一種極化SAR圖像T型港口識(shí)別方法

劉春　殷君君　楊健

(清華大學(xué)電子工程系,北京 100084)

?

一種極化SAR圖像T型港口識(shí)別方法

劉春殷君君楊健

(清華大學(xué)電子工程系,北京 100084)

摘要針對(duì)T型港口特有的幾何結(jié)構(gòu)特征,提出了一種極化合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像T型港口識(shí)別方法．該方法利用基于區(qū)域統(tǒng)計(jì)特性的極化SAR數(shù)據(jù)水平集分割方法實(shí)現(xiàn)精確的海岸線(xiàn)提?。诖嘶A(chǔ)上通過(guò)曲線(xiàn)分裂歸并算法提取岸線(xiàn)特征點(diǎn),并利用T型港口始末特征點(diǎn)的近距離特性實(shí)現(xiàn)感興趣區(qū)域提?。缓蟛捎没阪湸a的直線(xiàn)判斷方法提取港口輪廓線(xiàn)段,并通過(guò)判斷輪廓平行直線(xiàn)和垂線(xiàn)特征實(shí)現(xiàn)T型港口的識(shí)別．使用伯克利地區(qū)TerraSAR極化SAR數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明了提出算法的有效性,能在大場(chǎng)景范圍內(nèi)正確識(shí)別出沿岸T型港口．

關(guān)鍵詞合成孔徑雷達(dá);港口識(shí)別;T型;極化

DOI10.13443/j.cjors.2015021201

Target recognition method for T-Shaped harbor in polarimetric SAR images

LIU ChunYIN JunjunYANG Jian

(DepartmentofElectronicEngineering,TsinghuaUniversity,Beijing100084,China)

Abstract A T-Shaped harbor recognition method is proposed in polarimetric synthetic aperture radar (SAR) images based on the geometrical characteristic of T-Shaped harbor. Accurate coastline is extracted using the region-based level set method of polarimetric SAR in this paper. Feature points of the extracted coastline are detected using merge and split algorithm of digital curve, and the regions of interest (ROI) are searched by the short distance characteristic between beginning point and end point. Then the line segments of ROI are recognized by chain codes method and T-Shaped harbors are recognized by detecting parallel line and perpendicular line structure of the ROI. The algorithm is tested using polarimetric SAR images acquired by TerraSAR over the Bekerley area. Experimental results demonstrate the effectiveness of the proposed algorithm that T-Shaped harbors are correctly recognized in large-scale scene.

KeywordsSAR; harbor recognition; T-Shaped; polarization

引言

高分辨率、多極化、多波段合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像使得精確的地物目標(biāo)識(shí)別成為可能,港口作為一類(lèi)重要的固定設(shè)施,其識(shí)別具有重要意義．港口在形態(tài)上表現(xiàn)為沿岸凸起或凹陷的區(qū)域,由于沿岸地形的復(fù)雜性及港口功能的多樣性,港口目標(biāo)形態(tài)呈現(xiàn)出多樣性．然而港口區(qū)域復(fù)雜的背景環(huán)境,SAR圖像強(qiáng)的相干斑噪聲都使得港口目標(biāo)識(shí)別難度較大．

在海陸分割基礎(chǔ)上,現(xiàn)有港口識(shí)別方法包括識(shí)別港口輪廓的幾何結(jié)構(gòu)和模板匹配兩類(lèi)．文獻(xiàn)[1]提出一種基于輪廓鏈碼度量的方法實(shí)現(xiàn)鋸齒狀港口識(shí)別．文獻(xiàn)[2-3]利用黑板框架生成系統(tǒng)逐級(jí)提取港口場(chǎng)景的線(xiàn)、長(zhǎng)線(xiàn)、折線(xiàn)、U型結(jié)構(gòu)和E型結(jié)構(gòu)實(shí)現(xiàn)不同類(lèi)型港口識(shí)別．文獻(xiàn)[4]利用輪廓的封閉性度量實(shí)現(xiàn)港口檢測(cè),通過(guò)提取港口輪廓的矩特征與已知模板匹配實(shí)現(xiàn)港口識(shí)別．文獻(xiàn)[5]利用岸線(xiàn)封閉性度量矩陣特征譜分割實(shí)現(xiàn)港口輪廓提取,通過(guò)與模板圖像特征譜匹配實(shí)現(xiàn)港口識(shí)別．由于港口輪廓幾何結(jié)構(gòu)的復(fù)雜性,基于港口輪廓幾何結(jié)構(gòu)的識(shí)別方法僅僅適用于港口輪廓凹凸有序情況．而基于模板匹配的方法需要建立港口模型的樣本庫(kù),在實(shí)際的港口識(shí)別中這兩種方法都存在一定的局限性．

大量港口SAR圖像統(tǒng)計(jì)發(fā)現(xiàn),作為一類(lèi)重要的港口,T型港口具有穩(wěn)定的幾何結(jié)構(gòu)特征,其長(zhǎng)條形的突堤兩側(cè)表現(xiàn)出良好的平行直線(xiàn)特征,而突堤前端泊船橫梁與突堤幾乎垂直．為此提出一種極化SAR圖像T型港口識(shí)別方法．該方法特點(diǎn)在于,充分利用極化SAR數(shù)據(jù)海面和陸地的統(tǒng)計(jì)特性,采用極化SAR數(shù)據(jù)水平集分割方法實(shí)現(xiàn)精確的海陸分割和岸線(xiàn)提取;根據(jù)T型港口輪廓線(xiàn)狹長(zhǎng)凸起特性進(jìn)行感興趣區(qū)域確定;對(duì)于感興趣區(qū)域,根據(jù)T型港口輪廓特有的平行和垂直結(jié)構(gòu)特性實(shí)現(xiàn)港口識(shí)別．

1T型港口識(shí)別方法

1.1海岸線(xiàn)及特征點(diǎn)提取

由于海面區(qū)域和陸地區(qū)域散射特性的差異,簡(jiǎn)單的極化SAR圖像海岸線(xiàn)提取可對(duì)總功率或某一通道強(qiáng)度進(jìn)行閾值分割或邊緣檢測(cè)實(shí)現(xiàn)[6]．然而由于SAR圖像強(qiáng)的乘性相干斑噪聲和沿岸復(fù)雜的地物環(huán)境影響,這些方法都難以提取連續(xù)的海岸線(xiàn),相應(yīng)的形態(tài)學(xué)、邊緣連接和邊緣跟蹤等處理繁瑣且魯棒性差．為提取出連續(xù)而精確的海岸線(xiàn),采用基于區(qū)域統(tǒng)計(jì)特性的極化SAR水平集分割方法實(shí)現(xiàn)海岸線(xiàn)檢測(cè)[7-8]．

考慮基于區(qū)域統(tǒng)計(jì)特性的極化SAR圖像最佳分割模型．對(duì)于兩區(qū)域的分割,若圖像平面表示為R,給定的極化SAR圖像表示為I,分割表示為Ρ={R1/R2},水陸交界線(xiàn)表示為閉合的曲線(xiàn)Γ,R1和R2分別表示由曲線(xiàn)P分割的陸地區(qū)域和水域．根據(jù)貝葉斯準(zhǔn)則,最佳分割為滿(mǎn)足后驗(yàn)概率密度最大的分割，即

(1)

式中,p(I|Ρ(R1,R2))為分割Ρ下圖像后驗(yàn)概率．

又因?yàn)閜(I|P)∝p(P|I)p(P),若陸地區(qū)域R1與水域R2相互獨(dú)立,區(qū)域條件概率密度函數(shù)分別為f(Ii|Ri),分割先驗(yàn)概率p(P)定義為輪廓線(xiàn)長(zhǎng)度函數(shù)p(P)∝e-ν|Γ|,ν>0,則由最大后驗(yàn)概率的對(duì)數(shù)值可得分割曲線(xiàn)的能量函數(shù)及分割模型的等價(jià)形式:

E(Γ,{R1,R2})=ν|Γ|-∫R1lgf(x|R1)dx-

∫R2lgf(x|R2)dx,

(2)

在設(shè)定的初始化曲線(xiàn)下,分割輪廓曲線(xiàn)可通過(guò)式(2)逐步演進(jìn)求解,但這樣需將曲線(xiàn)Γ參數(shù)化表示,對(duì)于輪廓曲線(xiàn)拓?fù)浣Y(jié)構(gòu)發(fā)生變化情況無(wú)法求解．水平集方法將曲線(xiàn)Γ隱式表示為一系列曲線(xiàn)(水平集函數(shù)Φ(c(t),t))零水平集對(duì)應(yīng)曲線(xiàn)Γ(t)={c(t)|Φ(c(t),t)=0},并根據(jù)曲線(xiàn)能量定義得到水平集泛函Φ的能量定義:

E(Φ)=ν∫R|H(Φ)|dx-

∫R(H(Φ)lg(f(x|R1))+

(1-H(Φ))lg(f(x|R2)))dx.

(3)

式中:H(Φ)為階躍函數(shù),H(Φ)=1如果Φ≥0,H(Φ)=0如果Φ<0．R1對(duì)應(yīng)Φ≥0區(qū)域,R2對(duì)應(yīng)Φ<0區(qū)域．通過(guò)變分法沿水平集能量函數(shù)負(fù)梯度方向逐次逼近,求解滿(mǎn)足能量最小的零水平集函數(shù),偏微分方程為

(4)

對(duì)于多視極化SAR圖像海面和陸地同質(zhì)區(qū)域,散射矩陣服從復(fù)Wishart分布,若區(qū)域相干矩陣均值為Σ,視數(shù)為L(zhǎng),則其相干矩陣C～W(Σ,L,p),

f(C|Σ,L,p)=

(5)

則對(duì)應(yīng)的水平集演進(jìn)方程為

(6)

式中, Σ1,Σ2分別為似然估計(jì)得到的海面和陸地區(qū)域的相干矩陣,為各區(qū)域相干矩陣的平均值．

在設(shè)定的初始化水平集函數(shù)和參數(shù)值下,利用式(6)迭代搜索可實(shí)現(xiàn)水平集分割算法[9-10]．在實(shí)現(xiàn)水平集分割算法后,根據(jù)兩分割區(qū)域的平均散射功率大小可判斷出兩區(qū)域的類(lèi)別,通常海面區(qū)域的平均散射功率?。纱朔指畹玫降暮Ｃ婧完懙貐^(qū)域仍然包括一些連通的小區(qū)域,在設(shè)定的面積閾值下可將這些區(qū)域移除．而對(duì)于陸地內(nèi)部的面積較大水域或低散射區(qū)域,計(jì)算其與主體海域輪廓距離,并在設(shè)定的距離閾值下可將其移除．

對(duì)于經(jīng)過(guò)面積和距離處理后的海陸分割二值圖,分別對(duì)各連通海域進(jìn)行二值圖邊緣跟蹤算法可得到海岸線(xiàn)的有序點(diǎn)表示．T型港口位于岸線(xiàn)狹長(zhǎng)凸起部分,為實(shí)現(xiàn)T型港口檢測(cè)首先需檢測(cè)出岸線(xiàn)特征點(diǎn)．對(duì)于二值圖像數(shù)字曲線(xiàn)特征點(diǎn)檢測(cè),常用方法包括基于角度的檢測(cè)方法[11]和基于曲線(xiàn)近似的方法[12]．由于沿岸自然地形的復(fù)雜性,一些天然凸起凹陷部分也會(huì)形成特征點(diǎn),T型港口輪廓特征點(diǎn)相對(duì)這些自然地形特征點(diǎn)更加顯著．基于曲線(xiàn)近似的方法更加易于檢測(cè)顯著特征點(diǎn)．經(jīng)典的曲線(xiàn)近似方法為Douglas-Peucker (D-P)分裂歸并算法,若海岸線(xiàn)的有序點(diǎn)集合為{Oi,i=1,2,…,M},D-P算法首先將起始點(diǎn)O1和終止點(diǎn)OM標(biāo)記為特征點(diǎn),并將離直線(xiàn)O1OM距離最遠(yuǎn)的點(diǎn)Ok標(biāo)記為特征點(diǎn),然后按相同的方式分別處理O1Ok和OkOM,并標(biāo)記出相應(yīng)的特征點(diǎn)．在設(shè)定的距離容限ε下,D-P算法遞歸迭代進(jìn)行直至各區(qū)間上點(diǎn)離對(duì)應(yīng)的直線(xiàn)段距離都小于ε為止．通過(guò)設(shè)定較大的ε值可將海岸線(xiàn)輪廓中顯著特征點(diǎn)檢測(cè)出．

1.2感興趣區(qū)域確定

T型港口輪廓表現(xiàn)為岸線(xiàn)輪廓凸起部分,其與陸地和海面接觸端點(diǎn)形成特征點(diǎn)并且距離較小,輪廓特征點(diǎn)數(shù)目至少5個(gè)以上．利用這些特性可以實(shí)現(xiàn)T型港口感興趣輪廓區(qū)域的提?。舾鶕?jù)D-P算法檢測(cè)出的特征點(diǎn)有序集合為{Pi,i=1,2,…,N},對(duì)特征點(diǎn)Pi,依次計(jì)算其后與其距離小于Dmax的若干個(gè)特征點(diǎn)與Pi的距離,找出所有距離小于設(shè)定閾值Dmin的特征點(diǎn){Fi,i=1,2,…,K},若點(diǎn)Pi與FK之間輪廓上特征點(diǎn)數(shù)目超過(guò)5個(gè),則可將其判定為感興趣區(qū)域．跳過(guò)已經(jīng)判定的輪廓特征點(diǎn),依次沿輪廓特征點(diǎn)進(jìn)行相同的處理,即可搜索出所有感興趣區(qū)域．

1.3T型港口結(jié)構(gòu)識(shí)別

規(guī)則的T型港口輪廓表現(xiàn)出良好的拓?fù)浣Y(jié)構(gòu)特性,可采用類(lèi)似文獻(xiàn)[1]中輪廓鏈碼的描述和度量方法實(shí)現(xiàn)這種結(jié)構(gòu)的識(shí)別,但是在實(shí)際SAR圖像中T型港口前端橫梁通常都?？恐恍┐?這些船只輪廓形成T型港口輪廓的一部分會(huì)干擾其結(jié)構(gòu)的識(shí)別．通常實(shí)際SAR圖像中T型港口長(zhǎng)條形的突堤兩側(cè)表現(xiàn)出良好的平行直線(xiàn)特征,而突堤前端泊船橫梁與突堤幾乎垂直．因此,利用這兩個(gè)顯著的結(jié)構(gòu)特征實(shí)現(xiàn)T型港口結(jié)構(gòu)識(shí)別．

直線(xiàn)特征檢測(cè)通常采用Hough變換實(shí)現(xiàn),然而由于SAR圖像乘性噪聲和強(qiáng)散射體二次回波干擾,SAR圖像中T型港口輪廓直線(xiàn)具有一定的毛刺,且T型港口兩側(cè)直線(xiàn)距離過(guò)近,采用Hough變換進(jìn)行直線(xiàn)特征提取具有一定難度．考慮到港口輪廓點(diǎn)已經(jīng)有序排列,采用基于鏈碼的快速直線(xiàn)檢測(cè)方法實(shí)現(xiàn)直線(xiàn)特征的提取[13]．

若感興趣區(qū)域輪廓Ψ有序點(diǎn)集合為{Oi,i=1,2,…,U},特征點(diǎn)有序集合為{Pj,j=1,2,…,V}．首先計(jì)算出輪廓所對(duì)應(yīng)的鏈碼{ai}U-1(ai∈{0,1,…,7}),然后依次對(duì)特征點(diǎn)Pk和Pk+1(k=1,2…,V-1)之間的鏈碼進(jìn)行直線(xiàn)判斷．若Pk和Pk+1之間鏈碼為{ai}W(i=s,…,t)(W為鏈碼長(zhǎng)度),將其按中點(diǎn)分為兩段{bi}(i=s,…,r)和{ci}(i=r,…,t),分別統(tǒng)計(jì){bi}和{ci}方向直方圖f(i)和g(i),分別確定兩直方圖f(i)和g(i)的最大值f1,g1和第二大值f2,g2及所對(duì)應(yīng)方向b1,c1和b2,c2．對(duì)于直線(xiàn)段鏈碼,一般情況b1=c1,若出現(xiàn)兩方向交替則b1=c2且b2=c1．而兩段直線(xiàn)主要方向之和在直線(xiàn)段中應(yīng)占有一定比例((f1+f2)+(g1+g2))>ε1W,兩段直線(xiàn)主要方向所占比例相差應(yīng)該不大((f1+f2)-(g1+g2))<ε2W/2．對(duì)于一般直線(xiàn)滿(mǎn)足0.8<ε1<1,ε2<0.15,而對(duì)于SAR圖像輪廓直線(xiàn)一般滿(mǎn)足0.5<ε1<1,ε2<0.2．若PkPk+1為直線(xiàn)段,對(duì)PkPk+1輪廓點(diǎn)坐標(biāo)進(jìn)行最小二乘估計(jì)即可確定直線(xiàn)的參數(shù),使用Ax+By+C=0表示輪廓直線(xiàn),其中C=min(X0,Y0),X0,Y0為圖像高度和寬度．

找出感興趣區(qū)域Ψ的所有直線(xiàn)段之后,根據(jù)直線(xiàn)的夾角、距離和端點(diǎn)距離進(jìn)行平行直線(xiàn)特征的判斷．若線(xiàn)段1為A1x+B1y+C=0,始末端點(diǎn)為U1,U2,線(xiàn)段2為A2x+B2y+C=0,始末端點(diǎn)為V1,V2,直線(xiàn)1與直線(xiàn)2的平分直線(xiàn)為直線(xiàn)3,表示為A3x+B3y+C=0,則平行直線(xiàn)的判定準(zhǔn)則如下:

a) 線(xiàn)段1與線(xiàn)段2方向向量夾角小于設(shè)定的閾值T1;

b)U1,U2中點(diǎn)至直線(xiàn)3距離D1與V1,V2中點(diǎn)至直線(xiàn)3距離D2之和D

c)U1U2和V1V2在直線(xiàn)3上投影距離的最大值L>T3,U1與V2在直線(xiàn)3上投影距離L1

其中直線(xiàn)3可通過(guò)求出直線(xiàn)1與直線(xiàn)2夾角α和交點(diǎn)I后,將直線(xiàn)1繞交點(diǎn)I旋轉(zhuǎn)α/2獲得,考慮到在滿(mǎn)足準(zhǔn)則a)下直線(xiàn)1與直線(xiàn)2夾角很小,近似求解直線(xiàn)3參數(shù)A3=(A1+A2)/2,B3=(B1+B2)/2．

由于部分港口防波堤或一些天然突堤也具有平行直線(xiàn)特征,對(duì)于存在平行直線(xiàn)的感興趣區(qū)域仍然存在一些虛警,因此要實(shí)現(xiàn)T型港口識(shí)別,還需判斷輪廓的垂直結(jié)構(gòu)．

對(duì)于感興趣區(qū)域Ψ的所有平行直線(xiàn)對(duì),找出長(zhǎng)度最大的一組U1U2和V1V2,確定其對(duì)應(yīng)的直線(xiàn)3和距離D．然后對(duì)端點(diǎn)U2和端點(diǎn)V1之間的輪廓點(diǎn)進(jìn)行直線(xiàn)估計(jì),并將所有輪廓點(diǎn)投影至直線(xiàn)4上．若估計(jì)出的直線(xiàn)4與直線(xiàn)3夾角θ滿(mǎn)足|θ-90°|<θ0,則判定為存在垂直結(jié)構(gòu)．對(duì)于存在垂直結(jié)構(gòu)的感興趣區(qū)域,若U2與V1輪廓點(diǎn)投影至直線(xiàn)4上位于平行直線(xiàn)對(duì)兩側(cè)長(zhǎng)度分別為R1,R2,則滿(mǎn)足R1>λD且R2>λD的區(qū)域可判定為存在T型港口,其中λ的大小根據(jù)實(shí)際T型港口選?。鬜1<λD且R2<λD,則判定為長(zhǎng)條形區(qū)域,若R1<λD,R2>λD或R1>λD,R2<λD則判定為Γ型港口．

2實(shí)驗(yàn)結(jié)果及分析

對(duì)2013年通過(guò)TerraSAR獲取的美國(guó)伯克利海岸區(qū)域極化SAR數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,數(shù)據(jù)大小10 000×12 000,圖像方位向分辨率為6.6m,距離向分辨率為1.84m．?dāng)?shù)據(jù)經(jīng)過(guò)2×2多視處理,圖1(a)為數(shù)據(jù)Pauli偽彩圖,其中白線(xiàn)框出區(qū)域?yàn)榇嬖赥型港口區(qū)域．

利用水平集方法進(jìn)行海陸分割時(shí),曲線(xiàn)規(guī)則化參數(shù)設(shè)置為0.2,迭代次數(shù)設(shè)置為100,小面積剔除閾值對(duì)于海面(陸地)設(shè)為水域(陸地)面積的1‰．圖1(b)為數(shù)據(jù)分割二值圖,其中紅線(xiàn)為對(duì)應(yīng)的海岸線(xiàn)．進(jìn)行D-P算法提取海岸線(xiàn)特征點(diǎn)時(shí),根據(jù)分辨率大小選擇距離誤差容限ε為10．圖1(b)中紅色*標(biāo)記點(diǎn)為檢測(cè)出的特征點(diǎn)．

(a) Pauli偽彩圖

(b) 海岸線(xiàn)及特征點(diǎn)檢測(cè)結(jié)果圖1　Pauli偽彩圖和海岸線(xiàn)及特征點(diǎn)檢測(cè)結(jié)果

進(jìn)行感興趣區(qū)域提取時(shí),根據(jù)圖像分辨率大小和經(jīng)驗(yàn)統(tǒng)計(jì),特征點(diǎn)距離閾值Dmin設(shè)為30個(gè)像素單元,Dmax設(shè)為300個(gè)像素單元．圖2(a)中紅線(xiàn)框區(qū)域?yàn)榇_定的感興趣區(qū)域．主體海面區(qū)域被橋梁分成兩段,兩海面區(qū)域分別檢測(cè)到17個(gè)和20個(gè)感興趣區(qū)域．

利用鏈碼確定直線(xiàn)段時(shí),設(shè)定ε1為0.5,ε2為0.2．平行直線(xiàn)準(zhǔn)則各門(mén)限設(shè)置為T(mén)1=5°,T2=30,T3=60,T4=0.1．圖2(b)紅線(xiàn)框區(qū)域?yàn)楦鶕?jù)平行直線(xiàn)判斷確定的疑似區(qū)域,其中平行直線(xiàn)段用綠線(xiàn)畫(huà)出．共檢測(cè)出5個(gè)疑似區(qū)域,圖2(c)為各疑似區(qū)域輪廓切片圖．進(jìn)行垂直結(jié)構(gòu)識(shí)別時(shí)θ0設(shè)置為30°,λ設(shè)置為1,圖2(d)為最終的T型和Γ型港口識(shí)別結(jié)果,其中輪廓用紅線(xiàn)標(biāo)記,平行直線(xiàn)用綠色標(biāo)記,特征點(diǎn)起始點(diǎn)用黃色標(biāo)記,終止點(diǎn)用紅色標(biāo)記．

通過(guò)圖1(b)可以發(fā)現(xiàn),極化SAR水平集方法實(shí)現(xiàn)了海岸線(xiàn)的精確檢測(cè),但對(duì)于圖1(a)中3號(hào)T型港口輪廓損失,分析原因是該區(qū)域噪聲級(jí)別過(guò)高,港口突堤中間部分與海面散射強(qiáng)度接近,直接導(dǎo)致該T型港口輪廓與陸地區(qū)域斷裂,而位于海面中的部分港口輪廓因?yàn)槊娣e過(guò)小而被移除．通過(guò)圖2(b)和(c)可以發(fā)現(xiàn)平行直線(xiàn)檢測(cè)方法實(shí)現(xiàn)了所有具有平行直線(xiàn)結(jié)構(gòu)的港口區(qū)域的檢測(cè)．通過(guò)圖2(d)可以發(fā)現(xiàn)識(shí)別出的三個(gè)T型港口與實(shí)際的極化SAR圖像港口區(qū)域輪廓完全吻合,可見(jiàn)經(jīng)過(guò)近似垂直結(jié)構(gòu)檢測(cè)方法能正確地區(qū)分出T型港口區(qū)域．

(a) 感興趣區(qū)域提取結(jié)果

(b) 平行直線(xiàn)結(jié)構(gòu)提取結(jié)果

(c) 疑似區(qū)域輪廓切片

(d) T型港口識(shí)別結(jié)果圖2　T型港口識(shí)別結(jié)果

3結(jié)論

在使用基于極化SAR圖像區(qū)域統(tǒng)計(jì)特性的水平集方法實(shí)現(xiàn)精確海岸線(xiàn)提取的基礎(chǔ)上,從提取岸線(xiàn)輪廓點(diǎn)、線(xiàn)、平行直線(xiàn)和折線(xiàn)結(jié)構(gòu)特征逐層實(shí)現(xiàn)了T型港口的識(shí)別,曲線(xiàn)分裂歸并算法提取特征點(diǎn)、鏈碼確定直線(xiàn)段的方法以及夾角和距離確定平行直線(xiàn)和垂直折線(xiàn)的方法都具有簡(jiǎn)單實(shí)用的特點(diǎn)．利用噪聲級(jí)別高的數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了提出識(shí)別方法的可行性,該方法在大場(chǎng)景范圍內(nèi)實(shí)現(xiàn)了T型港口的正確檢測(cè)．

參考文獻(xiàn)

[1]李艷, 彭嘉雄. 港口目標(biāo)特征提取與識(shí)別[J]. 華中科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2001, 29(6): 10-12.

LIY,PENGJX.Featureextractionoftheharbortargetanditsrecognition[J].Journalofhuazhonguniversityofscienceandtechnology, 2001, 29(6): 10-12. (inChinese)

[2]SCHWANH,SCHARFR,THOENNESSENU.ReconnaissanceofextendedtargetsinSARimagedata[C]//ProceedingoftheEuropeanSymposiumonRemoteSensing.Barcelona,September21-24,1998.

[3] 楊耘, 王樹(shù)根, 邱丹丹. 基于規(guī)則的高分辨率影像港口識(shí)別模型[J]. 測(cè)繪信息與工程, 2006, 30(5): 40-42.

YANGY,WANGSG,QIUDD.Harborrecognitionmodelfromhighresolutionimagesbasedonrules[J].Journalofgeomatics, 2005, 30(5): 40-42.(inChinese)

[4] 邢坤, 付宜利. 基于內(nèi)港區(qū)域的港口目標(biāo)識(shí)別[J]. 電子與信息學(xué)報(bào), 2009, 31(6): 1275-1278.

XINGK,FUYL.Harbortargetrecognitionbasedoninsideregion[J].Journalofelectronics&informationtechnology, 2009, 31(6): 1275-1278. (inChinese)

[5] 張志龍, 張焱, 沈振康. 基于特征譜的高分辨率遙感圖像港口識(shí)別方法[J]. 電子學(xué)報(bào), 2010, 38(9): 2184-2188.

ZHANGZL,ZHANGY,SHENZK.Portrecognitioninhighresolutionremotesensingimagesbasedonfeaturespectrum[J].Chinesejournalofelectronics, 2010, 38(9): 2184-2188.(inChinese)

[6]NIEDERMEIERA,ROMANEESSENE,LEHNERS.DetectionofcoastlinesinSARimagesusingwaveletmethods[J].IEEEtransactionsongeoscienceandremotesensing, 2000, 38(5): 2270-2281.

[7] 楊新, 黃順吉. 基于偏微分方程的多區(qū)域SAR圖像分割方法研究[J]. 電波科學(xué)學(xué)報(bào), 2008, 23(3): 525-529.

YANGX,HUANGSJ.SARimagesegmentationmethodwithmultipleregionsbasedonpartialdifferentialequations[J].Chinesejournalofradioscience, 2008, 23(3): 525-529. (inChinese)

[8] 楊帆, 楊健, 殷君君. 基于區(qū)域譜聚類(lèi)的極化合成孔徑雷達(dá)圖像分割[J]. 電波科學(xué)學(xué)報(bào), 2015, 30(1): 37-42.

YANGF,YANGJ,YINJJ.PolarimetricSARsegmentationbasedonregionmergingandspectralclustering[J].Chinesejournalofradioscience, 2015, 30(1): 37-42. (inChinese)

[9] 楊新, 黃順吉. 應(yīng)用變分法的極化SAR圖像分類(lèi)方法研究[J]. 電波科學(xué)學(xué)報(bào), 2008, 23(4): 736-739.

YANGX,HUANGSJ.PolarimetricSARimageclassifymethodbasedonvariationalmodel[J].Chinesejournalofradioscience, 2008, 23(4): 736-739. (inChinese)

[10]YINJ,YANGJ.AmodifiedlevelsetapproachforsegmentationofmultibandpolarimetricSARimages[J].IEEEtransactionsongeoscienceandremotesensing, 2014, 52(11):7222-7232.

[11]ROSENFELDA,WESZKAJS.Animprovedmethodofangledetectionondigitalcurves[J].IEEEtransactionsoncomputers, 1975, 24(9): 940-941.

[12]DOUGLASDH,PEUCKERTK.Algorithmsforthereductionofthenumberofpointsrequiredtorepresentadigitizedlineoritscaricature[J].Cartographica:theinternationaljournalforgeographicinformationandgeovisualization, 1973, 10(2): 112-122.

[13]魯光泉, 許洪國(guó), 李一兵. 基于鏈碼檢測(cè)的直線(xiàn)段檢測(cè)方法[J]. 計(jì)算機(jī)工程, 2006, 32(14): 1-3+10.

LUGQ,XUHG,LIYB.Linesegmentdetectionbasedonchaincodedetection[J].Computerengineering, 2006, 32(14): 1-3+10. (inChinese)

劉春(1988-),男,湖北人,清華大學(xué)電子工程系博士研究生,主要研究方向?yàn)闃O化SAR圖像解譯．

殷君君(1983-),女,黑龍江人,清華大學(xué)電子工程系博士后,主要研究方向?yàn)槿珮O化和緊縮極化SAR圖像解譯、緊縮極化SAR在海洋監(jiān)測(cè)中的應(yīng)用研究．

楊健(1965-),男,湖北人,清華大學(xué)電子工程系教授、博士生導(dǎo)師,主要研究方向?yàn)闃O化SAR理論及應(yīng)用．

作者簡(jiǎn)介

中圖分類(lèi)號(hào)TN957.52

文獻(xiàn)標(biāo)志碼A

文章編號(hào)1005-0388(2016)01-0019-06

收稿日期：2015-02-12

劉春, 殷君君, 楊健. 一種極化SAR圖像T型港口識(shí)別方法[J]. 電波科學(xué)學(xué)報(bào),2016,31(1):19-24. DOI: 10.13443/j.cjors.2015021201

LIU C, YIN J J, YANG J. Target recognition method for T-Shaped harbor in polarimetric SAR images[J]. Chinese journal of radio science,2016,31(1):19-24. (in Chinese). DOI: 10.13443/j.cjors.2015021201

資助項(xiàng)目: 國(guó)家自然科學(xué)基金(61490693，41171317); 航空科學(xué)基金(20132058003)

聯(lián)系人： 楊健 E-mail: yangjian_ee@tsinghua.edu.cn