The invention belongs to the technical field of radar image processing, in particular to a method for detecting and identifying aircraft targets in space-borne SAR images. The main steps of the present invention are as follows: airport detection includes airport rough detection and precise segmentation of airport targets, in which the discriminant operator is used to locate the target roughly, the substitution filtering method is used to reduce the impact of image interference fringes and the image segmentation technology is used to locate the airport targets accurately; airport target detection adopts edge detection and convolution neural network based on Canny operator. Finally, the aircraft target is extracted by area tracking and aspect ratio identification. The airplane detection algorithm is suitable for complex SAR image background, has high robustness, good real-time performance, and has wide application prospects.
【技术实现步骤摘要】
星载SAR图像中的飞机目标检测与鉴别方法专利
本专利技术属于雷达图像处理
，具体涉及一种星载SAR图像中的机场与飞机目标检测与鉴别方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)是利用微波进行成像的主动传感器，是一种能够全天时、全天候工作的二维高分辨率成像雷达，具有穿透云和雾的能力，低频段的SAR甚至能够穿透植被和地表。SAR的主要特点是基于雷达与目标的相对运动，将较小尺寸的实际天线孔径用数据处理的方法合成一个较大尺寸的虚拟天线孔径，从而实现大孔径天线所能提供的高方位向分辨率。SAR的这些优点使得其在军事侦察，气候与环境的监测，资源的勘探，行星的探测等领域有着广泛的应用。随着SAR及图像解译技术的飞速发展，其极化方式越来越多，分辨率也不断提高，对于SAR图像中目标的识别也逐渐成为可能。飞机作为一类重要的检测目标，在高分辨率遥感图像中对其进行精确定位与统计具有重要意义。在民用领域，飞机是重要的交通工具，飞机检测有助于管理机场。在军事方面，飞机检测具有显著的意义，获取诸如航空类型和数量等信息，用于军事防御等方面。因此，研究S...
【技术保护点】
1.一种复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，具体步骤如下：(1)首先采用机场粗检测算法，对大场景中机场目标进行粗定位；(2)其次采用机场区域精确分割算法，对机场目标进行精确分割；(3)然后采用基于Canny算子的边缘检测方法，提取机场区域中的可疑目标；(4)最后采用基于卷积神经网络识别算法及虚警鉴别算子，对可疑目标进行识别及虚警鉴别；步骤(1)所述的采用机场粗检测算法，对大场景中机场目标进行粗定位，是利用孔洞鉴别算子、形状鉴别算子及面积鉴别算子，通过对图像分割提取的连通域进行鉴别，对大场景SAR图像中机场目标进行粗定位；其中：孔洞鉴别算子：连通域孔洞填充后面积
【技术特征摘要】
1.一种复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，具体步骤如下：(1)首先采用机场粗检测算法，对大场景中机场目标进行粗定位；(2)其次采用机场区域精确分割算法，对机场目标进行精确分割；(3)然后采用基于Canny算子的边缘检测方法，提取机场区域中的可疑目标；(4)最后采用基于卷积神经网络识别算法及虚警鉴别算子，对可疑目标进行识别及虚警鉴别；步骤(1)所述的采用机场粗检测算法，对大场景中机场目标进行粗定位，是利用孔洞鉴别算子、形状鉴别算子及面积鉴别算子，通过对图像分割提取的连通域进行鉴别，对大场景SAR图像中机场目标进行粗定位；其中：孔洞鉴别算子：连通域孔洞填充后面积与原面积差占原面积比；形状鉴别算子：连通域面积与其最小外接矩形框面积之比；面积鉴别算子：连通域面积与该幅图像中最大连通域面积之比；复合鉴别算子：步骤(2)中所述的机场区域精确分割算法，包括：替代滤波及图像分割；步骤(3)中所述的基于Canny算子的边缘检测方法，包括：基于Canny算子的边缘检测和利用最优距离匹配算法对飞机离散目标进行组合；步骤(4)中所述的基于卷积神经网络识别算法及虚警鉴别算子，包括基于googLeNet的卷积神经网络目标识别及面积追踪与长宽比鉴别；步骤(1)基于鉴别算子的机场目标粗检测算法流程为，首先通过图像均值滤波对图像杂波与噪声进行抑制，然后通过Otsu方法确定全局阈值对图像进行二值化处理；对二值化图像进行先膨胀后腐蚀操作，减少背景杂波影响；提取面积排名前10的连通域，利用孔洞鉴别算子，形状鉴别算子及面积鉴别算子对连通域目标进行鉴别，对大场景SAR图像中飞机目标进行粗定位；步骤(2)所述的基于图像处理的机场区域精确分割的流程为，对粗定位后目标区域进行灰度调整，二值化及取反等图像处理步骤，通过提取连通域对机场区域进行精确分割；其中，所述的替代滤波流程为，先检测横条纹，然后采用图像中横条纹附近图像值替代横条纹处图像值；步骤(3)所述的基于Canny算子的边缘检测方法的流程为，首先采用Canny算子对图像边缘进行提取，然后对边缘提取后的图像进行膨胀与腐蚀操作，并对边缘虚警进行剔除，实现目标粗分割；所述的最优距离匹配算法流程为，将包含飞机离散部件与虚警的小边界框与包含飞机目标虚较大虚警的大边界框一一匹配，选取最短距离组合进行匹配，确定飞机整体目标的可能位置；步骤(4)中所述的基于卷积神经网络识别算法流程为，基于GoogLeNet网络结构，首先利用已有数据进行数据增强后对网络进行训练，然后对上述流程输出的可疑目标边界框进行多灰度识别；所述的飞机目标鉴别流程为，对多灰度目标识别的结果，基于面积鉴别算子，长宽比鉴别算子及目标识别算子，对飞机虚警目标进行鉴别。2.根据权利要求1所述的复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，所述的基于多种鉴别算子提取复合特征的机场目标粗检测算法，具体流程为：(1a)在大场景SAR图像中对图像进行均值滤波，对背景分布中噪声与杂波进行抑制，减少其对机场目检测的干扰；基于视觉注意力机制，首先依据机场呈大面积较暗区域分布的特性提取包含机场目标的连通域；(1b)对二值化后的图像进行先膨胀后腐蚀操作，膨胀的目的是使得机场区域中由于复杂成像与散射机制导致的机场区域不连续的地方连接；腐蚀的目的是使得由于复杂成像导致的机场区域与其余道路连接断开，减少背景分布对目标检测的影响，初步精准机场目标范围；(1c)通过Otsu方法确定全局阈值，对图像进行二值化处理，此时机场与其余虚警目标对应像素值为0；(1d)因为机场目标在大场景SAR图像中所占面积较大，故提取面积排名前10的连通域，通过孔洞鉴别算子、形状鉴别算子与面积鉴别算子对包含机场目标的连通域进行鉴别，剔除虚警，对机场目标进行粗定位。3.根据权利要求2所述的复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，所述的利用替代滤波法对陆地背景干涉横条纹进行抑制,具体流程为：(2a)对待检测目标区域基于图像亮线分布距离进行干涉条纹检测；(2b)若检测到干涉条纹，采用原图像中干涉条纹附近图像值替换干涉条纹处图像值。4.根据权利要求3所述的复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，所述的机场区域精确分割,具体流程为：(3a)不同SAR图像中灰度具有明显差异，首先对图像进行自适应灰度调整；(3b)通过Otsu方法确定全...
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。