基于超像素的SAR图像舰船目标快速检测方法技术

本发明专利技术公开了一种基于超像素的SAR图像舰船目标快速检测方法，其主要思路为：确定待检测的SAR图像，所述待检测的SAR图像包含H个目标，每个目标都可视为由一个或多个目标超像素组成；然后对待检测的SAR图像进行超像素分割，得到N个超像素；对N个超像素进行全局恒虚警处理，得到M个候选目标超像素和N‑M个杂波超像素；对M个候选目标超像素进行局部窗口恒虚警目标检测处理，得到M个候选目标超像素对应的二值图像集合，记为待检测二值图像A；对待检测二值图像A进行目标超像素筛选处理，得到Q个目标超像素集合，然后对Q个目标超像素集合进行聚类处理，得到聚类处理后的G个目标超像素，G≤Q，Q<M，所述G个目标超像素分别包含待检测的SAR图像内包含的舰船目标。

【技术实现步骤摘要】
基于超像素的SAR图像舰船目标快速检测方法
本专利技术属于雷达目标检测
，特别涉及一种基于超像素的SAR图像舰船目标快速检测方法，适用于合成孔径雷达SAR图像中快速、有效检测舰船目标的方法。
技术介绍
作为一种主动微波传感器，合成孔径雷达SAR系统不受光照、天气等条件的限制，能够对目标进行全天候、全天时的观测，因此广泛用于军用和民用领域。SAR图像目标检测是自动目标识别中的关键技术，在现有的SAR图像目标检测方法中，双参数恒虚警CFAR检测方法应用广泛。该检测算法基于背景杂波服从高斯分布的假设，设置由目标窗口、保护窗口和背景窗口三部分组成的滑动窗口，利用该滑动窗口遍历整幅SAR图像中的像素；双参数CFAR方法的缺点主要在于：复杂场景下背景杂波建模不准确，造成目标检测准确率下降；目标检测采用滑动窗口实现，每次滑动过程中均需对背景杂波参数进行估计，导致算法速度偏慢。随着SAR技术水平的发展，SAR图像分辨率不断提高，这虽然有利于获得更为精细的目标信息，但也给常规基于像素强度的目标检测带来了困难。由于高分辨SAR图像中目标尺寸远大于雷达距离分辨单元，目标的多个散射中心扩展到不同距离单元，回波能量被分散，造成目标像素灰度起伏，目标区域中存在弱像素点，仅基于单个像素的强度进行目标检测时，这些弱目标像素点容易被漏检，造成检测结果中出现目标的断裂和不连续现象。另外，高分辨SAR图像中的目标不仅是高亮像素点的简单集合，目标像素之间的空间关系更体现了目标的结构和形状特征，而现有的SAR图像目标检测算法大多以单个像素为处理单位，并未考虑像素之间的空间关系。超像素分割算法在图像处理中应用广泛，根据像素点之间的相似程度对图像中的像素点进行分组得到局部的图像块，称之为超像素。高分辨SAR图像中的目标可视为由一个或多个相邻的超像素组合而成，因此将超像素作为目标检测的基本单元，不仅可以获得图像的结构信息，而且由于超像素的个数远小于图像中的像素总数，有利于降低目标检测过程的运算量。余文毅等人在文章“Superpixel-BasedCFARTargetDetectionforHigh-ResolutionSARImages，IEEEGeosci.RemoteSens.Lett.,vol.13,no.5,pp.730–734,May.2016.”中提出了一种基于超像素的恒虚警CFAR目标检测方法，为和本专利技术作区分，将其称为滑窗超像素CFAR方法；这种方法将超像素和双参数CFAR目标检测思想相结合，设置超像素滑窗进行目标检测，获得了比常规像素级的CFAR方法更好的检测结果，但是这种方法的缺点在于需要利用滑窗对SAR图像中的超像素进行遍历处理，导致运算量大，不满足目标检测实时性的要求。
技术实现思路
针对上述已有技术的不足，本专利技术提出了一种基于超像素的SAR图像舰船目标快速检测方法，该种基于超像素的SAR图像舰船目标快速检测方法能够有效减少虚警和漏警，保证目标检测的精度，同时具有计算复杂度低的优点，能够满足算法实时性要求。本专利技术方法的基本思路：首先在SAR图像中生成超像素，然后通过对超像素进行描述和统计分析，采用两级恒虚警CFAR目标检测算法进行目标检测，得到待检测二值图像，最后通过对待检测二值图像进行虚警剔除，完成SAR图像目标检测；其中，两级恒虚警CFAR包括采用全局恒虚警CFAR筛选候选目标超像素，以及采用局部窗口恒虚警CFAR对候选目标超像素进行检测，得到包含疑似目标区域目标的二值图像。为达到上述技术目的，本专利技术采用如下技术方案予以实现。一种基于超像素的SAR图像舰船目标快速检测方法，包括以下步骤：步骤1，确定待检测的SAR图像，所述待检测的SAR图像包含H个目标，每个目标都可视为由一个或多个目标超像素组成；然后对待检测的SAR图像进行超像素分割，得到N个超像素；N、H分别为大于0的正整数；步骤2，对N个超像素进行全局恒虚警处理，得到M个候选目标超像素和N-M个杂波超像素；M为大于0的正整数；步骤3，对M个候选目标超像素进行局部窗口恒虚警目标检测处理，得到M个候选目标超像素对应的二值图像集合，记为待检测二值图像A；步骤4，对待检测二值图像A进行目标超像素筛选处理，得到Q个目标超像素集合，然后对Q个目标超像素集合进行聚类处理，得到聚类处理后的G个目标超像素，G≤Q，Q<M，所述G个目标超像素分别包含待检测的SAR图像内包含的舰船目标；G、Q分别为大于0的正整数。本专利技术与现有技术相比具有以下优点：第一，本专利技术方法利用加权信息熵描述超像素的统计特性，能够更好地区分目标超像素和杂波超像素。第二，本专利技术方法采用两级恒虚警CFAR目标检测方法，通过筛选候选目标超像素，大大减少了运算量，显著提高了算法实时性。第三，本专利技术方法采用超像素作为目标检测的基本单元，对比像素级的目标检测方法，能够保存目标结构的完整性和目标边缘，使目标具有良好的连续性。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细说明。图1是本专利技术的一种基于超像素的SAR图像舰船目标快速检测方法实现流程图。图2是本专利技术仿真使用的TerraSAR-X高分辨SAR图像。图3为对图2进行超像素分割后得到的结果示意图。图4(a)为图2中的超像素的加权信息熵分布直方图；图4(b)为利用全局阈值筛选得到的候选目标超像素示意图；图5(a)为使用双参数CFAR方法对图2进行检测后得到的结果示意图；图5(b)为使用滑窗超像素CFAR方法对图2进行检测后得到的结果示意图；图5(c)为使用本专利技术方法对图2进行检测后得到的结果示意图；图6为对图2分别用双参数CFAR方法、滑窗超像素CFAR方法和本专利技术方法检测结果的ROC曲线图；图7为移除虚警区域及聚类处理后的目标检测结果示意图。具体实施方式参照图1，为本专利技术的一种基于超像素的SAR图像舰船目标快速检测方法实现流程图；其中所述基于超像素的SAR图像舰船目标快速检测方法，包括以下步骤：步骤1，确定待检测的SAR图像，所述待检测的SAR图像包含H个目标，每个目标都可视为由一个或多个目标超像素组成，即每个目标都可视为目标超像素的组合，且目标超像素中可能包含杂波像素点；然后对待检测的SAR图像进行超像素分割，得到N个超像素；N、H分别为大于0的正整数。具体地，所述超像素为根据像素点之间的相似程度对图像中的像素点进行分组得到的局部图像块；本实施例通过文章“SLICSuperpixelsComparedtoState-of-the-ArtSuperpixelMethods，RadhakrishnaAchantaetal.，IEEETPAMI，2012”中提出的简单线性迭代聚类(SLIC)方法对待检测的SAR图像进行超像素分割，得到N个超像素，将第n个超像素记为Sn，第n个超像素包含pn个像素点，n＝1,2,…,N，N为超像素的个数，pn为第n个超像素包含的像素点个数，且N、pn分别为大于0的正整数。N个超像素中包含N'个目标超像素，1≤N'<N，设第n'个目标超像素包含p1n'个像素点，1≤n'≤N'，第n'个目标超像素内的Tp1n'个像素点都为目标像素点，0≤Tp1n'≤p1n'。将N个超像素中减去目标超像素包含的N'个超像素，记为杂波超像素本文档来自技高网...

【技术保护点】
一种基于超像素的SAR图像舰船目标快速检测方法，其特征在于，包括以下步骤：步骤1，确定待检测的SAR图像，所述待检测的SAR图像包含H个目标，每个目标都可视为由一个或多个目标超像素组成；然后对待检测的SAR图像进行超像素分割，得到N个超像素；N、H分别为大于0的正整数；步骤2，对N个超像素进行全局恒虚警处理，得到M个候选目标超像素和N‑M个杂波超像素；M为大于0的正整数；步骤3，对M个候选目标超像素进行局部窗口恒虚警目标检测处理，得到M个候选目标超像素对应的二值图像集合，记为待检测二值图像A；步骤4，对待检测二值图像A进行目标超像素筛选处理，得到Q个目标超像素集合，然后对Q个目标超像素集合进行聚类处理，得到聚类处理后的G个目标超像素，G≤Q，Q<M，所述G个目标超像素分别包含待检测的SAR图像内包含的舰船目标；G、Q分别为大于0的正整数。

【技术特征摘要】
1.一种基于超像素的SAR图像舰船目标快速检测方法，其特征在于，包括以下步骤：步骤1，确定待检测的SAR图像，所述待检测的SAR图像包含H个目标，每个目标都可视为由一个或多个目标超像素组成；然后对待检测的SAR图像进行超像素分割，得到N个超像素；N、H分别为大于0的正整数；步骤2，对N个超像素进行全局恒虚警处理，得到M个候选目标超像素和N-M个杂波超像素；M为大于0的正整数；步骤3，对M个候选目标超像素进行局部窗口恒虚警目标检测处理，得到M个候选目标超像素对应的二值图像集合，记为待检测二值图像A；步骤4，对待检测二值图像A进行目标超像素筛选处理，得到Q个目标超像素集合，然后对Q个目标超像素集合进行聚类处理，得到聚类处理后的G个目标超像素，G≤Q，Q<M，所述G个目标超像素分别包含待检测的SAR图像内包含的舰船目标；G、Q分别为大于0的正整数。2.如权利要求1所述的一种基于超像素的SAR图像舰船目标快速检测方法，其特征在于，步骤2的子步骤为：2a)计算第n个超像素Sn内pn个像素点的强度平均值2b)统计第n个超像素Sn中像素点灰度级i的出现频率Pn(i)，i∈{0,1,...,L-1}，L为第n个超像素中的像素点灰度级数，0≤Pn(i)≤1，进而得到第n个超像素对应的强度直方图Pn，所述第n个超像素对应的强度直方图Pn的二维坐标分别为第n个超像素中的L个像素点灰度级和每个像素点灰度级的出现概率；2c)计算第n个超像素Sn对应的加权信息熵Hn：其中，log表示求以10为底的对数操作，当Pn(i)＝0时，log(Pn(i))＝0；2d)根据第n个超像素Sn对应的加权信息熵Hn，n＝1,2,…,N，计算得到N个超像素对应的加权信息熵集合，进而计算N个超像素的均值μH和N个超像素的标准差σH：2e)设置全局阈值TH，TH＝μH+tσH，t为调整全局阈值的常数，t＝Φ-1(1-pglobal)，pglobal为设定的全局虚警概率，Φ为标准正态分布函数，上标-1表示求逆操作；其中，调整全局阈值的常数t取值范围为[1,2)，设定的全局虚警概率pglobal的取值范围为(0.023,0.159]；2f)根据设置的全局阈值TH，按下式计算得到第n个超像素Sn的二值标签Vn：其中，Hn表示第n个超像素Sn对应的加权信息熵，当Vn＝1时，则将第n个超像素{Sn}作为第m个候选目标超像素，并令m加1，m初始值为1；否则，将第n个超像素Sn作为第m'个杂波超像素，并令m'加1，m'初始值为1；由此得到第m个候选目标超像素Cm或第m'个杂波超像素Cm'，m∈{1,…,M}，m'∈{1,…,N-M}，M为候选目标超像素的个数；2g)令n分别取1至N，重复执行2f)，进而分别得到M个候选目标超像素和N-M个杂波超像素。3.如权利要求1所述的一种基于超像素的SAR图像舰船目标快速检测方法，其特征在于，步骤3的子步骤为：3a)分别设定目标的实际最大长度为Lmax，设定待检测SAR图像的分辨率为△R，并且设置局部检测窗口尺寸为s，s>2Lmax/△R；初始化：令m表示第m个候选目标超像素，m∈{1,…,M}，m的初始值为1，M表示候选目标超像素的个数；3b)计算得到第m个候选目标超像素Cm的中心坐标(xm,ym)，xm为Cm内包含的所有像素点的横坐标均值，ym为Cm内包含的所有像素点的纵坐标均值；3c)以第m个候选目标超像素Cm的中心坐标(xm,ym)为中心、以局部检测窗口尺寸s为边长，得到第m个候选目标超像素Cm的恒虚警检测局部窗口，所述第m个候选目标超像素Cm的恒虚警检测局部窗口包含K个待选背景超像素，分别记为Cm1,C...

【专利技术属性】
技术研发人员：刘峥，李焘，宋小圆，
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