The invention proposes a SAR image recognition method for ships on the sea surface. This method can be used to detect and recognize the sea targets in SAR images with different sea clutter background. The invention is realized by the following technical schemes: calculating the global segmentation threshold based on the cumulative distribution histogram distribution of the input sea surface SAR image, and then obtaining the index matrix of the target leakage pixel; for each pixel, selecting the optimal statistical model from the model dictionary by KS test adaptively, and modeling the clutter. Based on the results of binary segmentation, the isolated noise points are eliminated by local highlight density, the connected regions are extracted, the background is removed, the corresponding feature parameters are calculated, and the candidate ship targets are obtained. The feature sets of ship targets are constructed by training data sets, and are calculated by Naive Bayesian method. Calculate the confidence level of ship targets.
【技术实现步骤摘要】
SAR图像海面舰船识别方法
本专利技术属于雷达图像处理
,具体涉及一种基于自适应统计建模的合成孔径雷达(SAR)图像海面舰船目标识别方法。
技术介绍
合成孔径雷达SAR是一种利用微波反射信号成像的微波遥感成像系统,它利用主动发射的微波信号所照射区域的散射回波进行成像,不但可以在夜间工作,还可以穿透云层,因此具有全天时和全天候的特点。SAR图像也越来越多的应用到军用和民用领域,比如渔业监控,走私船只检测,海冰检测,救助遇难的船只,倾倒油污检测等。随着SAR设备的日益完善以及SAR图像成像算法的深入研究,大量的SAR图像被用来进行海洋上船只等目标的检测。近年来,利用SAR图像对海上目标进行检测与识别在海洋遥感领域得到了高度重视。海上目标的检测作为海洋观测的一部分,目的是快速地发现海上的目标,从而对海洋进行实时监测,为后续的保护海洋权益和海洋资源提供可靠的依据。但是,一般的可见光图像受到天气的影响,很难穿透云层进行工作,此外在黑夜里也不得不暂停工作,再加上光学图像的成像原理导致其只能对海面进行成像,没有办法进行海洋纵深的检测,因此可见光图像不适合进行全天时、全天候以及多种信息复合的海洋监测。SAR得到的图像是根据微波照射区域的物体回波的散射截面积(RCS)来区分不同的物体,简单来说,目标的RCS越大,目标的区域越大、亮度越强。所以区分SAR图像上不同区域的依据就是图像上RCS的不同。影响RCS的因素主要包括目标因素和雷达因素。目标因素是指目标形状、目标材质、目标表面粗糙度和目标表面介电常数。一般金属材质的表面介电常数要远大于一般的地物,所以无论是在陆地还是 ...
【技术保护点】
1.一种SAR图像海面舰船目标识别方法,其特征在于包括如下步骤:在进行SAR图像亮点检测之前,利用图像预处理模块读取至少一幅海面SAR图像数据,计算SAR图像累计分布直方图,并根据目标像素置信度计算全局阈值,进而对所有像素进行划分,得到像素是否为目标泄漏像素的索引矩阵,将索引矩阵引入自适应亮点检测模块;在对海杂波进行统计建模时,自适应亮点检测模块引入统计模型字典,对图像预处理模块输出索引矩阵的每一个目标像素,利用环形窗口,结合索引矩阵选择杂波数据,利用KS检验方法,从统计模型字典内多个不同的统计模型中自适应地选择最优的分布模型进行自适应杂波建模,自适应亮点检测模块利用CFAR方法计算局部检测阈值并进行二元判决,得到SAR图像的二值分割结果;目标区域提取模块根据自适应亮点检测模块输出的二值分割结果,在二值分割结果的基础上,利用局部亮点密度剔除孤立噪声点,然后提取连通区域并计算相应的区域参数,合并距离小于距离阈值的区域,计算每个区域的特征参数,并根据先验知识剔除背景区域,得到候选舰船目标;目标置信度计算模块针对目标区域提取模块输出的候选舰船目标,利用积累的舰船目标训练图像构建舰船目标特征集 ...
【技术特征摘要】
1.一种SAR图像海面舰船目标识别方法,其特征在于包括如下步骤:在进行SAR图像亮点检测之前,利用图像预处理模块读取至少一幅海面SAR图像数据,计算SAR图像累计分布直方图,并根据目标像素置信度计算全局阈值,进而对所有像素进行划分,得到像素是否为目标泄漏像素的索引矩阵,将索引矩阵引入自适应亮点检测模块;在对海杂波进行统计建模时,自适应亮点检测模块引入统计模型字典,对图像预处理模块输出索引矩阵的每一个目标像素,利用环形窗口,结合索引矩阵选择杂波数据,利用KS检验方法,从统计模型字典内多个不同的统计模型中自适应地选择最优的分布模型进行自适应杂波建模,自适应亮点检测模块利用CFAR方法计算局部检测阈值并进行二元判决,得到SAR图像的二值分割结果;目标区域提取模块根据自适应亮点检测模块输出的二值分割结果,在二值分割结果的基础上,利用局部亮点密度剔除孤立噪声点,然后提取连通区域并计算相应的区域参数,合并距离小于距离阈值的区域,计算每个区域的特征参数,并根据先验知识剔除背景区域,得到候选舰船目标;目标置信度计算模块针对目标区域提取模块输出的候选舰船目标,利用积累的舰船目标训练图像构建舰船目标特征集,通过朴素贝叶斯方法计算待识别舰船目标的后验概率,后验概率即舰船目标的置信度。2.如权利要求1所述的SAR图像海面舰船目标识别方法,其特征在于:图像预处理模块基于目标像素位于SAR图像直方图的拖尾部分的特点,利用SAR图像的直方图,计算全局划分阈值Tg。3.如权利要求1或2所述的SAR图像海面舰船目标识别方法,其特征在于:图像预处理模块在给定目标像素的置信度为的条件下,由式(1)计算全局划分阈值Tg,式中,P为概率值,I为对应图像像素值的随机变量,为经验值,表示杂波像素在整个图像中所占的比例,在大幅SAR图像中,的取值接近1;并对输入的SAR图像,计算其累积分布直方图F,通过计算得到全局划分阈值Tg。4.如权利要求1所述的SAR图像海面舰船目标识别方法,其特征在于:索引矩阵V的大小与待检测SAR图像I的大小一样,若设待检测SAR图像的大小为N×M,在第i行第j列位置坐标(i,j)处的像素强度为Ii,j,则索引矩阵V在位置坐标(i,j)处的取值为Vi,j,索引矩阵V={Vi,j|1≤i≤N;1≤j≤M}也是大小为N×M的矩阵,且位置坐标(i,j)处的索引值Vi,j=1表示SAR图像中相应位置坐标(i,j)处为目标泄漏像素,其中,N为索引矩阵的行数,M为索引矩阵的列数。5.如权利要求1所述的SAR图像海面舰船目标识别方法,其特征在于:自适应亮点检测模块针对每一幅待检测SAR图像,选择一个测试像素,并以当前测试像素为中心包含NC个像素的空心正方形为滑动窗口,以索引矩阵V中相应窗口位置的索引值为依据,选择杂波数据,筛除掉空心滑动窗口内可能是目标泄漏的D个像素,将剩下的NC-D个像素作为杂波数据,用于后续的杂波统计模型选择,其中,NC为空心正方形内测试像素的个数,D空心正方形滑动窗口内索引值为1的像素个数。6.如权利要求1所述的S...
【专利技术属性】
技术研发人员:彭易锦,王侃,代翔,黄细凤,徐雄,刘杰,丁洪丽,宋丹,
申请(专利权)人:西南电子技术研究所中国电子科技集团公司第十研究所,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。