一种基于景物分布的SAR景象适配性评价方法

摘要

公开了一种基于景物分布的SAR景象适配性评价方法，通过选取至少两个图像特征指标，并选取在不同图像样本中特征值分布差异较大的图像特征指标作为适配性特征指标，能够更好地表征和区分景物类型；通过对待评价景象进行分块并获取适配性特征指标在待评价景象的所有分块图像中的适配性特征值分布，能够评价复杂地物场景的SAR景象适配性。本发明能够适用于复杂地物场景的SAR景象适配性评价，且评价效果好。

权利要求

1.一种基于景物分布的合成孔径雷达SAR景象适配性评价方法，包括：S1、获取待评价景象和每个单一景物类型的图像样本的灰度值，并按照预设尺寸对所述待评价景象以及所述图像样本进行分块；

S2、选取至少两个图像特征指标，针对每个图像特征指标：S21、基于灰度值确定所述图像特征指标在每个图像样本的所有分块图像中的特征值，并依据所述特征值获取所述图像特征指标在每个图像样本中的特征值分布；

S22、选取在不同图像样本中特征值分布差异较大的至少一个所述图像特征指标作为适配性特征指标，具体包括：获取在不同图像样本中所述特征值分布的标准差；

选取标准差最大的所述图像特征指标作为适配性特征指标；

S3、基于灰度值确定所述适配性特征指标在所述待评价景象的所有分块图像中的适配性特征值，并依据所述适配性特征值获取所述适配性特征指标在所述待评价景象中的适配性特征值分布；

S4、对所述适配性特征值分布进行分析以获得适配性特征值概率分布密度图的标准差或方差，依据获得标准差或方差评价SAR景象适配性。

2.如权利要求1所述的SAR景象适配性评价方法，其中，在步骤S1之前，所述方法进一步包括：基于所述待评价景象的地物场景定义景物类型，基于所述景物类型从SAR影像数据库中选取单一景物类型的图像样本。

3.如权利要求2所述的SAR景象适配性评价方法，其中，所述待评价景象的分块图像与所述图像样本的分块图像的大小相同。

4.如权利要求3所述的SAR景象适配性评价方法，其中，所述图像特征指标包括：标准差，和/或信息熵，和/或边缘密度，和/或分形维数。

5.如权利要求4所述的SAR景象适配性评价方法，其中，所述至少两个图像特征指标为：标准差和信息熵；步骤S21包括：

基于所述分块图像的灰度值，获取每个所述图像样本的分块图像的标准差和信息熵；

依据所述图像样本的分块图像的标准差，获取所述图像样本的所有分块图像的标准差的概率分布密度图；

依据所述图像样本的分块图像的信息熵，获取所述图像样本的所有分块图像的信息熵的概率分布密度图。

6.如权利要求3所述的SAR景象适配性评价方法，其中，步骤S3具体为：基于所述分块图像的灰度值，获取每个所述待评价景象的所有分块图像的适配性特征值；

依据所述待评价景象的所有分块图像的适配性特征值，获取所述待评价景象的所有分块图像的适配性特征值的概率分布密度图。

7.如权利要求3所述的SAR景象适配性评价方法，其中，所述适配性特征指标的数量为一个，步骤S4具体为：获取所述待评价景象的适配性特征值的概率分布密度图的标准差；

依据所述适配性特征值的概率分布密度图的标准差的结果评价SAR景象适配性；所述适配性特征值的概率分布密度图的标准差越大，所述SAR景象适配性越好。

8.如权利要求3所述的SAR景象适配性评价方法，其中，所述适配性特征指标的数量为两个或多个时，步骤S4包括：按照适配性特征值分布差异的大小为每个适配性特征指标设置权重；

对每个适配性特征指标的适配性特征值分布进行分析，得到每个适配性特征指标的概率分布 密度图的标准差或方差；

对每个适配性特征指标的权重和标准差或方差进行加权求和，利用加权后的结果评价SAR景象适配性。

9.如权利要求3所述的SAR景象适配性评价方法，其中，所述尺寸为：20像素×20像素。

说明书

一种基于景物分布的SAR景象适配性评价方法

技术领域

[0001] 本发明涉及图像处理领域，尤其涉及合成孔径雷达图像的分析与评价技术。

背景技术

[0002] 以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有技术。

[0003] 景象适配性评价是对指定景象区域的匹配定位性能进行评估、分析，从而确定该区域是否可作为合适的景象匹配区的方法。近年来随着SAR景象匹配技术在飞行器导航中的应用，景象适配性的评价方法成为影响适配性能的关键因素之一。

[0004] 由于SAR成像的特殊机理，地形起伏造成的图像几何畸变、固有的雷达相干斑噪声等因素都会对地面SAR景象区域的适配性特征的提取造成不利影响，从而给适配区的选取带来很大的困难。虽然少数文献对SAR景象适配性有过一定分析,如赵倩等人的《基于高程选择的SAR景象匹配系统基准图选择准则》、朴彦龙等人的《面向SAR匹配辅助导航的景象区域适配性》等。虽然上述研究从地形分析的层面对SAR图像进行了一定论述，但有以下两方面不足：

[0005] 一，缺乏针对SAR适配性特征的选取方法的研究，而是直接沿用可见光的适配性特征。如《基于高程选择的SAR景象匹配系统基准图选择准则》直接采用了标准差和独立像元数特征衡量景物的信息量，未对特征选取的方法和过程进行分析《；面向SAR匹配辅助导航的景象区域适配性》认为边缘图像反映了地物纹理固有的形态,受辐射特性变化影响相对较小，具有较强的稳健性，反映SAR景象像面信息的适配性特征指标应当基于边缘图像来选取。因而文中选择了局部边缘密度均值、局部边缘密度标准差等特征，但后来的验证结果并不十分如意。

[0006] 二，景象适配区评价时，仍沿用传统的全局特征计算方法，未考虑SAR景象匹配的应用特点。传统的可见光景象适配区选择时，通常计算匹配单元区域的全局平均特征统计量，即特征计算的对象是该匹配单元的整个图像，然后依据已建立的适配性特征与适配性能的统计关系模型，估计该区域的适配性能，进而通过已确定的阈值门限或分类器参数，对该区域是否适配做出评价。如罗海波等人的《采用多特征融合的自动适配区选择方法》、江标初等 人的《层次景象匹配区选取准则》、安如等人的《基于特征匹配的影像可适配性研究》、陈雪凌等人的《基于Dempster_Shafer证据理论的匹配区多特征适配性分析方法》。这些方法主要用于地物类型较单一的景象匹配，而对于包含多种地物类型的SAR景象匹配的适配区选取上具有局限性。原因在于，SAR景象匹配区域具有成像面积大、景物类型多、地物非均匀分布的新特性，传统的全局图像特征计算方法平滑了匹配区域内部的局部特征差异，因此不适用复杂地物场景的SAR景象匹配。

发明内容

[0007] 本发明的目的在于提出一种基于景物分布的SAR景象适配性评价方法，能够适用于复杂地物场景的SAR景象匹配、且适配性评价效果好。

[0008] 根据本发明的基于景物分布的合成孔径雷达SAR景象适配性评价方法，包括：

[0009] S1、获取待评价景象和每个单一景物类型的图像样本的灰度值，并按照预设尺寸对所述待评价景象以及所述图像样本进行分块；

[0010] S2、选取至少两个图像特征指标，针对每个图像特征指标：

[0011] S21、基于灰度值确定所述图像特征指标在每个图像样本的所有分块图像中的特征值，并依据所述特征值获取所述图像特征指标在每个图像样本中的特征值分布；

[0012] S22、选取在不同图像样本中特征值分布差异较大的至少一个所述图像特征指标作为适配性特征指标；

[0013] S3、基于灰度值确定所述适配性特征指标在所述待评价景象的所有分块图像中的适配性特征值，并依据所述适配性特征值获取所述适配性特征指标在所述待评价景象中的适配性特征值分布；

[0014] S4、对所述适配性特征值分布进行方差分析，依据方差分析的结果评价SAR景象适配性。

[0015] 优选地，在步骤S1之前，所述方法进一步包括：

[0016] 基于所述待评价景象的地物场景定义景物类型，基于所述景物类型从SAR影像数据库中选取单一景物类型的图像样本。

[0017] 优选地，所述待评价景象的分块图像与所述图像样本的分块图像的大小相同。

[0018] 优选地，所述图像特征指标包括：标准差，和/或信息熵，和/或边缘密度，和/或分形维数。

[0019] 优选地，所述至少两个图像特征指标为：标准差和信息熵；步骤S21包 括：

[0020] 基于所述分块图像的灰度值，获取每个所述图像样本的分块图像的标准差和信息熵；

[0021] 依据所述图像样本的分块图像的标准差，获取所述图像样本的所有分块图像的标准差的概率分布密度图；

[0022] 依据所述图像样本的分块图像的信息熵，获取所述图像样本的所有分块图像的信息熵的概率分布密度图。

[0023] 优选地，步骤S22具体为：

[0024] 获取在不同图像样本中所述特征值分布的标准差；

[0025] 选取标准差最大的所述图像特征指标作为适配性特征指标。

[0026] 优选地，步骤S3具体为：

[0027] 基于所述分块图像的灰度值，获取每个所述待评价景象的所有分块图像的适配性特征值；

[0028] 依据所述待评价景象的所有分块图像的适配性特征值，获取所述待评价景象的所有分块图像的适配性特征值的概率分布密度图。

[0029] 优选地，所述适配性特征指标的数量为两个或多个时，步骤S4包括：

[0030] 按照适配性特征值分布差异的大小为每个适配性特征指标设置权重；

[0031] 对每个适配性特征指标的适配性特征值分布进行方差分析，得到每个适配性特征指标的方差分析结果；

[0032] 对每个适配性特征指标的权重及方差分析结果进行加权求和，利用加权后的方差分析结果评价SAR景象适配性。

[0033] 优选地，所述尺寸为：20像素×20像素。

[0034] 优选地，所述像素尺寸为：20像素×20像素。

[0035] 根据本发明的基于景物分布的SAR景象适配性评价方法，包括：获取所述待评价景象和每个单一景物类型的图像样本的灰度值，并按照预设尺寸对所述待评价景象以及所述图像样本进行分块；选取至少两个图像特征指标，针对每个图像特征指标：基于灰度值确定所述图像特征指标在每个图像样本的所有分块图像中的特征值，并依据所述特征值获取所述图像特征指标在每个图像样本中的特征值分布；选取在不同图像样本中特征值分布差异较大的所述图像特征指标作为适配性特征指标；基于灰度值确定所述适配性特征指标在所述待评价景象的所有分块图像中的适配性特征值，并依据所述适配性特征值获取所述适配性特征指标在所述待评价景象中的适配性特征值分布；对所述适配性特征值分布进行方差分析，依据方差分析的结果评价SAR景象 适配性。本发明通过选取至少两个图像特征指标，并选取在不同图像样本中特征值分布差异较大的图像特征指标作为适配性特征指标，能够更好地表征和区分景物类型；通过对待评价景象进行分块并获取适配性特征指标在待评价景象的所有分块图像中的适配性特征值分布，能够评价复杂地物场景的SAR景象适配性。根据本发明能够适用于复杂地物场景的SAR景象适配性评价，且评价效果好。

附图说明

[0036] 通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：

[0037] 图1是根据本发明的基于景物分布的SAR景象适配性评价方法的流程图；

[0038] 图2是根据本发明优选实施例的单一景物类型的图像样本示意图；其中，图2a是建筑物图像样本的示意图，图2b是田地图像样本的示意图，图2c是水域图像样本的示意图；

[0039] 图3是根据本发明的图像特征指标在建筑物图像样本的所有分块图像中的特征值示意图；其中，图3a是建筑物图像样本的所有分块图像中标准差的示意图，图3b是建筑物图像样本的所有分块图像中信息熵的示意图；

[0040] 图4是根据本发明的图像特征指标在建筑物图像样本中的特征值分布；其中，图4a是建筑物图像样本中标准差概率分布密度图，图4b建筑物图像样本中信息熵概率分布密度图；

[0041] 图5是根据本发明的图像特征指标在田地图像样本中的特征值分布；其中，图5a是田地图像样本中标准差概率分布密度图，图5b田地图像样本中信息熵概率分布密度图；

[0042] 图6是根据本发明的图像特征指标在水域图像样本中的特征值分布；其中，图6a是水域图像样本中标准差概率分布密度图，图6b水域图像样本中信息熵概率分布密度图；

[0043] 图7是根据本发明的待评价景象示意图；其中，图7a是城区SAR图像，图7b是机场SAR图像，图7c是河道SAR图像，图7d是郊区一SAR图像，图7e是郊区二SAR图像，图7f是郊区三SAR图像；

[0044] 图8是适配性特征指标在待评价景象中的适配性特征值分布示意图；其中，图8a是城区SAR图像的所有分块图像的标准差概率分布密度图，图8b是机场SAR图像的所有分块图像的标准差概率分布密度图，图8c是河道SAR图像的所有分块图像的标准差概率分布密度图，图8d是郊区一SAR图像的 所有分块图像的标准差概率分布密度图，图8e是郊区二SAR图像的所有分块图像的标准差概率分布密度图，图8f是郊区三SAR图像的所有分块图像的标准差概率分布密度图。

具体实施方式

[0045] 下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。

[0046] 本发明中，SAR是指合成孔径雷达，即Synthetic Aperture Radar。

[0047] 在选择适配性特征以评价SAR景象的适配性时，现有技术往往直接沿用可见光的适配性特征，缺乏针对SAR适配性特征的选取方法的研究，当SAR景象中包含复杂地物场景时，采用可见光的适配性特征对SAR景象适配性评价的效果较差。另一方面，现有技术在进行SAR景象适配性评价时，仍沿用传统的全局特征计算方法，未考虑SAR景象匹配的应用特点。由于SAR景象匹配区域具有成像面积大、景物类型多、地物非均匀分布的新特性，而这种全局图像特征计算方法平滑了匹配区域内部的局部特征差异，因此不适用复杂地物场景的SAR景象匹配。

[0048] 本发明首先筛选能够表征和区分景物类型能力的图像特征指标，然后以筛选出的图像特征指标作为适配性特征对待评价景象进行适配性评价。通过选取至少两个图像特征指标，并选取在不同图像样本中特征值分布差异较大的图像特征指标作为适配性特征指标，能够更好地表征和区分景物类型；通过对待评价景象进行分块并获取适配性特征指标在待评价景象的所有分块图像中的适配性特征值分布，能够评价复杂地物场景的SAR景象适配性。

[0049] 为了解决现有技术中存在的问题，本发明提供了一种基于景物分布的SAR景象适配性评价方法，参见图1。根据本发明的SAR景象适配性评价方法起始于步骤S1。为了筛选出最能够表征和区分景物类型能力的适配性特征，需要选取多个图像样本。图像样本中的景物类型越少，以该组图像样本为基础筛选出的适配性特征进行SAR景象适配性评价的效果越好。因此，本发明中的图像样本中仅包含单一的景物类型。

[0050] SAR景象匹配区域具有成像面积大、景物类型多、地物非均匀分布等特点，若采用传统的全局特征计算方法，则无法考察SAR景象匹配区域内部的局部特征差异对SAR景象适配性评价效果的影响，因此不适用复杂地物场景的SAR景象匹配。为了解决这个问题，本发明按照预设尺寸将单一景物类型的图像样本划分成多个分块图像，通过对每个分块图像进行分析，能够考察 分块图像中每一个像素对分块图像特征值的影响；通过获取图像样本的所有分块图像的特征值在整个图像样本中的特征值分布，能够考察每个分块图像对整个图像样本的影响；通过获取每个分块图像的特征值在整个待评价景象中的特征值分布，能够考察每个分块图像对整个待评价景象的影响。采用这种方式选取的适配性特征指标，一方面能够充分考察图像样本的局部特征差异对SAR景象适配性评价效果的影响；另一方面，由于采用适配性特征指标对待评价景象进行SAR景象适配性评价时也对待评价景象进行相同方式的分块处理，因此能够避免由于获取特征值分布的方式不同对SAR景象适配性评价效果的影响。本发明依据多个图像特征指标在不同图像样本中的特征值分布选取适配性特征，能够充分考察SAR景象匹配区域内部的局部特征差异对SAR景象适配性评价效果的影响，更适用于评价复杂地物场景的SAR景象适配性。

[0051] 在步骤S1中要首先获取待评价景象和每个单一景物类型的图像样本的灰度值。并按照预设尺寸对待评价景象以及图像样本进行分块。为了避免因为分块方式不同对SAR景象适配性评价效果的影响，根据本发明的优选实施例，待评价景象的分块图像与图像样本的分块图像的大小相同。优选地，按照预设的像素尺寸对待评价景象以及图像样本进行分块。分块图像的尺寸越小，待评价景象或图像样本中包含的分块图像越多。由于本申请通过考察每个分块图像对待评价景象或图像样本的影响来进行SAR景象适配性评价，因此，待评价景象或图像样本中包含的分块图像越多，得到分析的待评价景象或图像样本的局部特征越多，分析分块图像对考察对象越多，SAR景象适配性评价的效果越好。因此，分块图像的尺寸越小，SAR景象适配性评价的效果越好。优选地，分块图像的像素尺寸为：20像素×20像素。

[0052] 图7是根据本发明的几种待评价景象示意图；其中，图7a是城区SAR图像，图7b是机场SAR图像，图8c是河道SAR图像，图7d是郊区一SAR图像，图7e是郊区二SAR图像，图7f是郊区三SAR图像。本领域技术人员应该了解，本发明中的待评价景象并不限于以上几种。

[0053] 根据本发明的优选实施例，在步骤S1之前进一步包括：基于待评价景象的地物场景定义景物类型，基于景物类型从SAR影像数据库中选取单一景物类型的图像样本。景物类型的定义与遥感图像的类型、分辨率、极化方式、谱段信息等均有密切的关系，定义方式不同，地物场景所包含的景物类型也不同。如付琨等《基于Beta Prime统计模型和QGD分类器的SAR图像地物分类方法》中将地物类型定义为背景杂波(草地、田地等)、自然目标(树冠、 灌木丛等)、人造目标(建筑物、车辆等)，陈伟利等《基于SVM的多光谱影像与SAR图像融合地物分类研究》将地物类型定义为建设用地、道路、水体、绿地、耕地等。本发明中，以某地区5m分辨率TerraSAR的X波段遥感影像数据为例，定义了田地、建筑物、水域共三种景物类型。图2示出了根据本发明优选实施例的单一景物类型的图像样本示意图；其中，图2a是建筑物图像样本的示意图，图2b是田地图像样本的示意图，图2c是水域图像样本的示意图。

[0054] S2、选取至少两个图像特征指标，分别获取每个图像特征指标在不同图像样本中特征值分布。图像特征指标的数量以及选择方式可以根据实际需要进行确定。根据本发明的优选实施例，图像特征指标包括：标准差，和/或信息熵，和/或边缘密度，和/或分形维数。本领域技术人员应该了解，本发明的图像特征指标并不限于以上几种，任何基于本发明的筛选适配性特征指标的方法均应视为本发明的保护范围。按照步骤S21和步骤S22从至少两个图像特征指标中选取至少一个图像特征指标作为适配性特征指标。

[0055] S21、基于灰度值确定图像特征指标在每个图像样本的所有分块图像中的特征值，并依据特征值获取图像特征指标在每个图像样本中的特征值分布。优选地，至少两个图像特征指标为：标准差和信息熵；步骤S21包括：

[0056] 基于分块图像的灰度值，获取每个图像样本的分块图像的标准差和信息熵；

[0057] 依据图像样本的分块图像的标准差，获取图像样本的所有分块图像的标准差的概率分布密度图；

[0058] 依据图像样本的分块图像的信息熵，获取图像样本的所有分块图像的信息熵的概率分布密度图。

[0059] 分块图像的标准差SD可以由公式1确定:

[0060]     公式1

[0061] 式中，H和W分别指分块图像的高度和宽度，I(i,j)指分块图像I在坐标(i,j)处的灰度值，AGL是分块图像I的灰度均值；

[0062] 分块图像的信息熵Ent可以由公式2确定:

[0063]     公式2

[0064] 式中，L指分块图像的灰度级数目，p(l)为第l灰度级的统计概率。

[0065] 图3是根据本发明的图像特征指标在建筑物图像样本的所有分块图像中的特征值示意图；其中，图3a是建筑物图像样本的所有分块图像中标准差的示意图，图3b是建筑物图像样本的所有分块图像中信息熵的示意图。

[0066] 图4是根据本发明的图像特征指标在建筑物图像样本中的特征值分布；其中，图4a是建筑物图像样本中标准差概率分布密度图，图4b建筑物图像样本中信息熵概率分布密度图。

[0067] 图5是根据本发明的图像特征指标在田地图像样本中的特征值分布；其中，图5a是田地图像样本中标准差概率分布密度图，图5b田地图像样本中信息熵概率分布密度图。

[0068] 图6是根据本发明的图像特征指标在水域图像样本中的特征值分布；其中，图6a是水域图像样本中标准差概率分布密度图，图6b水域图像样本中信息熵概率分布密度图。

[0069] S22、选取在不同图像样本中特征值分布差异较大的至少一个图像特征指标作为适配性特征指标。评价特征值分布差异性大小的方法和指标可以根据实际情况进行选择和确定，本发明仅以通过标准差评价特征值分布差异性大小为例进行详细说明。此外，可以选取在不同图像样本中特征值分布差异最大的一个图像特征指标作为适配性特征指标，也可以选取在不同图像样本中特征值分布差异较大的两个或多个图像特征指标作为适配性特征指标。本发明中以选取在不同图像样本中特征值分布差异最大的一个图像特征指标作为适配性特征指标为例进行说明。步骤S22具体为：

[0070] 获取在不同图像样本中特征值分布的标准差；

[0071] 选取标准差最大的图像特征指标作为适配性特征指标。

[0072] 从图3-6可知，与信息熵相比，标准差的景物分类能力强。

[0073] S3、基于灰度值确定适配性特征指标在待评价景象的所有分块图像中的适配性特征值，并依据适配性特征值获取适配性特征指标在待评价景象中的适配性特征值分布。优选地，步骤S3具体为：

[0074] 基于分块图像的灰度值，获取每个待评价景象的所有分块图像的适配性特征值；

[0075] 依据待评价景象的所有分块图像的适配性特征值，获取待评价景象的所有分块图像的适配性特征值的概率分布密度图。

[0076] 根据本发明的一个实施例，通过图3-6可知标准差的景物分类能力强。因此本发明根据该实施例的结果，以标准差作为适配性特征为例进行说明。 图8是适配性特征指标在待评价景象中的适配性特征值分布示意图；其中，图8a是城区SAR图像的所有分块图像的标准差概率分布密度图，图8b是机场SAR图像的所有分块图像的标准差概率分布密度图，图8c是河道SAR图像的所有分块图像的标准差概率分布密度图，图8d是郊区一SAR图像的所有分块图像的标准差概率分布密度图，图8e是郊区二SAR图像的所有分块图像的标准差概率分布密度图，图8f是郊区三SAR图像的所有分块图像的标准差概率分布密度图。

[0077] S4、对适配性特征值分布进行方差分析，依据方差分析的结果评价SAR景象适配性。

[0078] 当选择两个或多个图像特征指标作为适配性特征指标时，适配性特征指标的数量为两个或多个，步骤S4包括：

[0079] 按照适配性特征值分布差异的大小为每个适配性特征指标设置权重；适配性特征值分布差异越大，该适配性特征指标对评价SAR景象适配性的影响越大，对应的权重越高；

[0080] 对每个适配性特征指标的适配性特征值分布进行方差分析，得到每个适配性特征指标的方差分析结果；

[0081] 对每个适配性特征指标的权重及方差分析结果进行加权求和，利用加权后的方差分析结果评价SAR景象适配性。

[0082] 本发明中的方差分析结果可以是方差值，也可以是标准差值。本发明实施例以标准差为例进行说明。

[0083] 当选择在不同图像样本中特征值分布差异最大的一个所述图像特征指标作为适配性特征指标时，适配性特征指标的数量为一个，步骤S4具体为：

[0084] 获取待评价景象的适配性特征值的概率分布密度图的标准差；

[0085] 依据适配性特征值的概率分布密度图的标准差的结果评价SAR景象适配性。适配性特征值的概率分布密度图的标准差越大，SAR景象适配性越好。图8中各个待评价景象的适配性参见表1，表1六个待评价景象的标准差按照从大到小的顺序排列即得到适配性排名，标准差越大，表明待评价景象的SAR景象适配性越好，其适配性排名越靠前。

[0086] 表1各个待评价景象的适配性

[0087]待评价景象 标准差 适配性排名
城区 6.33 5
机场 9.47 2

[0088]河道 16.74 1
郊区一 5.32 6
郊区二 8.56 3
郊区三 8.18 4

[0089] 本发明首先筛选能够表征和区分景物类型能力的图像特征指标，然后以筛选出的图像特征指标作为适配性特征对待评价景象进行适配性评价，能够适用于复杂地物场景的SAR景象适配性评价，且评价效果好。

[0090] 虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限于文中详细描述和示出的具体实施方式，在不偏离权利要求书所限定的范围的情况下，本领域技术人员可以对所述示例性实施方式做出各种改变。