一種對(duì)合成孔徑雷達(dá)影像中的道路進(jìn)行半自動(dòng)提取的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，設(shè)及一種對(duì)圖像中道路進(jìn)行半自動(dòng)提取的方 法，具體設(shè)及一種改進(jìn)剖面匹配和擴(kuò)展卡爾曼濾波對(duì)合成孔徑雷達(dá)（SyntheticAperture Radar,SAR)影像進(jìn)行道路半自動(dòng)提取的方法。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（SyntheticApertureRadar,SAR)技術(shù)是一種重要的對(duì)地觀測(cè)手 段，廣泛應(yīng)用于軍事、民用等眾多領(lǐng)域。利用SAR影像進(jìn)行線目標(biāo)提取是遙感影像目標(biāo)解譯 的研究熱點(diǎn)，在眾多線目標(biāo)（道路、橋梁、海岸線、河流等）提取中道路提取占有重要地位， 從SAR影像中提取道路是典型線狀目標(biāo)提取的研究熱點(diǎn)，廣泛應(yīng)用于道路制圖、城市規(guī)劃、 構(gòu)建城市道路網(wǎng)和GIS數(shù)據(jù)庫(kù)更新等諸多領(lǐng)域。SAR影像道路提取根據(jù)是否需要人機(jī)交互， 可W分為自動(dòng)和半自動(dòng)的提取方法，但是由于道路的復(fù)雜性和多樣性使得SAR影像道路在 進(jìn)行全自動(dòng)提取后依然會(huì)進(jìn)行大量的人工后處理，因此道路全自動(dòng)提取近期還難W實(shí)現(xiàn)。 而道路半自動(dòng)提取的方法能夠結(jié)合操作員可靠的識(shí)別能力和計(jì)算機(jī)高效的計(jì)算能力，是對(duì) 當(dāng)前SAR影像道路提取的折中處理，具有重要的應(yīng)用潛力。
[000引 目前，針對(duì)SAR影像的道路半自動(dòng)提取方法有很多，主要的是對(duì)半自動(dòng)道路提取 方法的初始化，預(yù)測(cè)，觀測(cè)，更新等步驟進(jìn)行改進(jìn)。但是復(fù)雜的初始化使得算法的復(fù)雜度增 加，預(yù)測(cè)階段獲取的預(yù)測(cè)值不準(zhǔn)確會(huì)影響后續(xù)觀測(cè)值和擴(kuò)展卡爾曼濾波最優(yōu)估計(jì)值獲取的 準(zhǔn)確度和效率，觀測(cè)階段獲取觀測(cè)值得不精確會(huì)使得道路提取偏離道路中屯、位置產(chǎn)生錯(cuò)誤 的道路點(diǎn)。最優(yōu)觀測(cè)值得更新則需要用到預(yù)測(cè)值和觀測(cè)值。預(yù)測(cè)值和觀測(cè)值的好壞直接影 響了最優(yōu)觀測(cè)值的精度和人工干預(yù)次數(shù)的多少，如何在人工干預(yù)盡可能少的同時(shí)能夠?qū)Φ?路進(jìn)行精準(zhǔn)提取是當(dāng)前需要解決的難點(diǎn)問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于從根本上克服道路半自動(dòng)提取存在的兩種缺陷，在分析SAR影 像道路特性的基礎(chǔ)上，構(gòu)建了SAR影像道路提取模型，提出利用改進(jìn)剖面匹配和擴(kuò)展卡爾 曼濾波對(duì)SAR影像進(jìn)行道路半自動(dòng)提取方法：在獲取道路觀測(cè)值上，對(duì)在道路面上的像素 設(shè)置權(quán)重為2,而對(duì)非道路面上的像素設(shè)置權(quán)重為1 ;在獲取道路最優(yōu)估計(jì)值上，利用擴(kuò)展 的卡爾曼濾波的方法；從而實(shí)現(xiàn)在人工干預(yù)盡可能少的同時(shí)對(duì)道路進(jìn)行精準(zhǔn)提取。 陽0化]本發(fā)明所采用的技術(shù)方案是：一種對(duì)合成孔徑雷達(dá)影像中的道路進(jìn)行半自動(dòng)提取 的方法，其特征在于，包括W下步驟：
[0006] 步驟1 :打開一幅SAR影像，并預(yù)處理；
[0007] 步驟2 :人工初始化道路參數(shù)；通過在SAR影像道路兩側(cè)垂直于道路方向上人工隨 機(jī)選取兩個(gè)點(diǎn)，道路中屯、點(diǎn)坐標(biāo)（r。，C。)，道路方向4。，道路寬度W，參考剖面長(zhǎng)度L;
[0008] 步驟3 :構(gòu)建SAR影像道路提取模型，獲取道路預(yù)測(cè)狀態(tài)并計(jì)算目標(biāo)剖面；通過道 路提取模型得到下一時(shí)刻道路的預(yù)測(cè)狀態(tài)；設(shè)定捜索夾角f和步長(zhǎng)化，W系統(tǒng)狀態(tài)預(yù)測(cè)值 為中屯、利用參考剖面長(zhǎng)度，獲得目標(biāo)剖面的長(zhǎng)度LT，同時(shí)獲取擴(kuò)展卡爾曼濾波的先驗(yàn)概率 密度；
[0009] 步驟4 :對(duì)參考剖面和目標(biāo)剖面進(jìn)行優(yōu)化處理；每隔一個(gè)像素生成平行于參考剖 面且長(zhǎng)度與參考剖面相同的若干剖面，對(duì)生成剖面中相同位置像素進(jìn)行多視處理，得到經(jīng) 過優(yōu)化處理后的參考剖面；對(duì)目標(biāo)剖面采用與參考剖面優(yōu)化處理相同的方法進(jìn)行優(yōu)化；
[0010] 步驟5 :獲取道路觀測(cè)值及判斷；將參考剖面中的像素與目標(biāo)剖面上對(duì)應(yīng)的像素 進(jìn)行灰度差平方處理，并利用改進(jìn)剖面匹配算法，將參考剖面中道路面上的像素灰度差平 方的權(quán)值設(shè)定為2,不在道路上的像素灰度差平方的權(quán)值設(shè)定為1，使得改進(jìn)剖面匹配算法 有效的抑制了道路周邊弱散射地物對(duì)道路提取的影響；判斷能否準(zhǔn)確的獲取道路觀測(cè)值， 若能夠準(zhǔn)確的獲取，則執(zhí)行所述的步驟6 ;若不能夠獲取，則需要加入人工干預(yù)，判斷是否 到達(dá)圖像邊界，若到達(dá)圖像邊界，則道路提取結(jié)束；若沒有到達(dá)圖像邊界，貝陽日入人工干預(yù)， 并回轉(zhuǎn)執(zhí)行所述的步驟2;
[0011] 步驟6 :道路最優(yōu)估計(jì)值的獲取及判斷；利用步驟3獲取當(dāng)前時(shí)刻道路先驗(yàn)概率密 度和所述步驟5獲取的道路觀測(cè)值進(jìn)行處理，計(jì)算當(dāng)前時(shí)刻的道路最優(yōu)估計(jì)值；判斷能否 獲得準(zhǔn)確的最優(yōu)估計(jì)值；若能夠獲得則將當(dāng)前時(shí)刻的最優(yōu)觀測(cè)值作為下一時(shí)刻道路的初始 值，并回轉(zhuǎn)執(zhí)行所述的步驟3,直至完成整條道路的提取；若不能夠準(zhǔn)確獲取最優(yōu)估計(jì)值， 則需要加入人工干預(yù)，判斷是否到達(dá)圖像邊界，若到達(dá)圖像邊界，則道路提取結(jié)束；若沒有 到達(dá)圖像邊界，貝陽日入人工干預(yù)，并回轉(zhuǎn)執(zhí)行所述的步驟2 ;
[0012] 作為優(yōu)選，步驟1中所述的對(duì)SAR影像進(jìn)行預(yù)處理，其具體實(shí)現(xiàn)過程為：對(duì)待提取 SAR影像進(jìn)行精致Lee濾波處理來濾除斑點(diǎn)噪聲對(duì)道路提取的影響。
[0013] 作為優(yōu)選，步驟3中所述的構(gòu)建SAR影像道路提取模型為：
[0014] Xk=f(Xki)+Wk
[0015] 其中，f(?)表示為狀態(tài)轉(zhuǎn)移策略的關(guān)系式，Xk表示道路提取的第k個(gè)時(shí)刻道路系 統(tǒng)狀態(tài)，Wk代表系統(tǒng)噪聲。
[0016] 作為優(yōu)選，步驟3中所述的目標(biāo)剖面的長(zhǎng)度LT的計(jì)算公式為：
[0017]
[001引作為優(yōu)選，步驟3中所述的擴(kuò)展卡爾曼濾波的先驗(yàn)概率密度，即預(yù)測(cè)狀態(tài)，通過道 路的預(yù)測(cè)狀態(tài)，計(jì)算擴(kuò)展卡爾曼濾波的第k時(shí)刻的先驗(yàn)概率密度和先驗(yàn)概率的協(xié)方差 矩陣Pkiki:
[0022]
[0023] 其中表示第k-1時(shí)刻道路點(diǎn)的最優(yōu)估計(jì)值，Qk表示和道路寬度有關(guān)的系統(tǒng) 噪聲，第A表示的線性化的過程通過雅可比行列式獲得，PkIlk1表示后驗(yàn)概率的協(xié)方差矩陣。
[0024] 作為優(yōu)選，步驟5中所述的改進(jìn)剖面匹配算法，其具體實(shí)現(xiàn)包括W下子步驟：
[00巧]步驟5. 1 :構(gòu)建道路觀測(cè)模型： 陽026]Zk=HkXk|ki;
[0027] 其中Zk表示道路的觀測(cè)值，Hk表示道路的觀測(cè)矩陣；
[00測(cè)步驟5. 2 :剖面匹配的加權(quán)策略計(jì)算：
[0029]
[0030] 其中W表示的是道路的寬度，L表示的是參考剖面的長(zhǎng)度。
[0031] 步驟5. 3 :改進(jìn)剖面匹配算法的計(jì)算公式為：
[0032]
[003引其中g(shù)i(Xr，yr)表示參考剖面的像素灰度值，g'w(XT，yT)表示目標(biāo)剖面的像素灰 度值，j代表捜索夾角和步長(zhǎng)所確定的長(zhǎng)度，j=LT-L+1 ;
[0034] 作為優(yōu)選，步驟6中所述的獲取道路最優(yōu)估計(jì)值，其具體實(shí)現(xiàn)包括W下子步驟：
[0035] 步驟6. 1 :計(jì)算擴(kuò)展卡爾曼濾波增益：
[0036]
[0037] 其中Kk表示擴(kuò)展卡爾曼濾波增益，Hk表示觀測(cè)矩陣，Rk表示系統(tǒng)觀測(cè)噪聲；
[0038] 步驟6. 2 :計(jì)算擴(kuò)展卡爾曼濾波的后驗(yàn)概率密度，即道路的最優(yōu)估計(jì)值，獲取道路 的后驗(yàn)概率密度為巧后驗(yàn)概率協(xié)方差矩陣Pkik;
[0039]
[0040] Pk|k= (I-KkHk)Pkiki;
[0041] 其中Zk表示改進(jìn)剖面匹配獲取的觀測(cè)值，I表示單位矩陣；通過更新階段的計(jì)算 公式得出通過擴(kuò)展卡爾曼濾波提取的道路點(diǎn)即是一個(gè)最優(yōu)估計(jì)值。
[0042] 作為優(yōu)選，步驟6中所述的人工干預(yù)，即人工的在道路中屯、選擇一個(gè)道路點(diǎn)，來初 始化道路參數(shù)。
[0043] 本發(fā)明的創(chuàng)新之處在于：
[0044] (1)提出SAR影像道路提取模型，能夠準(zhǔn)確的獲取道路的預(yù)測(cè)值，并為利用擴(kuò)展卡 爾曼濾波算法提供理論條件； W45] 似提出了改進(jìn)剖面匹配的算法獲取觀測(cè)值，利用對(duì)SAR影像中道路部分像素設(shè) 置權(quán)值為2,非道路部分像素設(shè)置權(quán)值為1的方法，有效的抑制了道路周邊地物對(duì)道路提取 的影響，提高算法的魯棒性，能夠獲得較為準(zhǔn)確的觀測(cè)值；
[0046] (3)利用擴(kuò)展卡爾曼濾波的方法獲取道路最優(yōu)估計(jì)值，擴(kuò)展的卡爾曼濾波方法能 夠在對(duì)非線性系統(tǒng)進(jìn)行道路提取，并能夠在道路面被障礙物（周圍高大地物遮擋或出現(xiàn)隔 斷）干擾時(shí)，能夠通過已觀測(cè)獲得的數(shù)據(jù)對(duì)當(dāng)前時(shí)刻進(jìn)行預(yù)測(cè)，從而能夠跨過障礙物，繼續(xù) 道路提取，從而很大程度上提高了道路提取的效率，同時(shí)擴(kuò)展卡爾曼濾波有較為嚴(yán)格的檢 查機(jī)制，能夠在及時(shí)發(fā)現(xiàn)錯(cuò)誤的觀測(cè)值并停止道路提取等待操作員進(jìn)行人機(jī)交互，從而大 大的減少道路提取出錯(cuò)的可能，保證了道路提取算法的準(zhǔn)確性。
【附圖說明】
[0047] 圖1 :是本發(fā)明實(shí)施例的流程圖； W48] 圖2 :是本發(fā)明實(shí)施例中用到的道路模型圖； W例圖3 :是本發(fā)明實(shí)施例中用到的改進(jìn)剖面匹配算法。
【具體實(shí)施方式】
[0050] 為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā) 明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0051] 請(qǐng)見圖1，本發(fā)明提供的一種對(duì)合成孔徑雷達(dá)影像中的道路進(jìn)行半自動(dòng)提取的方 法，包括W下步驟：
[0052] 步驟1 :打開一幅SAR影像，并對(duì)SAR影像進(jìn)行濾波，如：精致Lee濾波，來濾除斑 點(diǎn)噪聲對(duì)道路提取的影響；
[0053] 步驟2 :人工初始化道路參數(shù)；通過在SAR影像道路兩側(cè)垂直于道路方向上人工隨 機(jī)選取兩個(gè)點(diǎn)，后續(xù)獲取其它參數(shù)均由計(jì)算機(jī)自動(dòng)完成；道路中屯、點(diǎn)坐標(biāo)（r。，C。），道路方 向4。，道路寬度W，參考剖面長(zhǎng)度L;
[0054] 步驟3 :構(gòu)建SAR影像道路提取模型，獲取道路預(yù)測(cè)狀態(tài)并計(jì)算目標(biāo)剖面；通過道 路提取模型得到下一時(shí)刻道路的預(yù)測(cè)狀態(tài)；設(shè)定捜索夾角口;和步長(zhǎng)化，W系統(tǒng)狀態(tài)預(yù)測(cè)值 為中屯、利用參考剖面長(zhǎng)度，獲得目標(biāo)剖面的長(zhǎng)度LT，同時(shí)獲取擴(kuò)展卡爾曼濾波的先驗(yàn)概率 密度； 陽化5] 請(qǐng)見圖2,是本發(fā)明實(shí)施例中用到的道路模型圖；其中實(shí)屯、圓表示道路最優(yōu)估計(jì) 值，空屯、圓表示道路獲取的觀測(cè)值，X型表示預(yù)測(cè)值。（Cki，rki)，（Ck，rk)分別為第k-1時(shí) 刻和第k時(shí)刻道路最優(yōu)估計(jì)值XkIlk1和Xkik的坐標(biāo)，4k1和4k分別為第k-1時(shí)刻和第k 時(shí)刻道路的方向。
[0056] 本實(shí)施例的構(gòu)建SAR影像道路提取模型為：
[0057]
[0058] 其中，f( ?)表示為狀態(tài)轉(zhuǎn)移策略的關(guān)系式，Xk表示道路提取的第k個(gè)時(shí)刻道路系 統(tǒng)狀態(tài)，Wk代表系統(tǒng)噪聲。
[0059] 道路當(dāng)前時(shí)刻狀態(tài)可W通過一個(gè)四維向量表示，
[0060]
[OOW] 其中，（rk，Ck)表示第k個(gè)時(shí)刻道路中屯、點(diǎn)坐標(biāo)、(K表示第k個(gè)時(shí)刻道路方向、^ 表示第k個(gè)時(shí)刻道路方向變化角。
[0062] 目標(biāo)剖面的長(zhǎng)度LT的計(jì)算公式為：