基于显著性检测和聚类的SAR图像目标快速检测方法技术

本发明专利技术公开了一种基于显著性检测和聚类的SAR图像目标快速检测方法，主要解决现有SAR图像目标检测技术中检测速度慢和杂波虚警高的问题。其实现步骤为：对SAR图像A建立强度通道高斯金字塔；根据目标尺寸对高斯金字塔的尺度进行选择；根据选择的尺度对所选尺度下的SAR图像建立强度显著图；在强度显著图上依次确定当前最显著区域，并得到一幅标注所有显著区域的二值图；对该二值图进行形态学滤波和聚类操作后根据目标区域面积范围进行面积剔除处理；利用剔除面积后的聚类二值图像进行疑似目标切片提取操作，最终完成SAR图像目标检测过程。本发明专利技术具有检测速度快和虚警率低的优点，适用于SAR图像目标的快速检测。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于显著性检测和聚类的SAR图像目标快速检测方法，主要解决现有SAR图像目标检测技术中检测速度慢和杂波虚警高的问题。其实现步骤为：对SAR图像A建立强度通道高斯金字塔；根据目标尺寸对高斯金字塔的尺度进行选择；根据选择的尺度对所选尺度下的SAR图像建立强度显著图；在强度显著图上依次确定当前最显著区域，并得到一幅标注所有显著区域的二值图；对该二值图进行形态学滤波和聚类操作后根据目标区域面积范围进行面积剔除处理；利用剔除面积后的聚类二值图像进行疑似目标切片提取操作，最终完成SAR图像目标检测过程。本专利技术具有检测速度快和虚警率低的优点，适用于SAR图像目标的快速检测。【专利说明】基于显著性检测和聚类的SAR图像目标快速检测方法
本专利技术属于雷达目标检测领域，尤其涉及在合成孔径雷达SAR图像中快速、有效 地检测地面车辆、飞机的方法。
技术介绍
雷达成像技术是20世纪50年代发展起来的，在以后的60年里得到了突飞猛进的 发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。 合成孔径雷达SAR是一种利用微波进行感知的主动传感器，其与红外、光学等其 他传感器相比，SAR成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天候、全 天时的观测。因而SAR成为目前对地观测和军事侦察的重要手段，SAR图像自动目标识别 受到越来越广泛的关注。 SAR自动目标识别ATR方法通常采取美国林肯实验室提出的三级处理流程。该流 程采用一种分层注意机制，其实现过程是：首先，对整幅SAR图像进行检测处理，除去图像 中明显不是目标的区域，得到潜在目标区域；然后，对潜在的目标区域进行目标鉴别处理， 以剔除其中的自然杂波虚警，或剔除明显比目标大或者小的区域；通过目标的检测和鉴别 阶段，得到目标感兴趣区域ROI;最后，再对目标ROI进行分类识别。在这种处理机制中，数 据处理方法越来越复杂，因此计算量会越来越大，但需要处理的数据量却是在逐步减少的， 这样就能提商目标识别系统的效率。 SAR图像目标检测是SARATR这种匠心独具的流程设计中的第一步，其重要性不言 而喻。如何快速有效的检测出潜在目标区域也是近年来SAR图像解译应用的一大研究热 点。 现有文献中提出了很多SAR图像目标检测方法，例如双参数恒虚警CFAR检测算 法、广义似然比检验检测算法、神经网络检测算法、隐马尔可夫模型检测算法、支持向量机 检测算法。在现有的这些SAR图像目标检测方法中，双参数CFAR检测算法应用最为广泛。 双参数CFAR检测算法是一种传统的SAR图像目标检测方法，该方法应用的前提是 在SAR图像上目标与背景杂波具有较高的对比度。双参数CFAR检测算法中设置了目标窗 口、保护窗口和背景窗口这3个窗口。其中，目标窗口是可能含有目标像素的窗口，保护窗 口是为了防止目标像素混入背景杂波中而设置的窗口，背景窗口是含有背景杂波的窗口。 传统的双参数CFAR是基于背景杂波的统计分布模型是高斯分布的假设。通过滑动窗口，对 SAR图像中的每个像素进行遍历。在每次滑动窗口的过程中，通过计算背景窗口内的所有像 素的均值和方差来对背景杂波进行参数估计并以此来确定一个阈值，如果目标窗口内的像 素大于这个阈值就认为是目标像素，否则就认为其是杂波像素。由于背景杂波的统计分布 模型并不一定服从高斯分布、对背景杂波进行参数估计耗时、SAR图像中每个像素点相同对 待的原因，造成了这种方法存在杂波统计模型参数估计不准确、检测时间过长、虚警率高的 缺点。
技术实现思路
本专利技术针对上述现有技术的不足，提出了一种基于显著性检测和聚类的SAR图像 目标快速检测方法。 基于显著性检测和聚类处理的SAR图像目标快速检测方法的实现方案具体包括 以下步骤： (1)对一幅SAR图像A不断地进行下采样和高斯低通滤波处理，得到m层强度通道 高斯金字塔，其中m3 2,该高斯金字塔的第一层尺度为〇 =1，第二层尺度为〇 =2,依此 类推，第m层尺度为〇 =m; (2)根据检测目标的任务要求，由待检测目标的尺寸确定后续做中心-周边差处 理所需要的P个中心尺度和q个尺度差； (3)根据步骤（2)得到的中心尺度和尺度差确定强度通道高斯金字塔对应的尺 度，并对所确定尺度下对应的PXq幅图像进行插值操作，使插值后的图像大小与SAR图像 A的尺寸一致； (4)根据中心尺度和尺度差这两个参数对步骤（3)得到的pXq幅图像进行中 心-周边差处理，并对中心-周边差处理后的图像归一化，得到PXq幅强度特征图{FJ，其 中，i= 1，2,. . .，pXq，Fi表示第i幅强度特征图； (5)对pXq幅强度特征图{FJ进行线性叠加，并对叠加后的图像进行归一化，得 到一幅强度显著图C; (6)计算强度显著图C中的所有像素均值a和标准差0，得到后续确定当前最显 著区域的阈值：T=a+KX0，其中K是用来控制虚警率的常系数； (7)在步骤（5)中得到的强度显著图C上根据终止阈值T依次确定当前最显著区 域，并得到N幅标注当前最显著区域的二值图{Ej，其中，j= 1，2，...，N，E^表示第j幅二 值图； (8)将N幅标注当前最显著区域的二值图{Ej进行线性叠加，得到一幅标注所有 显著区域的总体二值图V; (9)对总体二值图V进行形态学滤波，得到形态学滤波后的二值图X; (10)根据目标尺寸设置聚类距离d_，对滤波后的二值图X进行聚类处理，得到聚 类后的二值图J; (11)根据聚类后每一类区域像素点个数，对聚类后的二值图J中不满足目标面积 要求的类进行像素点置零操作，即面积剔除处理，得到剔除面积后的二值图Y; (12)根据剔除面积后的二值图Y，在SAR图像A上进行切片提取处理，得到疑似目 标切片。 本专利技术与现有技术相比，具有以下优点： 1.检测速度快 传统的双参数CAFR检测方法在检测时，由于要先对杂波进行统计建模，然后对每 个像素点进行滑窗，并且在每次滑窗时需要估计参考窗内杂波的模型参数，因而在大图场 景中检测效率低，不利于在需要实时检测的SARATR系统中的应用。而本专利技术中所采取的方 法是基于视觉注意机制的显著性检测，利用目标先验尺寸，只在强度通道金字塔下选取了 几个合适的中心尺度和尺度差，没有颜色通道和方向通道，并通过插值处理使得能够在其 中心-周边差处理后突出目标，弱化杂波背景，因此，在视觉转移即寻找最强点的过程中能 够迅速注意到疑似目标区域并进行后续处理，避免了双参数CFAR处理中各个点和区域同 样对待的弊端，可以在较短的时间内迅速找到疑似目标区域，检测速度大大加快。 2.虚警率低 现有的双参数CFAR检测方法要检测到所有的目标，则必需要设置很大的虚警率 因而会产生较多的杂波虚警，造成最终提取的疑似目标切片数目也多，虚警率高。而本专利技术 根据目标先验尺寸，通过尺度选择并进行中心_周边差处理，充分利用了目标的强度显著 性特征，使得目标区域优先被检测到，并结合聚类处理，在保证高检测率的情况下最终提取 的疑似目标切片数目少，极大的降低了虚警率。 【专利附图】【附图说明本文档来自技高网...

【技术保护点】
基于显著性检测和聚类的SAR图像目标快速检测方法，包括如下步骤：(1)对一幅SAR图像A不断地进行下采样和高斯低通滤波处理，得到m层强度通道高斯金字塔，其中m≥2，该高斯金字塔的第一层尺度为σ＝1，第二层尺度为σ＝2，依此类推，第m层尺度为σ＝m；(2)根据检测目标的任务要求，由待检测目标的尺寸确定后续做中心‑周边差处理所需要的p个中心尺度和q个尺度差；(3)根据步骤(2)得到的中心尺度和尺度差确定强度通道高斯金字塔对应的尺度，并对所确定尺度下对应的p×q幅图像进行插值操作，使插值后的图像大小与SAR图像A的尺寸一致；(4)根据中心尺度和尺度差这两个参数对步骤(3)得到的p×q幅图像进行中心‑周边差处理，并对中心‑周边差处理后的图像归一化，得到p×q幅强度特征图{Fi}，其中，i＝1,2,...,p×q，Fi表示第i幅强度特征图；(5)对p×q幅强度特征图{Fi}进行线性叠加，并对叠加后的图像进行归一化，得到一幅强度显著图C；(6)计算强度显著图C中的所有像素均值α和标准差β，得到后续确定当前最显著区域的终止阈值：T＝α+K×β，其中K是用来控制虚警率的常系数；(7)在步骤(5)中得到的强度显著图C上根据终止阈值T依次确定当前最显著区域，并得到N幅标注当前最显著区域的二值图{Ej}，其中，j＝1,2,...,N，Ej表示第j幅二值图；(8)将N幅标注当前最显著区域的二值图{Ej}进行线性叠加，得到一幅标注所有显著区域的总体二值图V；(9)对总体二值图V进行形态学滤波，得到形态学滤波后的二值图X；(10)根据目标尺寸设置聚类距离dmax，对滤波后的二值图X进行聚类处理，得到聚类后的二值图J；(11)根据聚类后每一类区域像素点个数，对聚类后的二值图J中不满足目标面积要求的类进行像素点置零操作,即面积剔除处理，得到剔除面积后的二值图Y；(12)根据剔除面积后的二值图Y，在SAR图像A上进行切片提取处理，得到疑似目标切片。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杜兰，王兆成，王斐，刘宏伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61