收稿日期:2011-01-04;修回日期:2011-02-18。
作者简介:李敏（1977-），女，四川汉源人，副教授，硕士,主要研究方向：SAR图像解译与识别、数字图像处理。
文章编号:1001-9081（2011）07-1825-02doi:10.3724/SP.J.1087.2011.01825
（乐山师范学院 物理与电子工程学院,四川 乐山 614000）
（cassie_li@163.com）
摘 要:针对高分辨率合成孔径雷达（SAR）图像中高速公路的特征，提出了一种结合多级非线性加权平均中值滤波和Hough变换的高速公路检测算法。该算法首先对原始高分辨率SAR图像进行多级非线性加权平均中值滤波，抑制斑点噪声，同时较好地保留图像的几何特性。然后对滤波后的图像进行Hough变换快速检测高速公路，并将检测到的高速公路信息叠加到原始SAR图像上显示。实验结果证明该算法能快速、有效地从不同工作模式下取得的高分辨率SAR图像中检测到直线高速公路。
关键词:高分辨率;合成孔径雷达；高速公路检测；多级中值滤波；非线性权重；Hough变换
中图分类号:TN911.73;TN957.52文献标志码:A
Freeways detection from high-resolution SAR images
LI Min
（College of Physics and Electrical Engineering， Leshan Normal University, Leshan Sichuan 614000,China）
Abstract: Concerning the characteristics of freeways in high-resolution Synthetic Aperture Radar （SAR） images, this paper proposed a detection algorithm for freeways. The algorithm mainly used multilevel nonlinear weighted mean median filtering algorithm and Hough transform. First, multilevel nonlinear weighted mean median filtering was run to the original high-resolution SAR images. It can not only inhibit speckle noise more effectively but also preserve the geometrical features of the original SAR images. Then, Hough transform was run to filtered images to detect freeways, and superposed the detected information on the original SAR images to display. The experimental results indicate that the algorithm can detect freeways rapidly and effectively from high-resolution SAR images got from different modes.
Key words: high-resolution; Synthetic Aperture Radar （SAR）; freeway detection; multilevel median filter; nonlinear weight; Hough transform
0 引言
在合成孔径雷达（Synthetic Aperture Radar,SAR）图像解译与识别中，某些地物诸如道路、桥梁、河流、海岸线等具有线性结构，利用计算机从SAR图像中自动提取这些线性地物信息，具有重要的意义。线性特征检测可用于多传感器图像配准、绘图学应用以及图像分割与目标检测等。
随着SAR分辨率的提高，SAR图像道路目标又呈现出新特征。当雷达的分辨率、入射角、极化方式等参数不同时，同一道路目标在高分辨率SAR图像上会呈现很大差别。近年来涌现出了很多SAR图像道路检测方法,如文献［1-4］。现有检测方法基本都是针对低分辨率SAR图像的，这些算法的根本在于认为道路边缘为“平行线对”,不一定适用高分辨率SAR图像道路检测。高分辨率SAR图像中高速公路的识别算法既要求准确性高，又要求有可接受的速度。
对于高分辨率SAR图像上的高速公路目标，最简单、通用、稳定的特征是“具有一定宽度的条带状暗区域”。目前为止专门针对高分辨率SAR图像高速公路检测的文献还不多。本文根据高分辨率SAR图像斑点噪声的统计性质，提出了一种高速公路检测算法。该算法首先对SAR图像进行多级非线性加权平均中值滤波，有效地抑制高分辨率SAR图像的斑点噪声，同时又有效地保持了SAR图像的几何特性。然后对滤波后的SAR图像进行Hough变换，进行高速公路的快速检测。
1 高分辨率SAR图像高速公路的特征
高速公路的检测主要借助于道路两边缘和道路线特征提取方法，相对于单纯的提取线目标难度会增加。本文检测方法基于高速公路的以下几个特点：
1）高速公路曲率通常变化比较小，在小范围内呈直线；
2）高速公路与背景的灰度值有比较明显的差别；
3）高速公路具有一定的连续性和一定的长度；
4）路面较宽，沿长度方向宽度变化较小；
5）高分辨率图像包含更多的地面细节特征，如路面的车辆、路旁的隔离带、树木、以及树木产生的阴影，这些会使道路的边缘没有了良好的“双平行线对”特征，而是呈现出更复杂的特征。
2 多级非线性加权平均中值滤波算法
2.1 多级中值滤波器
中值滤波器已被广泛应用在平滑噪声和被噪声污染图像的恢复，它与线性滤波器（如均值滤波器）相比有一些较好的性质，诸如保持边缘、抑制脉冲噪声等。为了增强中值滤波器的性能，提出了许多改进的算法，而多级中值滤波器是其中最简单有效的，它保持边缘效果更好（如各种细线结构），但是它降低了噪声的抑制能力［5］。在用于抑制散斑噪声中，为了弥补其噪声抑制能力下降的弱点，对其作加权平均处理，以期取得更好的恢复效果。多级中值滤波器表述如下。
让X（·,·）表示数字图像序列，W表示中心在（i,j）,（2N+1）×（2N+1）的正方滤波窗。那么滤波窗W的四个子集［5］可定义为：
W1（i,j）{X1（i,j+k）;－N≤k≤N}（1）
W2（i,j）{X2（i+k,j+k）;－N≤k≤N}（2）
W3（i,j）{X1（i+k,j）;－N≤k≤N}（3）
W4（i,j）{W1（i+k,j－k）;－N≤k≤N}（4）
假定Zs（i,j）（s1,2,3,4）是四个子集元素的中值，且：
Ymin（i,j）min［Z1（i,j）,Z2（i,j）,Z3（i,j）,Z4（i,j）］（5）
Ymax（i,j）max［Z1（i,j）,Z2（i,j）,Z3（i,j）,Z4（i,j）］（6）
则多级中值滤波的输出定义为：
Y（i,j）med［Ymin（i,j）,Ymax（i,j）,X（i,j）］（7）
多级中值滤波器虽然较好地保持图像的边缘和细节，但它抑制噪声的能力较弱。为此蒋立辉等人〖5〗提出了一种改进技术，即在此算法的基础上结合了斑点噪声的统计性质，提出了多级非线性加权平均中值滤波算法。
2.2 多级非线性加权平均中值滤波算法
因为合成孔径雷达成像是反射强度成像，所以斑点的强度统计特性在这里最为重要。在实际应用中，通常主要感兴趣的是强度超过域值I的概率P（I），它遵从负指数统计规律,其统计分布为:
P（I）exp（－I/I）（8）
其中：I为反射强度，I为反射强度均值。从斑点噪声的统计分布来看，它是非对称的:低于反射强度均值，发生概率大；高于反射强度均值，发生概率小。因此应用多级中值滤波算法来抑制斑点噪声，可能会降低图像的平均灰度。为了弥补多级中值滤波算法降低图像的平均灰度和抑制噪声能力弱的缺点，蒋立辉等人〖5〗提出了一种多级非线性加权平均中值滤波算法。
首先，对上述四个子集元素的中值进行排序。在（i,j）点处从大到小排序后得到的结果为Zfi（i,j）,Zse（i,j）,Zth（i,j）,Zfo（i,j）,i1,2,…,2N+1, j1,2,…,2N+1。
均值为：
Z（i,j）（Zfi（i,j）+Zse（i,j）+Zth（i,j）+Zfo（i,j））（9）
最后滤波的结果［5］为：
Y（i,j）（Zfi（i,j）+×Zse（i,j）+
×Zth（i,j）+×Zfo（i,j））（10）
通过对上述四个子集元素的中值进行加权平均，给予其中较大的值以较大的权重，以期弥补图像灰度均值降低和噪声抑制能力弱的缺陷，较好地恢复噪声图像。
3 Hough变换的基本原理
Hough变换是图像处理中从图像中检测几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。
对于x,y坐标系中的一条直线，用ρ代表直线距原点的法线距离，θ为该法线与x轴的夹角。这一直线的Hough变换为：
ρx cos θ+y sin θ（11）
由式（11）可知Hough变换使不同坐标系中的线和点建立了一种对应的关系。图像空间中直线都有且仅有一个法向量，因此在（x,y）平面上的任一条直线经Hough变换后为极坐标空间的一个点（ρ,θ），如图1所示。
Hough变换算法［6］具体如下：
1）适当地量化参数空间；
2）假如参数空间的每一个单元都是2个累加器，将累加器初始化为0；
3）对图像空间的每一个点（x,y）,在其所满足的参数方程对应的累加器上加1；
4）累加器阵列的峰值就是对应模型的参数。
Hough变换中参数空间的峰值检测是一个聚类检测问题，阈值的选取是成功与否的关键所在。Hough变换的优点是其抗噪性能比较好，并且能连接共线短直线。
图1 Hough变换原理
4 实验及结果
实验环境为Matlab7.0。为验证本文算法的通用性，本文选取了不同波段、不同极化方式、不同分辨率的三幅SAR图像。实验结果见图2。
表1 SAR图像滤波评价指标
从滤波后图像可知，经多级加权平均中值滤波后的SAR图像有效地抑制了斑点噪声，同时还较好地保留了原SAR图像的几何特性。从表1可知，三幅图片经滤波处理前后，均值基本保持不变，方差大大减小，等效视数明显提高。这些指标都证明该滤波方法的有效性。
图2 测试图像及测试结果
从表2可知本文算法能快速有效地从不同极化方式、不同波段，不同分辨率的SAR图像中检测到高速公路。
表2 实验情况统计表
5 结语
本文针对高分辨率SAR图像中高速公路特征，提出一种结合多级非线性加权平均中值滤波和Hough变换的高速公路检测方法。该方法具有简单、快速的特点，适用于在不同工作模式下获取的高分辨率SAR图像。本文算法仅针对直线高速公路检测，下一步将着重于具有一定弯曲度的高速公路检测。
参考文献:
［1］ 郦苏丹,张翠，王正志，SAR图像中道路检测方法研究［J］.宇航学报,2002，23（1）:17-24.
［2］ 李敏奇,周诠.一种遥感图像中的道路检测方法［J］.现代电子技术，2006，29（6）:125-127.
［3］ 蒋运辉,皮亦鸣.基于Hough变换和遗传算法的SAR图像道路检测［J］.雷达科学与技术,2005，3（3）: 156-179.
［4］ 张凤珍,董增寿. 基于数学形态学与Hough变换的道路边缘提取［J］.太原科技大学学报,2010, 31（3）:193-196.
［5］ 蒋立辉,赵春晖.基于多级非线性加权平均中值滤波算法的散斑噪声抑制［J］.激光与红外，2003,33（5）:380-382.
［6］ 刘广智，李建勋，敬虐良.基于改进Hough变换的前视机场跑道识别方法［J］. 计算机工程,2004,30（20）:143-145.
