一种基于TGMSERs的SAR图像溢油检测方法技术

本发明专利技术公开一种基于TGMSERs的SAR图像溢油检测方法，首先通过自适应方法得到像素强度的阈值基线；然后利用MSER检测器提取不同像素强度水平的候选目标区域，并生成对应的二值参考图；最后通过最大稳定准则判定目标区域；相比现有方法，本发明专利技术方法的自适应阈值基线和最大稳定准则能够在保证运算速度的同时提高检测性能。

【技术实现步骤摘要】
一种基于TGMSERs的SAR图像溢油检测方法
本专利技术属于SAR图像目标检测领域，特别涉及一种SAR图像溢油检测技术。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)是一种具有全天候、全天时工作能力的高分辨率微波成像雷达，广泛应用于军事侦察和灾情预报等诸多领域，是海面溢油监测的重要手段。由于SAR图像反映的是其观测范围内目标的电磁散射特性，而油膜覆盖区域形成的Bragg波会抑制电磁波的后向散射致使收到的回波强度很低，故油膜覆盖区域在SAR图像上表现为较暗的斑点或条带。现有SAR图像溢油检测方法主要包括基于概率模型的方法、基于图的方法和基于聚类的方法等，但现阶段所用方法普遍存在运算量大，检测精度低等问题，难以实现大幅SAR图像数据的实时处理和溢油区域的准确定位。文献“Inshoreshipdetectionusinghighresolutionsyntheticapertureradarimagesbasedonmaximallystableextremalregion,”(JournalofAppliedRemoteSensing,vol.9,no.1,pp.095094,2015)使用基于最大稳定极值区域(MaximallyStableExtremalRegion,MSER)的检测算法实现SAR图像中舰船目标的检测，MSER使用全局检测门限，使检测的速度得以保证。但其所用方法不能实现SAR目标的精确检测，且算法中各项参数均凭经验得到，不适用于SAR图像中溢油暗斑的检测。文献“ACombinationofTraditionalandPolarimetricFeaturesforOilSpillDetectionUsingTerraSAR-X，”.(IEEEJournalofSelectedTopicsinAppliedEarthObservations&RemoteSensing,2016,9(11):4979-4990.)利用特征提取方法实现油膜的提取和分离，但是其检测速度不利于油膜的快速提取。
技术实现思路
为了解决上述问题，本专利技术提出了一种基于阈值引导的最大极值稳定区域(Thresholding-GuidedMaximallyStableExtremalRegions,TGMSERs)的SAR图像溢油检测方法；相比现有方法，本专利技术方法的自适应阈值基线和最大稳定准则能够在保证运算速度的同时提高检测性能。本专利技术采用的技术方案为：一种基于TGMSERs的SAR图像溢油检测方法，首先通过自适应方法得到像素强度的阈值基线；然后利用MSER检测器提取不同像素强度水平的候选目标区域，并生成对应的二值参考图；最后通过最大稳定准则判定目标区域。进一步地，具体包括以下步骤：步骤1，计算像素强度阈值基线，得到像素强度范围；步骤2，根据像素强度范围，采用MSER检测，得到目标区域二值参考图；步骤3，根据步骤S2得到的目标区域二值参考图，进行目标区域判定。更进一步地，步骤1具体为：根据下式计算像素强度阈值基线imax和imin；imax＝Floor(mean(I))imin＝min(I)其中，Floor(·)表示向下取整函数，mean(·)表示求取像素强度的均值，min(·)表示求取像素强度的最小值。更进一步地，步骤2具体为：给定稳定范围Δ及稳定性阈值T，对位于像素强度范围[imin,imax)内的像素值i，以Δ为步长执行以下分步骤：步骤21，计算图像I中像素强度小于i的像素个数|Pi|，其中，Pi表示I中像素强度低于i的像素集合，|·|表示求取集合中所含像素的个数；步骤22，计算稳定性ο(i)ο(i)＝|Pi-Δ|/|Pi|步骤23，判定潜在目标区域；若ο(i)＞T，则将集合Pi\Pi-Δ加入潜在目标区域；若ο(i)≤T，则将集合Pi\Pi-Δ移出潜在目标区域；其中，Pi\Pi-Δ表示强度低于i且高于i-Δ的像素集合；步骤24，生成目标区域二值参考图；遍历I中所有像素，将位于潜在目标区域的像素值置为1，位于潜在目标区域之外的像素值置为0，得到由1和0组成的目标区域二值参考图。进一步地，步骤3具体为：将步骤2中各像素水平得到的目标区域二值参考图分别记为Qj，j＝1,2,…；根据最大稳定准则，得到最终目标区域，计算式如下：其中，表示Qj与Qj+1中目标区域交集的补集。本专利技术的有益效果：本专利技术的一种基于TGMSERs的SAR图像溢油检测方法，利用自适应的全局阈值基线，在保证运算效率的同时避免SAR图像整体亮度水平的影响；利用最大稳定准则，对不同像素水平的潜在目标区域进行最终判定，提升检测精度的同时避免虚警目标的出现；与现有技术相比，本专利技术的方法具有较高的溢油检测速度和检测精度。附图说明图1为本专利技术的流程图。图2为MSER检测的流程图。图3为本实施例SAR图像不同情况下的原始场景；其中，图3(a)为简单背景场景，图3(b)为弱对比度场景，图3(c)为油膜不均匀场景。图4为本实施例目标检测结果；其中，图4(a)为简单背景场景目标检测结果图，图4(b)为弱对比度场景目标检测结果图，图4(c)为油膜不均匀场景图目标检测结果图。具体实施方式为便于本领域技术人员理解本专利技术的
技术实现思路
，下面结合附图对本
技术实现思路
进一步阐释。本实施例以单视SAR图像为例进行说明，采用的试验图像来自TerraSAR-X卫星，图像分辨率为3m*3m。本实施例中涉及的参数如表1所示。表1参数列表本专利技术的方案如图1所示，包括以下步骤：步骤1、像素强度阈值基线计算。首先输入待检测SAR图像I，其大小为M×N。根据下式计算像素强度阈值基线imax和imin，imax＝Floor(mean(I))(1)imin＝min(I)(2)其中，Floor(·)表示向下取整函数，mean(·)表示求取像素强度的均值，min(·)表示求取像素强度的最小值。步骤2、MSER检测。给定稳定范围Δ和稳定性阈值T，对位于像素强度范围[imin,imax)内的像素值i，如图2所示以Δ为步长执行以下子步骤：步骤21、计算图像I中强度小于i的像素个数|Pi|，Pi表示I中强度低于i的像素集合，|·|表示求取集合中所含像素的个数；步骤22、计算稳定性ο(i)，其中ο(i)＝|Pi-Δ|/|Pi|；步骤23、判定潜在目标区域。若ο(i)＞T，则将集合Pi\Pi-Δ加入潜在目标区域；若ο(i)≤T，则将集合Pi\Pi-Δ移出潜在目标区域。其中，Pi\Pi-Δ表示强度低于i且高于i-Δ的像素集合。步骤24、生成二值参考图。遍历I中所有像素，将位于潜在目标区域的像素值置为1，位于潜在目标区域之外的像素值置为0，得到由1和0组成的目标区域二值参考图。步骤3、目标区域判定。将步骤2中各像素通道生成得到的目标区域二值参考图分别记为Qj，j＝1,2,…。根据公式(3)所示最大稳定准则，得到最终目标区域。其中，表示通道Qj与Qj+1中目标区域交集的补集。图4为本专利技术的检测方法结果，从结果可以看出在三种复杂场景下的油膜都被清晰的检测出来，在不同复杂环境下实现了良好的检测效果，图4(a)为简单背景下的检测结果，效果明显，图4(b)为弱对比情况下的检测结果，在肉眼较难分辨的情本文档来自技高网...

【技术保护点】
1.一种基于TGMSERs的SAR图像溢油检测方法，其特征在于，首先通过自适应方法得到像素强度的阈值基线；然后利用MSER检测器提取不同像素强度水平的候选目标区域，并生成对应的二值参考图；最后通过最大稳定准则判定目标区域。

【技术特征摘要】
1.一种基于TGMSERs的SAR图像溢油检测方法，其特征在于，首先通过自适应方法得到像素强度的阈值基线；然后利用MSER检测器提取不同像素强度水平的候选目标区域，并生成对应的二值参考图；最后通过最大稳定准则判定目标区域。2.根据权利要求1所述的一种基于TGMSERs的SAR图像溢油检测方法，其特征在于，具体包括以下步骤：步骤1，计算像素强度阈值基线，得到像素强度范围；步骤2，根据像素强度范围，采用MSER检测，得到目标区域二值参考图；步骤3，根据步骤S2得到的目标区域二值参考图，进行目标区域判定。3.根据权利要求2所述的一种基于TGMSERs的SAR图像溢油检测方法，其特征在于，步骤1具体为：根据下式计算像素强度阈值基线imax和imin；imax＝Floor(mean(I))imin＝min(I)其中，Floor(·)表示向下取整函数，mean(·)表示求取像素强度的均值，min(·)表示求取像素强度的最小值。4.根据权利要求3所述的一种基于TGMSERs的SAR图像溢油检测方法，其特征在于，步骤2具体为：给...

【专利技术属性】
技术研发人员：杨建宇，张倩，王陈炜，李云，张永超，张寅，黄钰林，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51