一种合成孔径雷达图像舰船目标候选区域快速提取方法技术

本发明专利技术公开了一种合成孔径雷达(SAR)图像舰船目标候选区域快速提取方法，涉及遥感领域中的合成孔径雷达(SAR)目标智能解译领域。主要包括以下步骤：1)利用分块均值迭代方法计算阈值，对输入SAR影像I海洋杂波进行一次过滤；2)利用分块核密度估计，采用大阈值二次滤除强海洋杂波；3)利用种子点生长复原目标被滤除部分，标记所有舰船候选目标，生成舰船目标候选区域切片。本发明专利技术可以有效清除强海洋杂波干扰，精准获取海上舰船目标候选区域，具有运算速度快、泛化能力强的优点，比CFAR算法运行速度快10倍以上。

【技术实现步骤摘要】
一种合成孔径雷达图像舰船目标候选区域快速提取方法
本专利技术涉及合成孔径雷达(简称SAR)海上目标智能解译领域，尤其是一种SAR图像舰船目标候选区域提取方法，实现SAR舰船目标候选区域切片快速生成，可适用于基于深度学习的SAR舰船目标检测系统，具有运算速度快、泛化能力强的优点。技术背景随着深度学习在SAR图像领域的快速推广，基于深度学习的SAR舰船目标检测技术越来越受到SAR领域研究学者的重视，并取得了一些研究成果，使得SAR目标检测、地物解译等水平相对以往有较明显的提高，特别是SAR海上舰船目标智能检测技术。由于深度学习模型运算量大，对单张切片的检测耗时往往远大于传统算法，特别是faster-RCNN等基于候选区域的卷积神经网络模型。因此，目前基于深度学习的SAR海上舰船目标智能检测技术需要先通过传统算法提取目标的候选区域，以降低模型对大幅场景的检测范围，从而提高深度学习模型对大幅场景的检测速度。目前的SAR舰船目标候选区域提取的方法主要是借助恒虚警率检测(CFAR)算法。该算法通过对海杂波进行建模，利用CFAR检测器估计海杂波模型参数，并通过设定的恒虚警率滤除海杂波。然而，CFAR算法存在以下缺点：1)CFAR算法输入参数较多，针对不同卫星、不同分辨率的SAR图像，都需要重新调整参数；2)CFAR需要进行大量的海杂波模型参数计算，运算量较大；3)CFAR虚警率依赖人工经验选择；4)CFAR仅对杂波分布建模，会对被检目标构成一定的漏检风险；本专利技术利用均值迭代方法计算阈值，对海洋杂波进行一次过滤，该步骤计算速度比CFAR算法提高10倍以上，针对不同卫星和不同分辨率的SAR图像无需调参，针对强海洋杂波场景不漏检目标；通过分块核密度估计、大阈值二次滤除强海洋杂波、种子点生长复原目标等操作，可以有效清除强海洋杂波干扰，快速、精准获取海上舰船目标候选区域。
技术实现思路
为了克服已有SAR图像舰船目标候选区域算法泛化能力差、运算量较大的不足，本专利技术提供一种合成孔径雷达图像舰船目标候选区域快速提取方法，具有运算速度快、泛化能力强的优点。本专利技术解决其技术问题所采用的技术方案是：一种合成孔径雷达图像舰船目标候选区域快速提取方法，所述的提取方法包括以下步骤：(1)将输入SAR影像的亮度矩阵记为I，按b×b对I进行分块处理；其中，b＝min{检测舰船目标长度}/影像分辨率；(2)计算所有分块中元素的均值，并将所有分块中亮度小于均值的点的亮度值更新为均值；(3)重复步骤(2)设定次数n，利用OTSU算法对迭代更新n次后的结果进行二值处理，获得海杂波粗过滤结果，记为A；(4)对海杂波粗过滤结果A按c×c进行分块处理，依次估计每个c×c分块的核密度；利用设定阈值Th1，滤除核密度估计结果中小于阈值Th1的分块，结果记为B；其中，c＝min{检测舰船目标宽度}/影像分辨率；(5)将B与A进行矩阵点乘运算，获得舰船候选目标的种子点；利用种子点生长算法重建舰船候选目标，并以重建舰船候选目标的形心为中心，裁切获得舰船候选目标候选区域切片。其中，步骤(3)中参数n的取值范围是5～20。其中，步骤(4)中核密度估计的方法如下：记A中第l个c×c分块为Ωl，则Ωl的核密度K(Ωl)为：其中，步骤(4)中设定阈值Th1取值范围为：Th1∈(0.2～0.3)。其中，步骤(5)中，利用种子点生长算法重建舰船候选目标，其重建方法如下：以B、A矩阵点乘运算结果中的非零点为种子点，以矩阵A为生长目标区域，通过种子点生长算法重建潜在原始目标。本专利技术具备以下技术优势：1)利用均值迭代方法计算阈值，对海洋杂波进行一次过滤，该步骤计算速度比CFAR算法快两个数量级，针对不同卫星和不同分辨率的SAR图像无需调参，针对强海洋杂波场景不漏检目标；2)通过分块核密度估计、大阈值二次滤除强海洋杂波、种子点生长复原目标等操作，可以有效清除强海洋杂波干扰，快速、精准获取海上舰船目标候选区域。附图说明图1是本专利技术实现框图；图2是本专利技术1m分辨率TerraSAR图片；图3是本专利技术一次滤除海杂波中间过程；图4是本专利技术大阈值滤除海杂波结果；图5是本专利技术种子点生长使用的三种邻域模板。具体实施方式参见附图1)～5)，进一步详细说明本专利技术的内容：本专利技术一种合成孔径雷达图像舰船目标候选区域快速提取方法，如图1所示包括以下步骤：1)利用均值迭代方法计算阈值，对输入SAR影像I海洋杂波进行一次过滤；所述的，对海洋杂波进行一次过滤，具体操作如下所述：1.1)图2为输入SAR影像I，按b×b对I进行分块处理，其中，b＝min{检测舰船目标长度}/影像分辨率；1.2)记当前处理单元块为Ω，计算Ω单元块内元素均值，记为Mean；1.3)更新Ω单元块内元素值，更新操作如下：1.4)重复1.2)～1.3)操作，重复n次，其中n取5～15，为固定参数；进一步分析，假设现假设舰船目标区域的亮度值均为M1,像素点数量为N1，记舰船目标集合为Π(M1,N1)，表示N1个亮度值为M1的像素点的数量；分别统计不同亮度的海杂波，并用{Π(Mj,Nj)|j＝2,3,…}描述海杂波模型；Π(M1,N1)与Π(Mj,Nj)构成的局部区域集合记为H～Π(Mi,Ni),i＝1,2,3,…，且M1≥Mi。集合H的亮度均值记为Mean：迭代更新集合{(Mi,Ni)}，更新规则如下：多次迭代计算可使得Mean值逐渐逼近舰船目标。为了分析方便，假设海杂波亮度值服从均匀分布，Π{(Mi,Ni)}集合退化为Π(M2,N2)。由式(2)可得：其中，ΔM＝M1-M2，N＝N1+N2。n次迭代后，Meann取值为：由式(4)分析可知，Meann以负指数曲线逼近M1。由此可知，Π{(Mi,Ni)}计算得到的Meann将以近似成负指数曲线逼近M1。由以上推导可知，Meann值取决于目标的亮度值、目标与海杂波的亮度差以及目标区域占Ω单元块的比值。根据SAR图像的成像机理可知，舰船目标与海杂波的亮度存在较明显差异，CFAR算法的实现也是基于这一基本事实。通过以上推导可以看出Meann始终小于目标亮度值，因此本专利技术利用1.2)～1.4)操作滤除海杂波的同时，不会漏掉目标。参见图3，图3所示为重复1.2)～1.3)操作n次后，Ω单元块取值情况。1.5)利用OTSU算法对Ω单元块进行二值化。其中，Ω单元块经二值化操作后变为0-1矩阵；1.6)对所有单元块依次执行步骤1.2)～1.5)，获得海杂波粗过滤结果，记为A；进一步分析，所述的步骤1)计算复杂度低，通过矩阵加减运算即可实现。实测处理5000*1000的宽幅SAR影像，迭代10次，仅需20ms；而CFAR算法处理5000*1000的宽幅SAR影像，采用最简单的高斯分布，仍需9.8s时间。可见，本专利技术海杂波一次过滤运行速度比CFAR算法高2个量级以上。2)利用分块核密度估计，采用大阈值二次滤除强海洋杂波；具体操作如下所示：2.1)对杂波滤除结果A按c×c进行分块处理；其中，c＝min{检测舰船目标宽度}/影像分辨率2.2)记当前处理单元块为Ωl，以Ωl内元素的均值估计Ωl的核密度，其核密度估计公式为：2.3)选择大阈值Th1滤除Ωl内的强海杂波，滤除更新操作如下：其中，Th1取值为0.2～0.3；本文档来自技高网...

【技术保护点】
1.一种合成孔径雷达图像舰船目标候选区域快速提取方法，其特征在于：所述的快速提取方法包含以下步骤：(1)将输入SAR影像的亮度矩阵记为I，按b×b对I进行分块处理；其中，b＝min{检测舰船目标长度}/影像分辨率；(2)计算所有分块中元素的均值，并将所有分块中亮度小于均值的点的亮度值更新为均值；(3)重复步骤(2)设定次数n，利用OTSU算法对迭代更新n次后的结果进行二值处理，获得海杂波粗过滤结果，记为A；(4)对海杂波粗过滤结果A按c×c进行分块处理，依次估计每个c×c分块的核密度；利用设定阈值Th1，滤除核密度估计结果中小于阈值Th1的分块，结果记为B；其中，c＝min{检测舰船目标宽度}/影像分辨率；(5)将B与A进行矩阵点乘运算，获得舰船候选目标的种子点；利用种子点生长算法重建舰船候选目标，并以重建舰船候选目标的形心为中心，裁切获得舰船候选目标候选区域切片。

【技术特征摘要】
1.一种合成孔径雷达图像舰船目标候选区域快速提取方法，其特征在于：所述的快速提取方法包含以下步骤：(1)将输入SAR影像的亮度矩阵记为I，按b×b对I进行分块处理；其中，b＝min{检测舰船目标长度}/影像分辨率；(2)计算所有分块中元素的均值，并将所有分块中亮度小于均值的点的亮度值更新为均值；(3)重复步骤(2)设定次数n，利用OTSU算法对迭代更新n次后的结果进行二值处理，获得海杂波粗过滤结果，记为A；(4)对海杂波粗过滤结果A按c×c进行分块处理，依次估计每个c×c分块的核密度；利用设定阈值Th1，滤除核密度估计结果中小于阈值Th1的分块，结果记为B；其中，c＝min{检测舰船目标宽度}/影像分辨率；(5)将B与A进行矩阵点乘运算，获得舰船候选目标的种子点；利用种子点生长算法重建舰船候选目标，并以重建舰船候选目标的形心为中心，裁...

【专利技术属性】
技术研发人员：胡炎，单子力，柴兴华，高峰，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：河北,13