本公開涉及信號處理
技術領域:
,具體地,涉及一種遙感圖像的目標特征提取方法和裝置。
背景技術:
:遙感圖像(RemoteSensingImage)是指記錄各種地物電磁波大小的膠片(或相片)的圖像,主要包括航空圖像和衛星圖像。例如,合成孔徑雷達(SyntheticApertureRadar,SAR)在地形測繪、災害監測等方面有著廣泛的應用。SAR生成的遙感圖像蘊含著目標的幅度、相位和位置信息。其中相位信息對于地形測繪等應用非常重要,因此能夠實現目標特征精確提取的有效算法是非常的必要。目前目標特征主要通過插值的方法提取,這種方法簡單有效,對于單點目標精度很高,但是當應用到分布目標時,由于相鄰目標之間相互影響,不能得到準確的特征信息。技術實現要素:本公開的目的是提供一種簡單有效的遙感圖像的目標特征提取方法和裝置。為了實現上述目的,本公開提供一種遙感圖像的目標特征提取方法。所述方法包括:將目標遙感圖像劃分為多個區域圖像,每個區域圖像包括多個像素網格;對每個區域圖像進行插值,得到每個區域圖像的插值后數組;根據每個區域圖像的插值后數組,確定每個區域圖像的目標特征參數的預估計數組;根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數;根據每個區域圖像的目標特征參數確定所述目標遙感圖像的目標特征參數。可選地,所述對每個區域圖像進行插值,得到每個區域圖像的插值后數組的步驟包括:對一區域圖像的像素網格對應的第一數組進行二維離散傅里葉變換,生成第二數組;對所述第二數組進行頻域補零,生成第三數組;對所述第三數組進行二維離散傅里葉逆變換,生成該區域圖像的插值后數組。可選地,所述根據每個區域圖像的插值后數組,確定每個區域圖像的目標特征參數的預估計數組的步驟包括:根據一區域圖像的插值后數組中,一像素網格內幅值最大的點的數組,確定該像素網格內的目標特征參數的預估計數組;根據該區域圖像的插值后數組中,每個像素網格內的目標特征參數的預估計數組,確定該區域圖像的目標特征參數的預估計數組。可選地,所述根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數的步驟包括:根據每個區域圖像的插值后數組和目標特征參數的預估計數組,建立對應的區域圖像的遞歸迭代方程;通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解和虛部解;根據每個區域圖像的遞歸迭代方程的實部解和虛部解,確定每個區域圖像的目標特征參數。可選地,所述通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解和虛部解的步驟包括:通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解,其中,插值后的區域圖像中,第j個采樣點的重建數據實部Rj為:Rj=Kr1sinc(BW(nxj-Nx1,nyj-Ny1))+Kr2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Krisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣ArK為:構建的遞歸迭代方程為:目標特征參數實部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Rj為第j個采樣點的重建數據實部,Kri為一區域圖像中第i個網格中幅值最大的點的實部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,ArK為目標函數梯度矩陣,τrk為第j個采樣點數據實部與該點的重建數據實部之差,value(·)為第j個采樣點的數據,Re(·)為數值實部,xr(k)為第k次迭代對應的目標特征參數的實部,δr(k)為實部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δr(k)后,置xr(k+1)=xr(k)+δr(k),k=k+1,當時,停止迭代;通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的虛部解,其中,插值后的區域圖像中,第j個采樣點的重建數據虛部Ij為:Ij=Ki1sinc(BW(nxj-Nx1,nyj-Ny1))+Ki2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Kiisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣Aik為:構建的遞歸迭代方程為:目標特征參數虛部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Ij為第j個采樣點的重建數據虛部,Kii為一區域圖像中第i個網格中幅值最大的點的虛部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,AiK為目標函數梯度矩陣,τik為第j個采樣點數據虛部與該點的重建數據虛部之差,value(·)為第j個采樣點的數據,Im(·)為數值虛部,xi(k)為第k次迭代對應的目標特征參數的虛部,δi(k)為虛部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δi(k)后,置xi(k+1)=xi(k)+δi(k),k=k+1,當時,停止迭代。本公開還提供一種遙感圖像的目標特征提取裝置。所述裝置包括:劃分模塊,用于將目標遙感圖像劃分為多個區域圖像,每個區域圖像包括多個像素網格;插值模塊,用于對每個區域圖像進行插值,得到每個區域圖像的插值后數組;預估計數組確定模塊,用于根據每個區域圖像的插值后數組,確定每個區域圖像的目標特征參數的預估計數組;區域特征確定模塊,用于根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數;圖像特征確定模塊,用于根據每個區域圖像的目標特征參數確定所述目標遙感圖像的目標特征參數。通過上述技術方案,通過高斯-牛頓迭代法迭代求解出插值后的區域圖像中的點目標的特征參數,從而能夠有效、準確地提取遙感圖像的分布目標的特征。本公開的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。附圖說明附圖是用來提供對本公開的進一步理解,并且構成說明書的一部分,與下面的具體實施方式一起用于解釋本公開,但并不構成對本公開的限制。在附圖中:圖1是一示例性實施例提供的遙感圖像的目標特征提取方法的流程圖;圖2是一示例性實施例提供的對區域圖像進行插值的流程圖;圖3是一示例性實施例提供的確定每個區域圖像的目標特征參數的流程圖;圖4是一示例性實施例提供的遙感圖像的目標特征提取裝置的框圖;圖5是一示例性實施例提供的根據仿真模型構建的遙感圖像的三維視圖;圖6是一示例性實施例提供的根據本公開的方法構建的遙感圖像的三維視圖。具體實施方式以下結合附圖對本公開的具體實施方式進行詳細說明。應當理解的是,此處所描述的具體實施方式僅用于說明和解釋本公開,并不用于限制本公開。圖1是一示例性實施例提供的遙感圖像的目標特征提取方法的流程圖。如圖1所示,所述方法可以包括以下步驟。在步驟S11中,將目標遙感圖像劃分為多個區域圖像,每個區域圖像包括多個像素網格。也就是,為加快求解速度,對目標遙感圖像進行分區域處理。例如目標遙感圖像的像素為M·N,每個區域圖像中包括S=Na·Nr個像素網格,則劃分后區域圖像的數目為其中,為向上取整符號。考慮到計算量的問題,Na和Nr不能取得過大,通常情況下,可以取Na=Nr=8。在步驟S12中,對每個區域圖像進行插值,得到每個區域圖像的插值后數組。當網格個數S較小時,迭代處理誤差較大,因此需要先對區域圖像進行插值,以獲得更多采樣點,提高結果的準確性。圖2是一示例性實施例提供的對區域圖像進行插值的流程圖。如圖2所示,對每個區域圖像進行插值,得到每個區域圖像的插值后數組的步驟(步驟S12)可以包括以下步驟。在步驟S121中,對一區域圖像的像素網格對應的第一數組進行二維離散傅里葉變換,生成第二數組。例如,一區域圖像包括S=Na·Nr個像素網格,全部網格對應的像素數據組成一個大小為Na·Nr的第一數組Datak。對第一數組Datak進行二維離散傅里葉變換:生成第二數組Dataf。其中,u-v為頻域坐標系,x-y為空間域坐標系。在步驟S122中,對第二數組進行頻域補零,生成第三數組。接著,對第二數組Dataf進行頻域補零。設插值倍數為Times·Times(例如,Times=4)。經過插值處理,可將第二數組Dataf擴展為一個大小為Nx·Ny的第三數組Datapadding。其中Nx=Na·Times,Ny=Nr·Times。Datapadding矩陣中,第行至第行,第列至第列為Dataf,其余元素全部為0。在步驟S123中,對第三數組進行二維離散傅里葉逆變換,生成該區域圖像的插值后數組。對第三數組Datapadding進行二維離散傅里葉逆變換:得到大小為Nx·Ny的該區域圖像的插值后數組Data。返回圖1,在步驟S13中,根據每個區域圖像的插值后數組,確定每個區域圖像的目標特征參數的預估計數組。也就是,經過之前的區域劃分和插值處理,粗略的目標參數可以先估計出來。理論上,預估計數組可以根據任一像素網格對應的數組來確定。在一實施例中,該步驟S13可以包括步驟S131和步驟S132。在步驟S131中,根據一區域圖像的插值后數組中,一像素網格內幅值最大的點的數組,確定該像素網格內的目標特征參數的預估計數組。例如,在一區域圖像中,共包含Na·Nr個像素網格。經過插值處理,在單個像素網格中包含Times·Times個點。設在第i個網格內幅值最大的點為Xi,該點實部為Kri=Re(Xi),虛部為Kii=Im(Xi),位移橫坐標值為Nxi,位移縱坐標值為Nyi,則該像素網格內目標特征參數的預估計數組為[Kri,Kii,Nxi,Nyi]。在步驟S132中,根據該區域圖像的插值后數組中,每個像素網格內的目標特征參數的預估計數組,確定該區域圖像的目標特征參數的預估計數組。在步驟S132中例子的基礎上,該區域圖像包括S=Na·Nr個像素網格,則共有4S個參數。將這些參數聯合起來,可以得到大小為S·4的矩陣X,該矩陣X即該區域圖像的目標特征參數的預估計數組X。在步驟S14中,根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數。圖3是一示例性實施例提供的確定每個區域圖像的目標特征參數的流程圖。如圖3所示,根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數的步驟(步驟S14)可以包括以下步驟。在步驟S141中,根據每個區域圖像的插值后數組和目標特征參數的預估計數組,建立對應的區域圖像的遞歸迭代方程。可以讀取兩組參數。第一組為一區域圖像的插值后數組Data;第二組為該區域圖像的目標特征參數的預估計數組X。根據Data和X來建立對應的區域圖像的遞歸迭代方程,根據所建立的遞歸迭代方程來求取目標特征參數。在步驟S142中,通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解和虛部解。其中,需要設置采樣數據和迭代初值。可以按照如下方法設置采樣數據:已知插值后數組Data為Nx·Ny大小的二維矩陣,設橫坐標采樣點nx=[1,2,…Nx-1,Nx],縱坐標采樣點ny=[1,2,…Ny-1,Ny]。將輸入的數據二維矩陣Data重建為一維列數組value,大小為NxNy×1,其中第1到第Ny個元素為Data中的第一列數據,第Ny+1到2Ny個元素為Data中的第二列數據,依次類推。可以按照如下方法設置迭代初值:從預估計數組X中讀取4S個預估參數,將X按列分為4組大小為S·1的列數組:Kr,Ki,Nx,Ny。Kr,Ki,Nx,Ny分別代表實部值數組、虛部值數組、x方向位移數組、y方向位移數組,將這些數據作為迭代初值。在本公開的一實施例中,該步驟S142可以包括求實部解和虛部解,以下分別詳細描述。通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解,其中,插值后的區域圖像中,第j個采樣點的重建數據實部Rj為:Rj=Kr1sinc(BW(nxj-Nx1,nyj-Ny1))+Kr2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Krisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣ArK為:構建的遞歸迭代方程為:目標特征參數實部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Rj為第j個采樣點的重建數據實部,Kri為一區域圖像中第i個網格中幅值最大的點的實部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,ArK為目標函數梯度矩陣,τrk為第j個采樣點數據實部與該點的重建數據實部之差,value(·)為第j個采樣點的數據,Re(·)為數值實部,xr(k)為第k次迭代對應的目標特征參數的實部,δr(k)為實部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δr(k)后,置xr(k+1)=xr(k)+δr(k),k=k+1,當時,停止迭代。此時即可認為達到求解目標所需精度,迭代終止,xr(k)為最終結果。相似地,可以通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的虛部解,其中,插值后的區域圖像中,第j個采樣點的重建數據虛部Ij為:Ij=Ki1sinc(BW(nxj-Nx1,nyj-Ny1))+Ki2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Kiisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣Aik為:構建的遞歸迭代方程為:目標特征參數虛部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Ij為第j個采樣點的重建數據虛部,Kii為一區域圖像中第i個網格中幅值最大的點的虛部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,AiK為目標函數梯度矩陣,τik為第j個采樣點數據虛部與該點的重建數據虛部之差,value(·)為第j個采樣點的數據,Im(·)為數值虛部,xi(k)為第k次迭代對應的目標特征參數的虛部,δi(k)為虛部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δi(k)后,置xi(k+1)=xi(k)+δi(k),k=k+1,當時,停止迭代。此時即可認為達到求解目標所需精度,迭代終止,xi(k)為最終結果。在步驟S143中,根據每個區域圖像的遞歸迭代方程的實部解和虛部解,確定每個區域圖像的目標特征參數。將實部解和虛部解直接結合起來,就可以得到每個區域圖像的目標特征參數。迭代后的Nx,Ny值即為橫坐標和縱坐標的解,求解出各項參數。相位解幅度解至此,每個區域圖像的目標特征都可以提取出來。每個區域圖像內每個目標的幅值、相位、方位向精確位置、距離向精確位置都可以精確得出。返回圖1,在步驟S15中,根據每個區域圖像的目標特征參數確定所述目標遙感圖像的目標特征參數。按照上述方法,將所劃分的多個區域圖像都處理完畢,即可得到目標遙感圖像的目標特征參數。通過上述技術方案,通過高斯-牛頓迭代法迭代求解出插值后的區域圖像中的點目標的特征參數,從而能夠有效、準確地提取遙感圖像的分布目標的特征。本公開還提供了一種遙感圖像的目標特征提取裝置。圖4是一示例性實施例提供的遙感圖像的目標特征提取裝置的框圖。如圖4所示,遙感圖像的目標特征提取裝置10可以包括劃分模塊11、插值模塊12、預估計數組確定模塊13、區域特征確定模塊14和圖像特征確定模塊15。劃分模塊11用于將目標遙感圖像劃分為多個區域圖像,每個區域圖像包括多個像素網格。插值模塊12用于對每個區域圖像進行插值,得到每個區域圖像的插值后數組。預估計數組確定模塊13用于根據每個區域圖像的插值后數組,確定每個區域圖像的目標特征參數的預估計數組。區域特征確定模塊14用于根據每個區域圖像的目標特征參數的預估計數組,通過高斯-牛頓迭代法,確定每個區域圖像的目標特征參數。圖像特征確定模塊15用于根據每個區域圖像的目標特征參數確定所述目標遙感圖像的目標特征參數。可選地,所述插值模塊12可以包括變換子模塊、頻域補零子模塊和逆變換子模塊。變換子模塊用于對一區域圖像的像素網格對應的第一數組進行二維離散傅里葉變換,生成第二數組。頻域補零子模塊用于對所述第二數組進行頻域補零,生成第三數組。逆變換子模塊用于對所述第三數組進行二維離散傅里葉逆變換,生成該區域圖像的插值后數組。可選地,所述預估計數組確定模塊13可以包括網格預估計數組確定子模塊和區域預估計數組確定子模塊。網格預估計數組確定子模塊用于根據一區域圖像的插值后數組中,一像素網格內幅值最大的點的數組,確定該像素網格內的目標特征參數的預估計數組。區域預估計數組確定子模塊用于根據該區域圖像的插值后數組中,每個像素網格內的目標特征參數的預估計數組,確定該區域圖像的目標特征參數的預估計數組。可選地,所述區域特征確定模塊14包括方程建立子模塊、實虛部計算子模塊和區域特征確定子模塊。方程建立子模塊用于根據每個區域圖像的插值后數組和目標特征參數的預估計數組,建立對應的區域圖像的遞歸迭代方程。實虛部計算子模塊用于通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解和虛部解。區域特征確定子模塊用于根據每個區域圖像的遞歸迭代方程的實部解和虛部解,確定每個區域圖像的目標特征參數。可選地,所述實虛部計算子模塊包括實部計算子模塊和虛部計算子模塊。實部計算子模塊用于通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的實部解。其中,插值后的區域圖像中,第j個采樣點的重建數據實部Rj為:Rj=Kr1sinc(BW(nxj-Nx1,nyj-Ny1))+Kr2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Krisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣ArK為:構建的遞歸迭代方程為:目標特征參數實部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Rj為第j個采樣點的重建數據實部,Kri為一區域圖像中第i個網格中幅值最大的點的實部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,ArK為目標函數梯度矩陣,τrk為第j個采樣點數據實部與該點的重建數據實部之差,value(·)為第j個采樣點的數據,Re(·)為數值實部,xr(k)為第k次迭代對應的目標特征參數的實部,δr(k)為實部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δr(k)后,置xr(k+1)=xr(k)+δr(k),k=k+1,當時,停止迭代。虛部計算子模塊用于通過高斯-牛頓迭代法,分別計算每個區域圖像的遞歸迭代方程的虛部解。其中,插值后的區域圖像中,第j個采樣點的重建數據虛部Ij為:Ij=Ki1sinc(BW(nxj-Nx1,nyj-Ny1))+Ki2sinc(BW(nxj-Nx2,nyj-Ny2))+…+Kiisinc(BW(nxj-Nxi,nyj-Nyi))構建的目標函數梯度矩陣Aik為:構建的遞歸迭代方程為:目標特征參數虛部的初始估計為:其中,BW為帶寬,nxj為插值后的區域圖像中第j個采樣點,Ij為第j個采樣點的重建數據虛部,Kii為一區域圖像中第i個網格中幅值最大的點的虛部,Nxi、Nyi分別為第i個網格中幅度最大的點的橫坐標和縱坐標,k為迭代次數,AiK為目標函數梯度矩陣,τik為第j個采樣點數據虛部與該點的重建數據虛部之差,value(·)為第j個采樣點的數據,Im(·)為數值虛部,xi(k)為第k次迭代對應的目標特征參數的虛部,δi(k)為虛部誤差項,(·)-1為矩陣的逆,(·)T為轉置矩陣,其中,在解得δi(k)后,置xi(k+1)=xi(k)+δi(k),k=k+1,當時,停止迭代。關于上述實施例中的裝置,其中各個模塊執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述,此處將不做詳細闡述說明。通過上述技術方案,通過高斯-牛頓迭代法迭代求解出插值后的區域圖像中的點目標的特征參數,從而能夠有效、準確地提取遙感圖像的分布目標的特征。為了驗證本公開的方法的有效性,發明人分別根據仿真模型和根據本公開的方法對遙感圖像進行了處理。根據仿真模型得到的目標參數如表1所示。表1根據仿真模型得到的目標參數參數取值遙感圖像中點目標的個數3點目標的幅值20,60,5點目標的相位(單位:°)50,80,50模擬圖像的空間坐標(x軸)2.4,2.4,1.8模擬圖像的空間坐標(y軸)3.4,3.9,2.2信號帶寬200MHz方位向脈沖重復頻率5000Hz根據本公開的方法得到的目標參數如表2所示。表2根據本公開的方法得到的目標參數由表1和表2可看出,根據仿真模型得到的目標參數和根據本公開的方法得到的目標參數完全一致。圖5是一示例性實施例提供的根據仿真模型構建的遙感圖像的三維視圖。圖6是一示例性實施例提供的根據本公開的方法構建的遙感圖像的三維視圖。由圖5和圖6可看出,根據仿真模型得到的三維視圖和根據本公開的方法得到的三維視圖完全一致。因此,本公開提供的遙感圖像的目標特征提取方法和裝置能夠有效、準確地提取分布目標的特征。以上結合附圖詳細描述了本公開的優選實施方式,但是,本公開并不限于上述實施方式中的具體細節,在本公開的技術構思范圍內,可以對本公開的技術方案進行多種簡單變型,這些簡單變型均屬于本公開的保護范圍。另外需要說明的是,在上述具體實施方式中所描述的各個具體技術特征,在不矛盾的情況下,可以通過任何合適的方式進行組合。為了避免不必要的重復,本公開對各種可能的組合方式不再另行說明。此外,本公開的各種不同的實施方式之間也可以進行任意組合,只要其不違背本公開的思想,其同樣應當視為本公開所公開的內容。當前第1頁1 2 3