本发明涉及图像处理，更具体地涉及一种合成孔径雷达图像中检测建筑和提取数目的方法。
背景技术：
1、合成孔径雷达以高分辨率成像能力著称，能够获取地表细微结构的清晰图像，这对于检测建筑物并提取其数目信息至关重要，因为高分辨率图像能够准确反映建筑物的几何形状、尺寸和分布情况，先进的星载和机载合成孔径雷达系统已经能够提供米级甚至分米级分辨率的图像数据，使得城市建筑的几何和细节信息在图像中清晰可见，并且能够在短时间内覆盖大面积区域，获取丰富的地表信息，这对于大规模的城市建筑检测项目尤为重要，可以显著提高数据获取的效率。
2、但是合成孔径雷达图像中的建筑物检测也面临诸多挑战，如建筑物间的遮挡、阴影、地形起伏等因素导致的图像畸变和噪声干扰，此外，不同类型的建筑物合成孔径雷达图像中的表现也存在差异，增加了检测的复杂性，在依据合成孔径雷达图像检测建筑时缺乏了对检测结果的准确性判断，若检测结果准确性不足会提供误导性的信息，使得数据使用者难以判断建筑物的真实情况，影响后续分析和应用的有效性。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供了一种合成孔径雷达图像中检测建筑和提取数目的方法，以解决上述背景技术中存在的问题。
2、本发明提供如下技术方案：一种合成孔径雷达图像中检测建筑和提取数目的方法，包括以下步骤：
3、步骤s01：获取目标图像：通过雷达图像处理软件获取包含待检测建筑区域的合成孔径雷达图像；
4、步骤s02：对步骤s01中的目标图像进行校正处理：利用目标图像合成孔径雷达卫星的轨道和姿态参数与参考图像进行对比，对目标图像进行几何校正；
5、步骤s03：对步骤s02中校正处理后图像进行建筑检测：依据图像中的像素点按照灰度级阈值对经过几何校正后的图像进行建筑检测，保留符合灰度级阈值的图像区域；
6、步骤s04：提取步骤s03中经过建筑检测后保留的图像区域的特征数据：从保留的图像区域中提取建筑物特征信息，包括形状的特征信息提取和纹理的特征信息提取；
7、步骤s05：依据步骤s04中提取的特征信息进行建筑物匹配检测：利用提取的建筑物特征信息，基于建筑物模版匹配算法建立数学模型计算得出建筑物匹配指数；
8、步骤s06：评估步骤s05中检测出的建筑物的准确性：依据计算得出的建筑物匹配指数对检测结果进行准确性评估；
9、步骤s07：依据步骤s05中的建筑物匹配指数提取检测建筑的数目信息：在建筑物匹配指数满足预设的匹配阈值时，提取检测建筑的数目信息。
10、优选的，所述步骤s02中，参考图像表示预设的光学遥感图像，依据所述预设的光学遥感图像的参数对目标图像进行几何校正，将目标图像中的每个像素点映射到预设的光学遥感图像地理坐标系中，并将映射后的不在预设的光学遥感图像地理坐标系上的像素点进行校正处理。
11、优选的，所述步骤s03中，根据预设的灰度级阈值，将图像中的像素点分割为不同的区域，对于每个像素点，将所述像素点的灰度值与阈值进行比较，保留小于预设的灰度级阈值的像素点区域。
12、优选的，所述步骤s04中，形状的特征信息包括目标图像保留区域的灰度平均值和预设的建筑物图像的灰度平均值，纹理的特征信息包括目标图像保留区域在不同位置的像素灰度值和进行图像灰度变换后目标图像保留区域在不同位置的像素灰度值。
13、优选的，所述步骤s05中，利用提取的建筑物特征信息，基于建筑物模版匹配算法建立数学模型计算得出建筑物匹配指数的具体内容如下：
14、步骤s1：依据提取的建筑物特征信息，计算得出保留图像区域的形状匹配系数；
15、步骤s2：依据提取的建筑物特征信息，计算得出保留图像区域的纹理匹配系数；
16、步骤s3：基于建筑物模版匹配算法建立数学模型计算得出保留图像区域的建筑物匹配指数。
17、优选的，所述依据提取的建筑物特征信息，计算得出保留图像区域的形状匹配系数的具体步骤如下：
18、步骤s11：提取目标图像保留区域在位置（i，j）的像素灰度值，并提取预设的建筑物图像在位置（i，j）的像素灰度值，且目标图像保留区域与预设的建筑物图像同为大小为n×n的图像；
19、步骤s12：计算目标图像保留区域的灰度平均值，计算公式为：，其中表示目标图像保留区域的灰度平均值，表示目标图像保留区域在位置（i，j）的像素灰度值；
20、步骤s13：计算预设的建筑物图像的灰度平均值，计算公式为：，其中表示预设的建筑物图像的灰度平均值，表示预设的建筑物图像在位置（i，j）的像素灰度值；
21、步骤s14：依据步骤s12和步骤s13计算保留图像区域的形状匹配系数，计算公式为：，其中tx表示保留图像区域的形状匹配系数。
22、优选的，所述依据提取的建筑物特征信息，计算得出保留图像区域的纹理匹配系数的具体步骤如下：
23、步骤s21：提取目标图像保留区域在位置（i，j）的像素灰度值，且目标图像保留区域为大小为n×n的图像；
24、步骤s22：对目标图像保留区域的像素灰度值进行图像灰度变换，计算公式为：，其中表示进行图像灰度变换后目标图像保留区域在位置（i，j）的像素灰度值，k表示常数，c表示预设的灰度变换因子；
25、步骤s23：依据步骤s21和步骤s22计算得出保留图像区域的纹理匹配系数，计算公式为：，其中wy表示保留图像区域的纹理匹配系数，表示图像的灰度级。
26、优选的，所述基于建筑物模版匹配算法建立数学模型计算得出保留图像区域的建筑物匹配指数的计算公式为：，其中d表示保留图像区域的建筑物匹配指数，和表示常数。
27、优选的，所述步骤s06中，依据计算得出的建筑物匹配指数对检测结果进行准确性评估的具体内容如下：
28、选择s张合成孔径雷达图像进行建筑检测，当保留图像区域的建筑物匹配指数d大于或等于预设的建筑物匹配阈值时，判断结果为建筑物检测匹配成功，当保留图像区域的建筑物匹配指数d小于预设的建筑物匹配阈值时，判断结果为建筑物检测匹配不成功；
29、对检测结果进行准确性评估，计算公式为：，其中表示对检测结果进行准确性评估的评估结果，表示判断结果为建筑物检测匹配成功的个数，表示判断结果为建筑物检测匹配不成功的个数，并且。
30、优选的，所述步骤s07中，在建筑物匹配指数满足预设的匹配阈值时，使用计数算法对图像中的建筑物进行统计，并将统计到的建筑物数量进行汇总，并以报告的形式显示在用户终端。
31、本发明的技术效果和优点：
32、本发明设有步骤s01：获取目标图像，步骤s02：对步骤s01中的目标图像进行校正处理，步骤s03：对步骤s02中校正处理后图像进行建筑检测，步骤s04：提取步骤s03中经过建筑检测后保留的图像区域的特征数据，步骤s05：依据步骤s04中提取的特征信息进行建筑物匹配检测，步骤s06：评估步骤s05中检测出的建筑物的准确性，步骤s07：依据步骤s05中的建筑物匹配指数提取检测建筑的数目信息，一种合成孔径雷达图像中检测建筑和提取数目的方法能够进行全天候、全天时的观测，确保了数据的连续性和稳定性，为建筑检测提供了可靠的数据源，通过对目标图像进行建筑检测，并对检测结果进行评估，验证检测算法的准确性和可靠性，确保获取的建筑信息的准确性，有效提高了数据质量和建筑物检测的精度。
1.一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s02中，参考图像表示预设的光学遥感图像，依据所述预设的光学遥感图像的参数对目标图像进行几何校正，将目标图像中的每个像素点映射到预设的光学遥感图像地理坐标系中，并将映射后的不在预设的光学遥感图像地理坐标系上的像素点进行校正处理。
3.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s03中，根据预设的灰度级阈值，将图像中的像素点分割为不同的区域，对于每个像素点，将所述像素点的灰度值与阈值进行比较，保留小于预设的灰度级阈值的像素点区域。
4.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s04中，形状的特征信息包括目标图像保留区域的灰度平均值和预设的建筑物图像的灰度平均值，纹理的特征信息包括目标图像保留区域在不同位置的像素灰度值和进行图像灰度变换后目标图像保留区域在不同位置的像素灰度值。
5.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s05中，利用提取的建筑物特征信息，基于建筑物模版匹配算法建立数学模型计算得出建筑物匹配指数的具体内容如下：
6.根据权利要求5所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述依据提取的建筑物特征信息，计算得出保留图像区域的形状匹配系数的具体步骤如下：
7.根据权利要求5所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述依据提取的建筑物特征信息，计算得出保留图像区域的纹理匹配系数的具体步骤如下：
8.根据权利要求5所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述基于建筑物模版匹配算法建立数学模型计算得出保留图像区域的建筑物匹配指数的计算公式为：，其中d表示保留图像区域的建筑物匹配指数，和表示常数。
9.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s06中，依据计算得出的建筑物匹配指数对检测结果进行准确性评估的具体内容如下：
10.根据权利要求1所述的一种合成孔径雷达图像中检测建筑和提取数目的方法，其特征在于：所述步骤s07中，在建筑物匹配指数满足预设的匹配阈值时，使用计数算法对图像中的建筑物进行统计，并将统计到的建筑物数量进行汇总，并以报告的形式显示在用户终端。
