一种改进的高分辨率sar图像提取算法.docxVIP

一种改进的高分辨率sar图像提取算法 1 建筑区城市空间的识别 近年来，随着城市的扩张和城市建设的快速发展，利用遥感技术研究城市环境具有重要的应用价值。星载合成孔径雷达 (Synthetic Aperture Radar, SAR) 具有全天时、全天候、穿云透雾的优势, 对我国幅员辽阔、气象气候和下垫面条件复杂、且急需快速获取监测数据的前提下, 具有明显的优势。2007年以来, 加拿大RADARSAT-2、德国TerraSAR-X及意大利COSMO-SkyMed等分辨率达1m雷达卫星的陆续成功发射, 高分辨率城区SAR图像的获取能力大大提升, 一方面为准确提取建筑区提供了前提, 但是另一方面却导致高分辨率条件下城区环境更为复杂, 给高分辨率SAR影像应用带来了新的挑战。 建筑区提取是城区遥感图像解译的重要研究课题之一。建筑区是城市环境最基本的一部分, 一般由住宅区、公共建筑、道路与绿地和场地组成。在高分辨率SAR图像上, 灰度分布比较复杂, 用传统的基于图像灰度的提取方法很容易受到居民地内部要素以及噪声的影响而得不到满意的效果, 针对高分辨率SAR影像中含有丰富的纹理信息特点, 纹理分析方法是对像素间空间分布关系进行研究, 因而可利用纹理分析的方法来解决。国内外学者也做了大量的研究, 如Dell’Acqua等利用灰度共生纹理度量来刻画城区SAR图像上不同区域的建筑覆盖密度, 从而区分城市中心、居住区和郊区。Tison等利用马尔科夫随机场纹理分类方法对城区进行精细的分类。强永刚等利用小波变换和数学形态学提取人工建筑区。赵凌君等利用变差函数的方法, 实现了建筑区的快速提取。变差函数方法是一种较新的纹理提取方法, 在建筑区和非建筑区上的特征表现差异大, 算法简单、快速, 具有重要应用价值, 然而目前常用的变差函数模型易受噪声干扰, 稳健性差。本文提出一种基于中值滤波的变差函数纹理分析方法提取建筑区, 通过改进变差函数的计算方法, 使窗口的大小不再受步长的约束, 不仅保留了变差函数区分建筑区与非建筑区的优势, 而且改善了高分辨率SAR提取建筑区时受强反射点、噪声干扰大的缺点, 提取效果更完整。 2 变差函数的结构分析 2.1 sar图像的变差函数提取 变差函数理论由数学专家G.Maberon教授1962年创立, 作为地质统计学的重要工具, 变差函数被应用于空间随机场的统计特性研究。随着变差函数理论的不断发展, 其应用领域从早期的空间数据分析、地理数据位置分析等逐渐扩展到遥感数据分析, 尤其是在20世纪90年代, Miranda等人成功将变差函数纹理分析方法应用于SAR图像植被识别之后, 变差函数成为了一种重要的纹理特征分析方法, 被广泛应用于遥感图像信息提取领域。 变差函数又称半变差函数 (Semivariogram Function) , 定义为区域化变量Z (x) 和Z (x+h) (同时包含两点距离和方向信息) 两点之差的方差之半, 即 对于离散的栅格数据, 实验中的变差函数定义为: 其中, N (h) 表示观测数据中间距为h的点对数目, 估计值γ*(h) 通常称为实验变差函数。变差函数用于度量区域化变量的空间相关性, 能充分反映图像数据的随机性和结构性。图1是一个理想的变差函数模型, 当h=0时的变差函数值C0为块金值 (Nugget Value) , 代表不确定的变化, 随着h的增大, 空间样本之间的相关性越来越小 (非相关性越来越大) , 当样本变为相互独立时的距离a称为变程, 相应的变差函数值逐渐增大并在间距为a时趋于平稳值C0+C1, 这一平稳值称为基台值 (Sill) 。 2.2 窗口w选取上存在误差 变差函数用于纹理分析的常用计算方式是首先确定步长h、窗口w、计算方向, 然后计算窗口w内所有间距为h的点对的半方差值, 然后取平均 (如公式 (2) ) 作为窗口中心点的变差函数值, 遍历全图即得到影像的变差函数特征图。对于高分辨率的SAR图像而言, 窗口w的选取取决于h, 要保证窗口w内间距h的点对数目足够, 窗口w至少应为3h~5h。然而, 窗口w过大会造成图像整体模糊、边缘虚警率高, 且窗口内取平均的方法易受噪声、孤立强反射点干扰, 算法稳健性差。 根据变差函数计算方法所存在的弊端, 本文提出一种稳健的变差函数计算方法, 该算法继承了变差函数和标准中值滤波方法的优点, 窗口w取值不再受h约束, 主要思想是:在计算像素点的变差函数值时, 不再取窗口w内间距为h的点对来求取, 而是计算像素点 (x, y) 与固定方向 (如0°方向) 上间距h的点 (x+h, y) 的半方差值, 将此值作为点 (x, y) 的半方差值;然后取窗口内所有像素的半方差值的中值代替均值作为变差函数值。 计算公式如下: 其中, w为二维模板