一种极化SAR图像T型港口识别方法

2016-04-23刘春殷君君杨健

电波科学学报 2016年1期

关键词：极化

刘春　殷君君　杨健

(清华大学电子工程系,北京 100084)

一种极化SAR图像T型港口识别方法

刘春殷君君杨健

(清华大学电子工程系,北京 100084)

摘要针对T型港口特有的几何结构特征,提出了一种极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像T型港口识别方法．该方法利用基于区域统计特性的极化SAR数据水平集分割方法实现精确的海岸线提取．在此基础上通过曲线分裂归并算法提取岸线特征点,并利用T型港口始末特征点的近距离特性实现感兴趣区域提取．然后采用基于链码的直线判断方法提取港口轮廓线段,并通过判断轮廓平行直线和垂线特征实现T型港口的识别．使用伯克利地区TerraSAR极化SAR数据进行实验验证,结果表明了提出算法的有效性,能在大场景范围内正确识别出沿岸T型港口．

关键词合成孔径雷达;港口识别;T型;极化

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、多极化、多波段合成孔径雷达(Synthetic Aperture Radar,SAR)图像使得精确的地物目标识别成为可能,港口作为一类重要的固定设施,其识别具有重要意义．港口在形态上表现为沿岸凸起或凹陷的区域,由于沿岸地形的复杂性及港口功能的多样性,港口目标形态呈现出多样性．然而港口区域复杂的背景环境,SAR图像强的相干斑噪声都使得港口目标识别难度较大．

在海陆分割基础上,现有港口识别方法包括识别港口轮廓的几何结构和模板匹配两类．文献[1]提出一种基于轮廓链码度量的方法实现锯齿状港口识别．文献[2-3]利用黑板框架生成系统逐级提取港口场景的线、长线、折线、U型结构和E型结构实现不同类型港口识别．文献[4]利用轮廓的封闭性度量实现港口检测,通过提取港口轮廓的矩特征与已知模板匹配实现港口识别．文献[5]利用岸线封闭性度量矩阵特征谱分割实现港口轮廓提取,通过与模板图像特征谱匹配实现港口识别．由于港口轮廓几何结构的复杂性,基于港口轮廓几何结构的识别方法仅仅适用于港口轮廓凹凸有序情况．而基于模板匹配的方法需要建立港口模型的样本库,在实际的港口识别中这两种方法都存在一定的局限性．

大量港口SAR图像统计发现,作为一类重要的港口,T型港口具有稳定的几何结构特征,其长条形的突堤两侧表现出良好的平行直线特征,而突堤前端泊船横梁与突堤几乎垂直．为此提出一种极化SAR图像T型港口识别方法．该方法特点在于,充分利用极化SAR数据海面和陆地的统计特性,采用极化SAR数据水平集分割方法实现精确的海陆分割和岸线提取;根据T型港口轮廓线狭长凸起特性进行感兴趣区域确定;对于感兴趣区域,根据T型港口轮廓特有的平行和垂直结构特性实现港口识别．

1T型港口识别方法

1.1海岸线及特征点提取

由于海面区域和陆地区域散射特性的差异,简单的极化SAR图像海岸线提取可对总功率或某一通道强度进行阈值分割或边缘检测实现[6]．然而由于SAR图像强的乘性相干斑噪声和沿岸复杂的地物环境影响,这些方法都难以提取连续的海岸线,相应的形态学、边缘连接和边缘跟踪等处理繁琐且鲁棒性差．为提取出连续而精确的海岸线,采用基于区域统计特性的极化SAR水平集分割方法实现海岸线检测[7-8]．

考虑基于区域统计特性的极化SAR图像最佳分割模型．对于两区域的分割,若图像平面表示为R,给定的极化SAR图像表示为I,分割表示为Ρ={R1/R2},水陆交界线表示为闭合的曲线Γ,R1和R2分别表示由曲线P分割的陆地区域和水域．根据贝叶斯准则,最佳分割为满足后验概率密度最大的分割，即

(1)

式中,p(I|Ρ(R1,R2))为分割Ρ下图像后验概率．

E(Γ,{R1,R2})=ν|Γ|-∫R1lgf(x|R1)dx-

∫R2lgf(x|R2)dx,

(2)

在设定的初始化曲线下,分割轮廓曲线可通过式(2)逐步演进求解,但这样需将曲线Γ参数化表示,对于轮廓曲线拓扑结构发生变化情况无法求解．水平集方法将曲线Γ隐式表示为一系列曲线(水平集函数Φ(c(t),t))零水平集对应曲线Γ(t)={c(t)|Φ(c(t),t)=0},并根据曲线能量定义得到水平集泛函Φ的能量定义:

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)为阶跃函数,H(Φ)=1如果Φ≥0,H(Φ)=0如果Φ<0．R1对应Φ≥0区域,R2对应Φ<0区域．通过变分法沿水平集能量函数负梯度方向逐次逼近,求解满足能量最小的零水平集函数,偏微分方程为

(4)

对于多视极化SAR图像海面和陆地同质区域,散射矩阵服从复Wishart分布,若区域相干矩阵均值为Σ,视数为L,则其相干矩阵C～W(Σ,L,p),

f(C|Σ,L,p)=

(5)

则对应的水平集演进方程为

(6)

式中, Σ1,Σ2分别为似然估计得到的海面和陆地区域的相干矩阵,为各区域相干矩阵的平均值．

在设定的初始化水平集函数和参数值下,利用式(6)迭代搜索可实现水平集分割算法[9-10]．在实现水平集分割算法后,根据两分割区域的平均散射功率大小可判断出两区域的类别,通常海面区域的平均散射功率小．由此分割得到的海面和陆地区域仍然包括一些连通的小区域,在设定的面积阈值下可将这些区域移除．而对于陆地内部的面积较大水域或低散射区域,计算其与主体海域轮廓距离,并在设定的距离阈值下可将其移除．

对于经过面积和距离处理后的海陆分割二值图,分别对各连通海域进行二值图边缘跟踪算法可得到海岸线的有序点表示．T型港口位于岸线狭长凸起部分,为实现T型港口检测首先需检测出岸线特征点．对于二值图像数字曲线特征点检测,常用方法包括基于角度的检测方法[11]和基于曲线近似的方法[12]．由于沿岸自然地形的复杂性,一些天然凸起凹陷部分也会形成特征点,T型港口轮廓特征点相对这些自然地形特征点更加显著．基于曲线近似的方法更加易于检测显著特征点．经典的曲线近似方法为Douglas-Peucker (D-P)分裂归并算法,若海岸线的有序点集合为{Oi,i=1,2,…,M},D-P算法首先将起始点O1和终止点OM标记为特征点,并将离直线O1OM距离最远的点Ok标记为特征点,然后按相同的方式分别处理O1Ok和OkOM,并标记出相应的特征点．在设定的距离容限ε下,D-P算法递归迭代进行直至各区间上点离对应的直线段距离都小于ε为止．通过设定较大的ε值可将海岸线轮廓中显著特征点检测出．

1.2感兴趣区域确定

T型港口轮廓表现为岸线轮廓凸起部分,其与陆地和海面接触端点形成特征点并且距离较小,轮廓特征点数目至少5个以上．利用这些特性可以实现T型港口感兴趣轮廓区域的提取．若根据D-P算法检测出的特征点有序集合为{Pi,i=1,2,…,N},对特征点Pi,依次计算其后与其距离小于Dmax的若干个特征点与Pi的距离,找出所有距离小于设定阈值Dmin的特征点{Fi,i=1,2,…,K},若点Pi与FK之间轮廓上特征点数目超过5个,则可将其判定为感兴趣区域．跳过已经判定的轮廓特征点,依次沿轮廓特征点进行相同的处理,即可搜索出所有感兴趣区域．

1.3T型港口结构识别

规则的T型港口轮廓表现出良好的拓扑结构特性,可采用类似文献[1]中轮廓链码的描述和度量方法实现这种结构的识别,但是在实际SAR图像中T型港口前端横梁通常都停靠着一些船只,这些船只轮廓形成T型港口轮廓的一部分会干扰其结构的识别．通常实际SAR图像中T型港口长条形的突堤两侧表现出良好的平行直线特征,而突堤前端泊船横梁与突堤几乎垂直．因此,利用这两个显著的结构特征实现T型港口结构识别．

直线特征检测通常采用Hough变换实现,然而由于SAR图像乘性噪声和强散射体二次回波干扰,SAR图像中T型港口轮廓直线具有一定的毛刺,且T型港口两侧直线距离过近,采用Hough变换进行直线特征提取具有一定难度．考虑到港口轮廓点已经有序排列,采用基于链码的快速直线检测方法实现直线特征的提取[13]．

若感兴趣区域轮廓Ψ有序点集合为{Oi,i=1,2,…,U},特征点有序集合为{Pj,j=1,2,…,V}．首先计算出轮廓所对应的链码{ai}U-1(ai∈{0,1,…,7}),然后依次对特征点Pk和Pk+1(k=1,2…,V-1)之间的链码进行直线判断．若Pk和Pk+1之间链码为{ai}W(i=s,…,t)(W为链码长度),将其按中点分为两段{bi}(i=s,…,r)和{ci}(i=r,…,t),分别统计{bi}和{ci}方向直方图f(i)和g(i),分别确定两直方图f(i)和g(i)的最大值f1,g1和第二大值f2,g2及所对应方向b1,c1和b2,c2．对于直线段链码,一般情况b1=c1,若出现两方向交替则b1=c2且b2=c1．而两段直线主要方向之和在直线段中应占有一定比例((f1+f2)+(g1+g2))>ε1W,两段直线主要方向所占比例相差应该不大((f1+f2)-(g1+g2))<ε2W/2．对于一般直线满足0.8<ε1<1,ε2<0.15,而对于SAR图像轮廓直线一般满足0.5<ε1<1,ε2<0.2．若PkPk+1为直线段,对PkPk+1轮廓点坐标进行最小二乘估计即可确定直线的参数,使用Ax+By+C=0表示轮廓直线,其中C=min(X0,Y0),X0,Y0为图像高度和宽度．

找出感兴趣区域Ψ的所有直线段之后,根据直线的夹角、距离和端点距离进行平行直线特征的判断．若线段1为A1x+B1y+C=0,始末端点为U1,U2,线段2为A2x+B2y+C=0,始末端点为V1,V2,直线1与直线2的平分直线为直线3,表示为A3x+B3y+C=0,则平行直线的判定准则如下:

a) 线段1与线段2方向向量夹角小于设定的阈值T1;

b)U1,U2中点至直线3距离D1与V1,V2中点至直线3距离D2之和D

c)U1U2和V1V2在直线3上投影距离的最大值L>T3,U1与V2在直线3上投影距离L1

其中直线3可通过求出直线1与直线2夹角α和交点I后,将直线1绕交点I旋转α/2获得,考虑到在满足准则a)下直线1与直线2夹角很小,近似求解直线3参数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线特征,对于存在平行直线的感兴趣区域仍然存在一些虚警,因此要实现T型港口识别,还需判断轮廓的垂直结构．

对于感兴趣区域Ψ的所有平行直线对,找出长度最大的一组U1U2和V1V2,确定其对应的直线3和距离D．然后对端点U2和端点V1之间的轮廓点进行直线估计,并将所有轮廓点投影至直线4上．若估计出的直线4与直线3夹角θ满足|θ-90°|<θ0,则判定为存在垂直结构．对于存在垂直结构的感兴趣区域,若U2与V1轮廓点投影至直线4上位于平行直线对两侧长度分别为R1,R2,则满足R1>λD且R2>λD的区域可判定为存在T型港口,其中λ的大小根据实际T型港口选取．若R1<λD且R2<λD,则判定为长条形区域,若R1<λD,R2>λD或R1>λD,R2<λD则判定为Γ型港口．

2实验结果及分析

对2013年通过TerraSAR获取的美国伯克利海岸区域极化SAR数据进行实验验证,数据大小10 000×12 000,图像方位向分辨率为6.6m,距离向分辨率为1.84m．数据经过2×2多视处理,图1(a)为数据Pauli伪彩图,其中白线框出区域为存在T型港口区域．

利用水平集方法进行海陆分割时,曲线规则化参数设置为0.2,迭代次数设置为100,小面积剔除阈值对于海面(陆地)设为水域(陆地)面积的1‰．图1(b)为数据分割二值图,其中红线为对应的海岸线．进行D-P算法提取海岸线特征点时,根据分辨率大小选择距离误差容限ε为10．图1(b)中红色*标记点为检测出的特征点．

(a) Pauli伪彩图

(b) 海岸线及特征点检测结果图1　Pauli伪彩图和海岸线及特征点检测结果

进行感兴趣区域提取时,根据图像分辨率大小和经验统计,特征点距离阈值Dmin设为30个像素单元,Dmax设为300个像素单元．图2(a)中红线框区域为确定的感兴趣区域．主体海面区域被桥梁分成两段,两海面区域分别检测到17个和20个感兴趣区域．

利用链码确定直线段时,设定ε1为0.5,ε2为0.2．平行直线准则各门限设置为T1=5°,T2=30,T3=60,T4=0.1．图2(b)红线框区域为根据平行直线判断确定的疑似区域,其中平行直线段用绿线画出．共检测出5个疑似区域,图2(c)为各疑似区域轮廓切片图．进行垂直结构识别时θ0设置为30°,λ设置为1,图2(d)为最终的T型和Γ型港口识别结果,其中轮廓用红线标记,平行直线用绿色标记,特征点起始点用黄色标记,终止点用红色标记．

通过图1(b)可以发现,极化SAR水平集方法实现了海岸线的精确检测,但对于图1(a)中3号T型港口轮廓损失,分析原因是该区域噪声级别过高,港口突堤中间部分与海面散射强度接近,直接导致该T型港口轮廓与陆地区域断裂,而位于海面中的部分港口轮廓因为面积过小而被移除．通过图2(b)和(c)可以发现平行直线检测方法实现了所有具有平行直线结构的港口区域的检测．通过图2(d)可以发现识别出的三个T型港口与实际的极化SAR图像港口区域轮廓完全吻合,可见经过近似垂直结构检测方法能正确地区分出T型港口区域．

(a) 感兴趣区域提取结果

(b) 平行直线结构提取结果

(d) T型港口识别结果图2　T型港口识别结果

3结论

在使用基于极化SAR图像区域统计特性的水平集方法实现精确海岸线提取的基础上,从提取岸线轮廓点、线、平行直线和折线结构特征逐层实现了T型港口的识别,曲线分裂归并算法提取特征点、链码确定直线段的方法以及夹角和距离确定平行直线和垂直折线的方法都具有简单实用的特点．利用噪声级别高的数据实验验证了提出识别方法的可行性,该方法在大场景范围内实现了T型港口的正确检测．

参考文献

[1]李艳, 彭嘉雄. 港口目标特征提取与识别[J]. 华中科技大学学报: 自然科学版, 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] 杨耘, 王树根, 邱丹丹. 基于规则的高分辨率影像港口识别模型[J]. 测绘信息与工程, 2006, 30(5): 40-42.

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

[4] 邢坤, 付宜利. 基于内港区域的港口目标识别[J]. 电子与信息学报, 2009, 31(6): 1275-1278.

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

[5] 张志龙, 张焱, 沈振康. 基于特征谱的高分辨率遥感图像港口识别方法[J]. 电子学报, 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] 杨新, 黄顺吉. 基于偏微分方程的多区域SAR图像分割方法研究[J]. 电波科学学报, 2008, 23(3): 525-529.

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

[8] 杨帆, 杨健, 殷君君. 基于区域谱聚类的极化合成孔径雷达图像分割[J]. 电波科学学报, 2015, 30(1): 37-42.

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

[9] 杨新, 黄顺吉. 应用变分法的极化SAR图像分类方法研究[J]. 电波科学学报, 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]鲁光泉, 许洪国, 李一兵. 基于链码检测的直线段检测方法[J]. 计算机工程, 2006, 32(14): 1-3+10.

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

刘春(1988-),男,湖北人,清华大学电子工程系博士研究生,主要研究方向为极化SAR图像解译．

殷君君(1983-),女,黑龙江人,清华大学电子工程系博士后,主要研究方向为全极化和紧缩极化SAR图像解译、紧缩极化SAR在海洋监测中的应用研究．

杨健(1965-),男,湖北人,清华大学电子工程系教授、博士生导师,主要研究方向为极化SAR理论及应用．

作者简介

中图分类号TN957.52

文献标志码A

文章编号1005-0388(2016)01-0019-06

收稿日期：2015-02-12

刘春, 殷君君, 杨健. 一种极化SAR图像T型港口识别方法[J]. 电波科学学报,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

资助项目: 国家自然科学基金(61490693，41171317); 航空科学基金(20132058003)

联系人：杨健 E-mail: yangjian_ee@tsinghua.edu.cn