本技術(shù)涉及信號處理，特別涉及一種基于變化檢測技術(shù)的含干擾sar圖像篩選與檢測方法、系統(tǒng)、計算機(jī)可讀存儲介質(zhì)和電子設(shè)備。

背景技術(shù)：

1、作為一種有源微波遙感設(shè)備，合成孔徑雷達(dá)(synthetic?aperture?radar,簡稱sar)具有不受光照和天氣條件影響的微波傳播特性，可提供全天候的地球觀測能力。由于其獨特的成像機(jī)制和高分辨率特性，海量時間序列合成孔徑雷達(dá)圖像可提供豐富的多維時空信息。這些優(yōu)勢賦予了合成孔徑雷達(dá)在城市規(guī)劃、環(huán)境保護(hù)、農(nóng)業(yè)產(chǎn)量評估、自然災(zāi)害監(jiān)測和軍事安全等領(lǐng)域廣泛的研究價值和應(yīng)用前景。

2、隨著全球無線電技術(shù)的發(fā)展，有限的頻譜資源日益受到眾多無線電服務(wù)的爭奪，使本已擁擠不堪的電磁環(huán)境變得更加復(fù)雜。作為一種開放式寬帶雷達(dá)系統(tǒng)，合成孔徑雷達(dá)很容易受到主瓣接收方向同一頻段其他輻射源的電磁干擾。通常，這些出現(xiàn)在sar回波信號中的雜波被稱為射頻干擾(radio?frequency?interference,簡稱rfi)。射頻干擾的存在會大大降低場景中表面特征信息的分辨率，使合成孔徑雷達(dá)數(shù)據(jù)無法滿足后續(xù)應(yīng)用的需要，如目標(biāo)探測和分類。雖然全球受射頻干擾影響的地區(qū)比例相對較低，但在某些特定地點，如機(jī)場、港口和發(fā)電站，回波數(shù)據(jù)仍經(jīng)常受到射頻干擾的污染。這一點在放大的目標(biāo)區(qū)域中清晰可見。然而，在合成孔徑雷達(dá)射頻干擾檢測領(lǐng)域，大多數(shù)工作都是在假設(shè)射頻干擾已經(jīng)存在于數(shù)據(jù)中的前提下進(jìn)行的，很少提及在海量數(shù)據(jù)中預(yù)先篩選射頻干擾的方法。

3、因此，面對海量時間序列sar數(shù)據(jù)的任務(wù)需求，研究高效準(zhǔn)確的rfi篩選和檢測方法尤為重要。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種基于變化檢測技術(shù)的含干擾sar圖像篩選與檢測方法、系統(tǒng)、存儲介質(zhì)和電子設(shè)備，以解決或緩解上述現(xiàn)有技術(shù)中存在的問題。

2、為了實現(xiàn)上述目的，本技術(shù)提供如下技術(shù)方案：

3、本技術(shù)提供一種基于變化檢測技術(shù)的含干擾sar圖像篩選與檢測方法，包括：步驟s101、對時間序列sar圖像進(jìn)行預(yù)處理，包括了輻射校正、圖像配準(zhǔn)和相干斑濾波；步驟s102、對時間序列中的所有相鄰圖像進(jìn)行變化檢測；步驟s103、對相鄰圖像對的變化檢測矩陣進(jìn)行特征分割，得到存在差異性變化的局部位置標(biāo)識；步驟s104、基于局部位置標(biāo)識對相鄰圖像中的差異特征進(jìn)行掩膜；步驟s105、合并所有局部區(qū)域標(biāo)識和差異特征掩膜信息，構(gòu)建時間序列rfi標(biāo)識與rfi掩膜背景；步驟s106、利用時序rfi標(biāo)識，逐圖像提取對應(yīng)局部區(qū)域的特征信息，并將提取結(jié)果與rfi掩膜背景的特征相似度進(jìn)行量化；步驟s107、使用k-means聚類方法完成量化指標(biāo)序列的自適應(yīng)分類，即完成時間序列中含干擾圖像篩選；步驟s108、基于時間序列的篩選結(jié)果，在無干擾類中使用均值法構(gòu)建無干擾背景圖；步驟s109、基于無干擾背景圖利用對數(shù)比算子完成含干擾圖像的檢測。

4、優(yōu)選的，在步驟s101中，對時間序列sar圖像進(jìn)行預(yù)處理，包括了輻射校正、圖像配準(zhǔn)和相干斑濾波，具體為：根據(jù)時間序列sar圖像產(chǎn)品的軌道參數(shù)，消除系統(tǒng)響應(yīng)、平臺運動、視角效應(yīng)、輻射標(biāo)定和大氣校正等造成的誤差，根據(jù)特征標(biāo)準(zhǔn)點進(jìn)行像素級別配準(zhǔn)，獲得統(tǒng)一尺寸的圖像灰度矩陣。之后利用lee濾波器消除相干斑噪聲影響，完成圖像預(yù)處理步驟。

5、優(yōu)選的，在步驟s102中，對時間序列中的所有相鄰圖像進(jìn)行變化檢測，具體為：在時間序列中，場景對象一般會在重訪周期內(nèi)保持穩(wěn)定，從而使區(qū)域特征高度一致。然而，在不同時間獲取的數(shù)據(jù)中，rfi的分布仍然是隨機(jī)的。因此，相鄰圖像之間的顯著差異主要是由于局部rfi造成的。在此引入一種改進(jìn)的比值差異算子，用于對相鄰圖像之間的差異性特征進(jìn)行變化檢測，定義如下：

6、

7、其中，i1和i2為相鄰的兩幅圖像，∈為避免除零錯誤而引入的正則化因子，x和y為對應(yīng)像素點的坐標(biāo)，d為計算得到的變化檢測矩陣。

8、優(yōu)選的，在步驟s103中，對相鄰圖像對的變化檢測矩陣進(jìn)行特征分割，得到存在差異性變化的局部位置標(biāo)識,具體為：基于變化檢測矩陣，利用大津法將原始地物信息與變化特征分離開來。之后將聚類結(jié)果二值化，以便于后續(xù)精確的rfi定位。該過程定義如下：

9、

10、其中，kt表示根據(jù)大津法方法得出的自適應(yīng)分離閾值，dt表示閾值分離前的差分圖像，bt是二進(jìn)制閾值分離后的結(jié)果。

11、優(yōu)選的，在步驟s104中，基于局部位置標(biāo)識對相鄰圖像中的差異特征進(jìn)行掩膜，具體為：將時間序列中相鄰的兩幅圖像分別與局部區(qū)域標(biāo)識做點乘運算，取每個相應(yīng)位置的最大值合并這些圖像，確保準(zhǔn)確提取受到rfi影響而產(chǎn)生變化的區(qū)域。

12、優(yōu)選的，在步驟s105中，合并所有局部區(qū)域標(biāo)識和差異特征掩膜信息，構(gòu)建時間序列rfi標(biāo)識與rfi掩膜背景，具體為：對與所有相鄰圖像對提取到的干擾特征信息，通過取并集的方式拓展為代表整個時間序列中rfi分布的掩膜背景。對于重疊的像素點，取中位數(shù)以減少異常值的影響。同理得到此時間序列的rfi標(biāo)識。

13、優(yōu)選的，在步驟s106中，利用時序rfi標(biāo)識，逐圖像提取對應(yīng)局部區(qū)域的特征信息，并將提取結(jié)果與rfi掩膜背景圖像的特征相似度進(jìn)行量化，具體為：對于時間序列中的待篩選圖像，逐個與時間序列標(biāo)識進(jìn)行點乘運算，之后計算從每幅圖像中提取的每個局部區(qū)域特征與時序rfi掩膜背景之間的改進(jìn)結(jié)構(gòu)相似性指數(shù)(issi)。這一過程會生成一個歸一化的issi序列，定義如下：

14、issi(x,y)＝l(x,y)α·c(x,y)β·s(x,y)γ

15、其中，x和y分別代表rfi掩膜背景和待篩選圖像局部區(qū)域掩膜。l、c和s分別代表兩幅圖像的亮度相似系數(shù)、對比度相似系數(shù)和結(jié)構(gòu)相似系數(shù)。這些系數(shù)的權(quán)重系數(shù)分別用α、β和γ表示，并滿足α+β+γ＝1的條件。

16、優(yōu)選的，在步驟s107中，基于s106的結(jié)果使用k-means聚類方法完成issi序列的自適應(yīng)分類，即完成時間序列中含干擾圖像篩選。具體為：對于該issi序列，其值范圍為[0，1]，代表了對應(yīng)圖像的局部rfi特征與中值rfi背景圖之間的相似程度，且呈正線性相關(guān)。使用k-means方法將issi序列分為兩類，分別代表含射頻干擾圖像和非射頻干擾圖像，從而完成時間序列中的含干擾圖像的篩選。

17、優(yōu)選的，在步驟s108中，基于s107中的篩選結(jié)果使用均值法構(gòu)建無干擾背景圖。具體為：對于得到的時間序列sar圖像的篩選結(jié)果，基于無干擾類的數(shù)據(jù)使用均值法構(gòu)建無干擾檢測背景圖，用于對含干擾圖像中的干擾偽影進(jìn)行檢測。

18、優(yōu)選的，在步驟s109中，基于無干擾背景圖利用對數(shù)比算子完成含干擾圖像檢測。具體為：對于已篩選出的待檢測圖像，將無干擾檢測背景圖作為基準(zhǔn)圖像，使用改進(jìn)的對數(shù)比算子突出由射頻干擾引起的目標(biāo)圖像差異，定義如下：

19、

20、其中du代表差分圖像，ib和iu分別代表無射頻干擾背景圖像和待檢測圖像。與傳統(tǒng)的對數(shù)比值運算相比，該公式中加入了一個常數(shù)作為偏移量，以解決零除運算產(chǎn)生的無限離群值，避免誤報。之后使用自適應(yīng)閾值分割法分離并標(biāo)識干擾區(qū)域，定義如下：

21、

22、其中，du表示閾值分割前的差分圖像，tu表示自適應(yīng)最佳閾值，bu表示應(yīng)用閾值分割后得到的二值圖像。

23、本技術(shù)實施例還提供一種基于變化檢測技術(shù)的含干擾sar圖像篩選與檢測系統(tǒng)，包括：數(shù)據(jù)預(yù)處理單元，配置為從輸入系統(tǒng)的合成孔徑雷達(dá)時間序列實測數(shù)據(jù)中提取軌道參數(shù)并完成軌道矯正、圖像配準(zhǔn)和相干斑濾波的預(yù)處理步驟；變化檢測單元，配置為對相鄰圖像對進(jìn)行變化檢測及分析，提取并標(biāo)識相鄰圖像之間干擾的位置信息；干擾特征融合單元，配置為基于時間序列中所有干擾的位置信息，采用像素級別的干擾特征信息合并，對于重疊區(qū)域取中位數(shù)以消除異常值影響；射頻干擾篩選單元，配置為基于干擾特征信息提取待篩選圖像中的局部區(qū)域信息，并對計算得到的issi序列進(jìn)行自適應(yīng)聚類以完成時間序列圖像的干擾篩選；射頻干擾檢測單元，配置為根據(jù)篩選結(jié)果得到的無干擾類的數(shù)據(jù)構(gòu)建干擾檢測背景圖，并基于對數(shù)比算子檢測并定位含干擾圖像中的射頻干擾。

24、有益效果：

25、本技術(shù)提供的基于變化檢測技術(shù)的含干擾sar圖像篩選與檢測方法中，首先，對時間序列sar圖像進(jìn)行預(yù)處理，包括了輻射校正、圖像配準(zhǔn)和相干斑濾波；然后，對時間序列中的所有相鄰圖像進(jìn)行變化檢測，并對相鄰圖像對的變化檢測矩陣進(jìn)行特征分割，得到存在差異性變化的局部位置標(biāo)識；之后，基于局部位置標(biāo)識對相鄰圖像中的差異特征進(jìn)行掩膜。然后，利用時序rfi標(biāo)識，逐圖像提取對應(yīng)局部區(qū)域的特征信息，并將提取結(jié)果與rfi掩膜背景圖像的特征相似度進(jìn)行量化，最后，使用k-means聚類方法完成issi序列的自適應(yīng)分類，并基于篩選結(jié)果使用均值法構(gòu)建無干擾背景圖，完成含干擾圖像檢測。借此，能夠為海量sar圖像檢測工作提供更為高效準(zhǔn)確的處理流程，通過發(fā)明中的操作框架能獲得精度更高的含干擾數(shù)據(jù)篩選與偽影定位結(jié)果，為后續(xù)干擾抑制等處理提供了更好的研究基礎(chǔ)。