlgorithmbasedonRadontransformationandMorphologicimageprocessingtechnology);周紅建提出應(yīng)用非線性拉伸的方法增強(qiáng)艦船目標(biāo),運(yùn)用形態(tài)學(xué)濾波的方法消除斑點,通過取閾值方法檢測出船目標(biāo)后,統(tǒng)計船目標(biāo)的長度以及中心位置等重要信息,檢測出船目標(biāo)后,使用曲線掃描的方法來進(jìn)一步檢測航跡特征.隨著SAR技術(shù)的成熟和高分辨率SAR圖像的出現(xiàn),對船舶目標(biāo)的檢測也不再只用點目標(biāo)檢測的方法,而是通過船舶目標(biāo)的小區(qū)域特征分析和提取船舶.如種勁松、朱敏慧針對高分辨率SAR圖像的艦船目標(biāo)檢測算法,利用KSW雙閾值分割技術(shù),其效果比傳統(tǒng)檢測方法好,有利于進(jìn)一步的目標(biāo)分類和識別;湯子躍、朱敏慧等提出了一種基于鄰近像素求和的SAR海面圖像艦船尾跡的恒虛警率檢測方法;鄒煥新等提出了一種結(jié)合小波多分辨率分析、自適應(yīng)閾值選擇、邊緣檢測算子和Radon變換進(jìn)行斑點噪聲抑制和航跡檢測的算法;羅強(qiáng)、羅莉等依據(jù)SAR圖像海洋背景和艦船目標(biāo)特點分析,提出了基于小波交換的衛(wèi)星SAR海洋圖像船舶目標(biāo)檢測方法.在SAR圖像上,艦船目標(biāo)清晰可見,進(jìn)行艦船及其尾跡檢測具有廣闊的應(yīng)用前景.隨著SAR技術(shù)向高分辨率、多極化等方式發(fā)展,利用SAR圖像進(jìn)行艦船及其尾跡檢測將具有更大的發(fā)展空間.1.4基于adts的sar目標(biāo)識別美國國防部高級研究計劃局(DARPA)提出了運(yùn)動、靜止目標(biāo)獲取與識別(MSTAR)計劃,目的是發(fā)展下一代SAR自動目標(biāo)識別系統(tǒng).該計劃提供一些軍事目標(biāo)的高分辨率航空SAR圖像作為研究對象,在分工合作的條件下進(jìn)行,很多大學(xué)和研究機(jī)構(gòu)參與研究工作,目前已經(jīng)取得重要研究成果.美國MIT的Lincoln實驗室在SAR目標(biāo)的檢測和識別中占有重要的地位,他們提供的ADTS(AdvangcedDetectionTechnologySensor)高分辨率機(jī)載SAR目標(biāo)數(shù)據(jù)用于自動目標(biāo)檢測和識別研究.利用這些數(shù)據(jù),QuocH.Pham和ChaninNilubol基于隱Markov模型完成目標(biāo)識別;Theera-Umpon提出利用形態(tài)學(xué)權(quán)值共享神經(jīng)網(wǎng)絡(luò)來解決SAR圖像中軍用車輛的檢測和識別問題.SARATR是自動或半自動SAR圖像解譯研究的一個重要方面,他具有重要的軍事意義.因此,目前世界各國都非常重視這方面的研究,典型的包括:美、俄、法、德、加、日、瑞典、意大利、南非等國,其中美國的處于國際領(lǐng)先地位.美國的SARATR研究主要有林肯實驗室基于模板的SARATR系統(tǒng)和MSTAR基于模型的SARATR系統(tǒng).在對SAR圖像中機(jī)場目標(biāo)研究方面國內(nèi)所做的研究還很少,桑農(nóng)、魯鵬、張?zhí)煨虻柔槍Φ托旁氡壤走_(dá)圖像的特點,在Radon變換的基礎(chǔ)上利用機(jī)場目標(biāo)和背景的雷達(dá)成像知識對Radon變換的結(jié)果進(jìn)行后處理,以便可靠地提取雷達(dá)圖像中的機(jī)場目標(biāo).而針對SAR圖像中飛機(jī)目標(biāo)識別的研究幾乎沒有相關(guān)報道.2主要問題和未來研究中的自動檢測和識別2.1sar圖像的分類在SAR圖像的利用方面,國外已從提出特征結(jié)構(gòu)向自動圖像理解與目標(biāo)識別方向發(fā)展,而國內(nèi)還處于目標(biāo)提取和檢測階段,對目標(biāo)的自動識別研究成果較少.SARATR最難實現(xiàn)的地方在于很難把SARATR的實驗結(jié)果推廣到一般的實際情況.雖然,可以從一個特定圖像集得到隨機(jī)樣本