基于多信息空间SAR图像中目标识别探究.doc

基于多信息空间SAR图像中目标识别探究 　　【摘 要】SAR图像中目标识别的相关技术已经成为目前研究热点和难点。本文主要研究了基于多信息空间的SAR图像判读方法，将SAR图像与红外图像、可见光图像和地理信息系统（GIS，Geographic Information System）结合在一起，有效克服SAR图像在进行影像信息提取与解译中单一信息源的不足。 【关键词】多信息空间；SAR图像；目标识别 0 引言 遥感图像是探测地物目标综合信息的最直观、最丰富的载体，直接从遥感信息中自动提取地形和专题信息是当前遥感和地理信息系统技术面临的一个迫切而又复杂的问题。合成孔径雷达（SAR）以其具有全天时、全天候地获取图像资源的能力而在遥感领域中得到广泛地应用。目前，人工SAR图像目视判读大多采用基于光谱特征、基于单个目标图形特征、基于色调特征、基于阴影特征和基于活动特征等方法，这些方法所得到的判读结果往往不够准确、全面，不能为指挥员的决策提供可靠的情报信息。并且所得信息无法实现与其它遥感方式与地理信息系统的集成，不能将遥感信息供GIS实时更新、编辑。因此，如何结合多信息空间来辅助SAR图像中目标的识别，以提高SAR图像情报生成的效率、提高判读结果的准确性，具有重要的意义。并且基于多信息空间的SAR图像信息提取方法对于未来实现遥感影像的智能解译也是一种研究方法的探索[1-2]。 1 多信息空间的概念 所谓多信息空间，就是将多种信息来源处获得的信息，经过筛选加工，有机地融合而成的多维信息系统，是各类信息可以更好地为我所用。SAR图像在目标识别方面有很多难点，工作中很容易造成遗漏甚至错误。但如果基于多信息空间，将多种传感器获取到的图像与SAR图像相融合，各取其长处，再结合地理信息系统对图像获取位置的地理信息，很多难题便可以迎刃而解[3]。 2 基于多信息空间的SAR图像中目标识别 2.1 与其他遥感方式相结合 2.1.1 SAR图像与可见光配准融合 合成孔径雷达与可见光遥感不同，是一种主动式遥感系统。具有全天候、全天时、穿透性强和分辨率高等优点。由于获取地物波谱特征信息的波段范围及成像方式的不同，SAR与可见光图像在反映地物电磁波谱特征方面有很大差异。SAR图像对目标的几何特性，无论是微观的（粗糙度和表面效应）还是宏观的（朝向和多次反射），都非常敏感，反映在图像上常常是非常暗或亮的点或区域。而可见光图像对目标的物理和化学属性（如反射率、反照率、颜色）则更为敏感。因此图像主要反映了不同地物的轮廓与光谱信息。在SAR所敏感的属性中，材料的“自然属性”（如金属目标）或者其状态（如土壤的温度和植被的干燥度）是非常重要的参数。而在可见光图像中这些参数常常是不可感知的。因此，将SAR与可见光图像融合，可以充分利用其互补信息，获得地物的多层次特性，进一步揭示地物的本质特征。 基于此，融合过程分为两步：第一步将SAR图像中重要目标加入到可见光图像中进行增强融合。利用像素邻域的能量可以判断SAR图像中特别亮（暗）的部分。因此采用基于像素邻域能量的方法融合图像。第二步利用小波变换将第一步得到的融合结果与原始图像进行一次融合。图像的小波变换可以将图像分解到不同尺度下得到低频（描述图像的轮廓）和水平、垂直、对角三个方向的高频（描述图像的细节，如边缘等）信息。其分解过程与人类分层次理解的特点非常类似。因此采用小波变换提取原始图像的边缘细节信息[4-5]。 2.1.2 SAR图像与红外配准融合 红外成像传感器作为一种被动式探测装备，本身不辐射任何能量，而是利用目标的红外特性实现搜索和跟踪，具有目标依赖性小、隐蔽性好、探测距离远等特点。但红外成像传感器属纯角度跟踪，会导致跟踪出现强非线性、弱可观测性等问题，而雷达的测距精度较高，信息量大，跟踪算法比较成熟，采用雷达为主、红外探测为辅的数据融合系统进行目标跟踪有利于充分地发挥红外、雷达两种传感器的优势，使其相得益彰。 在数据融合时，第一步先将多传感器数据做时间对齐、坐标统一和数据关联等处理。 第二步，运用加权最小二乘法，求出各向量，进行第一次融合。融合后每一状态参量误差的方差都要比原单传感器中最小的还要小。尤其当两种传感器精度比较接近时融合改善效果明显。 2.1.3 目标融合新技术 传统的基于控制特征点选择的图像融合方法，比较适合同类传感器成像数据的配准融合，但在多传感器图像配准时出现了一定的困难。这是由于在多传感器图像配准时，获取的多源图像灰度往往有差异，这样同名控制点的选择就变得困难，此时基于图像灰度的配准方法大多都会失效。基于特征的图像配准方法，通过对图像中可靠特征的提取来增强配准的鲁棒性。对于不同的传感器源图像常常选用图像中