一种抑制Ka波段SAR方位模糊图像的水体提取方法及系统

本发明属于合成孔径雷达信号处理和遥感图像分割，尤其涉及一种抑制ka波段sar方位模糊图像的水体提取方法及系统。

背景技术：

1、合成孔径雷达(synthetic aperture radar，sar)作为一种先进的主动式微波技术，不受光照和天气条件的影响，在云雾天气条件下具备比光学传感器更强的地表特征获取能力，以其全天候、全天时的探测优势广泛应用于洪涝区域监测、灾害评估等领域。

2、提取sar图像中的水体特征主要是利用sar图像中不同地物的后向散射特性差异。地物后向散射特性利用后向散射系数描述。水体后向散射系数一般小于陆地的后向散射系数，在sar图像中表现为水域的像素值低于陆地的像素值，因此自动化水体提取方法能够利用这一特点将水体与陆地等其他地物区分开来。在sar影像中，水体会受到水上目标、地物阴影、相干斑噪声、地物杂波等现象的影响，目前，出现大量的研究方法来抑制以上现象对水体提取的干扰，可查到的专利有“一种基于fcm聚类和otsu分割的sar图像海陆分割方法”(申请号：cn 113420658)，采用全局otsu阈值，提取连通区域，保证了海陆分割的准确性，减少海杂波、舰船、岛屿等对sar图像海陆分割的影响；“一种对象级高分辨率sar影像洪水灾害变化检测方法”(申请号：cn 104361582)，对多时相sar影像采用基于标记点的分水岭分割以及区域合并策略获得水体的轮廓信息，并利用基于多种特征的判别规则进一步消除虚假目标的干扰。上述方法只能去除阴影、相干斑噪声和杂波的影响，不能去除sar图像中的方位模糊现象。

3、随着sar卫星测绘带宽和频段的提高，方位有限的采样率和sar的多普勒频谱非限带使得模糊信号叠加在所期望的信号上，造成方位向模糊。对于动态范围较大的观测场景(譬如水陆交界区域)，方位模糊现象尤为明显。由于混叠的模糊能量在sar成像过程中也得到了部分聚焦，陆地上的强散射区域会因方位模糊在sar图像的水体中产生虚假目标，影响水体后向散射特征在sar图像中的表现，造成水体特征差异不明显或类内差异较大，此问题在水体分割任务中容易导致水体特征提取不全。

4、此外，现有的智能解译网络模型通常利用大量样本数据集训练学习到sar图像中的特征，在现有的sar图像水体智能提取方法中，存在没有考虑方位模糊带来的干扰，导致在受方位模糊干扰图像做水体分割任务时水体提取不全、虚警率高的问题。

技术实现思路

1、为了克服上述已有技术的不足，本发明提出了一种抑制ka波段sar方位模糊图像的水体提取方法及系统，以减少方位模糊对水域提取的干扰，增强sar图像数据集水体散射特征，提升基于深度学习的水体提取方法准确性和可靠性。

2、本发明方法的技术方案为一种抑制ka波段sar方位模糊图像的水体提取方法，包括以下步骤：

3、步骤1：获取多幅sar图像，标记每幅sar图像的多个标记的水体区域像素范围；

4、步骤2：构建pspnet网络模型，将每幅sar图像输入至pspnet网络模型进行水体区域提取，得到每幅sar图像的多个提取的水体区域像素范围，结合每幅sar图像的多个标记的水体区域像素范围构建对数损失函数模型，通过梯度下降法进行训练得到训练后pspnet网络模型；

5、步骤3：获取每幅实时的sar图像，将每幅实时的sar图像输入至训练后pspnet网络模型进行水体区域提取，得到每幅实时的sar图像的多个提取的水体区域像素范围；

6、步骤4：获取每幅实时的sar图像的sar卫星成像参数，计算每幅实时的sar图像的方位模糊的偏移量，结合天线方向矩阵构建模糊判断矩阵，通过模糊判断矩阵确定每幅实时的sar图像的方位模糊的像素范围；

7、步骤5：将每幅实时的sar图像的每个提取的水体区域像素范围依次结合每幅实时的sar图像的方位模糊的像素范围、模糊判断矩阵，通过基于区域生长的置信度矩阵判断方法进行筛选，得到每幅实时的sar图像的每个提取的水体区域像素范围与方位模糊的像素范围重叠的像素范围；

8、步骤6：将每幅实时的sar图像的每个提取的水体区域像素范围与方位模糊的像素范围重叠的像素范围采用基于区域生长的图像修补方法去除与方位模糊的像素范围重叠的范围部分，得到每幅实时的sar图像的每个去模糊后的水体区域像素范围；

9、作为优选，步骤2所述损失函数模型，定义如下：

10、步骤2所述损失函数模型，定义如下：

11、

12、其中，n为像素的总数，i∈[1,n]为第i个标记的像素值，oi为第i个提取的像素值，默认log函数以自然常数e为底。

13、作为优选，步骤4所述sar卫星成像参数包括：多普勒中心频率、多普勒调频率、卫星平台速度、脉冲重复频率、雷达波长、方位向天线长度和参考中心时刻对应的斜距；

14、步骤4所述计算每幅实时的sar图像的方位模糊的偏移量，具体计算过程如下：

15、

16、

17、其中，δa和δr分别为每幅实时的sar图像的方位模糊的方位向偏移量、每幅实时的sar图像的方位模糊的距离向偏移量，fd为多普勒中心频率，fr为多普勒调频率，vg为卫星平台速度，fp为脉冲重复频率，λ为雷达波长。

18、步骤4所述结合天线方向矩阵构建模糊判断矩阵，具体计算过程如下：

19、步骤4.1：结合每幅实时的sar图像的sar卫星成像参数和天线方向矩阵计算最大模糊比；

20、所述步骤4.1计算最大模糊比，具体如下：

21、

22、

23、其中，g(fd)表示对应瞬时多普勒频率值fd的天线方向矩阵，fdi表示第i个采样点对应的瞬时多普勒频率值，δfdi为瞬时多普勒频率值的采样间隔，l为方位向天线长度，rref为参考中心时刻对应的斜距，ξ为最大模糊比；

24、步骤4.2：结合最大模糊比和每幅实时的sar图像的方位模糊的偏移量构建模糊判断矩阵；

25、所述步骤4.2构建模糊判断矩阵，具体如下：

26、(a,r)表示每幅实时的sar图像的每a行第r列，对每幅实时的sar图像中每个像素位置(a,r)构建局部平均图像sμ(a,r)：

27、在实时的sar图像中取任意一个点，其对应像素位置为(a,r)，a∈[1,a]，r∈[1,r]，a表示待校正的ka波段sar影像中的行数，r表示待校正的ka波段sar影像中的列数；

28、在该点周围建立一个局部的大小为ma×mr的矩形窗；

29、结合每幅实时sar图像s计算ma×mr的矩形窗内的sar图像局部平均像素值sμ(a,r)：

30、

31、其中，s(i,j)为每幅实时sar图像s第i列第j行对应的像素值，ma、nr分别为矩形窗行方向的窗长、矩形窗列方向的窗长；

32、

33、其中，sμ(a+δa,r+δr)表示在第a+δa行第r+δr列对应的sar图像局部平均像素值，sμ(a-δa,r+δr)表示在第a-δa行第r+δr列对应的sar图像局部平均像素值，b(a,r)表示在sar图像像素位置(a,r)处对应的模糊判断矩阵，b(a,r)＝1代表存在模糊，b(a,r)＝0代表不存在模糊。

34、步骤4所述确定每幅实时的sar图像的方位模糊的像素范围，具体计算过程如下：

35、每幅实时的sar图像为s，得到的局部平均图像为sμ和模糊判断矩阵b(a,r)在像素位置上是一一对应的，对每幅实时的sar图像中每个像素位置(a,r)处进行判断，从而判断出图像中所有模糊点；

36、本发明系统的技术方案为一种抑制ka波段sar方位模糊图像的水体提取系统，包括：

37、图像标记获取模块，用于获取多幅sar图像，标记每幅sar图像的多个标记的水体区域像素范围；

38、网络训练模块，用于构建pspnet网络模型，将每幅sar图像输入至pspnet网络模型进行水体区域提取，得到每幅sar图像的多个提取的水体区域像素范围，结合每幅sar图像的多个标记的水体区域像素范围构建对数损失函数模型，通过梯度下降法进行训练得到训练后pspnet网络模型；

39、实时水体区域提取模块，用于获取每幅实时的sar图像，将每幅实时的sar图像输入至训练后pspnet网络模型进行水体区域提取，得到每幅实时的sar图像的多个提取的水体区域像素范围；

40、方位模糊的像素范围确定模块，用于获取每幅实时的sar图像的sar卫星成像参数，计算每幅实时的sar图像的方位模糊的偏移量，结合天线方向矩阵构建模糊判断矩阵，通过模糊判断矩阵确定每幅实时的sar图像的方位模糊的像素范围；

41、重叠像素范围筛选模块，用于将每幅实时的sar图像的每个提取的水体区域像素范围依次结合每幅实时的sar图像的方位模糊的像素范围、模糊判断矩阵，通过基于区域生长的置信度矩阵判断方法进行筛选，得到每幅实时的sar图像的每个提取的水体区域像素范围与方位模糊的像素范围重叠的像素范围；

42、模糊像素修补模块，用于将每幅实时的sar图像的每个提取的水体区域像素范围与方位模糊的像素范围重叠的像素范围采用基于区域生长的图像修补方法去除与方位模糊的像素范围重叠的范围部分，得到每幅实时的sar图像的每个去模糊后的水体区域像素范围；

43、本发明与现有的技术相比具有以下优点：

44、现有技术针对整张影像做全局的方位模糊抑制，没有从应用出发，难以完全去除模糊，在图像中仍会有模糊信号残留；

45、本发明提出的方法对于图像本身出现的方位模糊干扰问题，直接判断模糊位置，结合水体提取结果，有针对性的去除方位模糊区域，减少对水体提取结果不全的影响，解决了现有技术问题。