一种基于显著性分析和背景先验的SAR图像居民区检测方法技术

本发明专利技术公开一种基于显著性分析和背景先验的SAR图像居民区检测方法，属于遥感图像处理及图像识别技术领域。实施过程包括：1)对输入SAR图像进行基于纹理特征的显著性分析，得到显著图；2)计算输入SAR图像超像素级别的背景先验，并计算超像素的平均强度，得到背景先验图；3)将显著图分割为二值化的初始掩膜，并将背景先验图和初始掩膜结合，利用面积‑周长比与直方图差异两个指标，筛选出背景杂波；4)在初始掩膜中去除背景杂波，得到居民区掩膜，将输入SAR图像和居民区掩膜进行逻辑与操作，获得精确的居民区；本发明专利技术实现了SAR图像居民区信息的快速、准确检测，具有不依赖先验知识、计算复杂度低等优点，可用于土地规划及城乡建设等领域。

A Residential Area Detection Method Based on Saliency Analysis and Background Prior in SAR Image

【技术实现步骤摘要】
一种基于显著性分析和背景先验的SAR图像居民区检测方法
本专利技术属于遥感图像处理及图像识别
，具体涉及一种基于显著性分析和背景先验的SAR图像居民区检测方法。
技术介绍
合成孔径雷达(syntheticapertureradar，SAR)不受天气、光照、云层遮挡等自然条件的限制，具有全天时、全天候的成像能力，因而在军事和民用方面得到了非常广泛的研究。目标检测作为SAR图像解译的第一步，是遥感影像分析的一个研究热点。传统SAR目标检测方法大多以油库、船舶等为研究对象，因为它们的形状比较规则，容易通过形状等先验信息进行提取。居民区是一类较为特殊的目标，和油库、船舶等相比，居民区的形状很不规则，很难利用形状信息完成提取，SAR图像居民区检测方法也因此比较少见。传统SAR图像目标检测方法可以分为以下两类：在去除斑点噪声后应用一些光学图像处理方法，和基于统计信息的方法，如恒虚警率(constantfalsealarmrate，CFAR)方法和马尔科夫随机场(MarkovRandomField，MRF)方法。第一类方法通常使用滤波器和图像进行卷积，这会模糊目标的边缘，进而降低检测的准确率。第二类方法中，CFAR相关的方法只利用了滑动窗口内像素强度的统计信息，因此当面对不均匀图像时，检测结果中可能存在虚警；MRF相关的方法利用了每个像素的邻域信息，于方法的噪声鲁棒性大有裨益，但缺点是有许多待调整的参数，效率较低。基于视觉注意机制的显著性分析模型为SAR图像目标检测提供了一个全新视角，不同于传统的检测方法，显著性分析模型是一种完全由数据驱动的图像分析机制，不涉及知识库等外部因素的影响，可以为观察者快速提供可能的感兴趣区域信息，继而在该区域中寻找重要目标，从而大幅提升图像处理系统的运行效率。经典显著性分析模型主要应用于自然景物图像。Itti等人于1998年提出了极具代表意义的显著性分析模型——Itti模型。该模型利用人眼低层视觉特征构建颜色、亮度和方向特征图，通过特征图融合得到最终显著图，运用胜者为王机制和返回抑制机制实显著目标的高效检测。2016年，Tu等人提出了一种利用最小生成树(MinimumSpanningTree，MST)实时提取显著目标的模型，即MST模型。该模型首先用无向图表示图像，然后生成图像的MST，最后通过在MST上的距离变换计算显著性。但SAR图像的以下特点导致了传统显著性分析方法不能直接应用到SAR图像中。第一，SAR图像中存在强烈的斑点噪声；第二，SAR图像中缺乏真彩色信息。真彩色信息是被很多经典显著性分析方法利用的重要特征，因此这一重要特征的缺乏会影响经典显著性分析方法的效果；第三，SAR图像的背景杂波组成复杂，会对目标检测造成非常大的干扰；第四，目标可能出现在SAR图像中的任何位置，因此中心先验和边界先验会失效。综上所述，本专利技术提出一种基于显著性分析和背景先验的SAR图像居民区检测方法。首先将输入SAR图像分块，计算图像块的傅里叶变换获得显著图，然后生成超像素级别的背景先验图，最后将显著图和背景先验图结合，提出两个基于区域特征的指标以去除背景杂波，获得精确的居民区检测结果。
技术实现思路
本专利技术的目的在于提供了一种基于显著性分析和背景先验的SAR图像居民区检测方法，该方法用于对SAR图像的居民区进行精确检测。由于SAR图像中存在强烈的斑点噪声和复杂的背景杂波，缺乏真彩色信息，而且居民区的形状相对不规则，因此传统方法的检测的精度和效率都比较低。所以本专利技术方法主要关注两个方面：1)提升SAR图像居民区检测精度，获得更为准确的居民区信息；2)降低SAR图像居民区检测的计算复杂度。本专利技术所使用的技术方案包括基于纹理特征的显著性分析，生成背景先验图以及去除杂波三个主要过程。在该方法中，首先将SAR图像分割为大小相等且互不重叠的矩形图像块，计算每个图像块的傅里叶幅度谱，并利用k-means聚类算法生成显著图；然后对输入SAR图像进行超像素分割，判断每个超像素是否属于背景，并通过计算超像素的平均强度得到背景先验图；最后将显著图与背景先验图结合，利用面积-周长比与直方图差异两个指标，去除背景杂波，获得精确的居民区检测结果，具体包括以下步骤：步骤一：对输入的SAR图像进行显著性分析，即首先将输入SAR图像分割为大小相等且互不重叠的矩形图像块，然后计算每个图像块的傅里叶幅度谱，并转换为图像块的傅里叶幅度向量，接下来利用k-means聚类算法对图像块的傅里叶幅度向量进行聚类，得到聚类后的簇，最后将每个簇中全部像素的强度平均值作为该簇的显著值，生成显著图；具体过程如下：1)将输入SAR图像分割为大小相等且互不重叠的矩形块；2)对于每个图像块，计算它的傅里叶变换，从而得到幅度谱向量；3)利用k-means聚类算法对所有的幅度谱向量进行聚类，得到若干聚类后的簇；4)将每个簇中全部像素的强度平均值作为该簇的显著值，得到显著图。步骤二：生成输入SAR图像的背景先验图，即首先对输入SAR图像进行超像素分割，然后判断每个超像素是否属于背景，最后通过计算超像素的平均强度，得到能够区分SAR图像前景和背景的背景先验图；具体过程如下：1)利用基于水平集的分割方法，将输入SAR图像分割为若干超像素；2)将SAR图像四条边界上的超像素视为可能属于背景的超像素候选区域；3)计算每个可能属于背景的超像素候选区域与其它全部可能属于背景的超像素候选区域之间的差异Di,i＝1,2,3...，并计算上述差异的平均值将Di值小于的可能属于背景的超像素候选区域视为真正属于背景的超像素；4)对于图像中剩余的超像素，计算每个超像素与真正属于背景的超像素之间的最小差异将值小于的超像素视为背景，从而得到以“0”表示背景，“1”表示前景的二值化初始背景先验图；5)分别计算初始背景先验图中前景和背景的平均强度值，若背景的平均强度值大于前景的平均强度值，则将前景置为背景，背景置为前景，最终得到背景先验图。步骤三：将显著图与背景先验图结合，利用面积-周长比与直方图差异两个指标筛选出背景杂波，即首先利用最大类间方差法分割显著图，得到二值化的初始掩膜，然后将在初始掩膜中为前景，但在背景先验图中为背景的区域视为候选杂波，最后利用面积-周长比和区域直方图差异，筛选出背景杂波。步骤四：在步骤三所获得的初始掩膜中去除背景杂波，得到居民区掩膜，然后对输入SAR图像和居民区掩膜进行逻辑与操作，得到精确的居民区检测结果。本专利技术提出的方法具有如下的优点：(1)本专利技术利用图像块傅里叶变换的幅度谱表示纹理特征，是一种全新的纹理表示方法。(2)本专利技术将显著性分析引入到SAR图像居民区检测中，不依赖先验知识，一定程度上降低了计算复杂度并保证了检测精度。(3)本专利技术通过计算初始背景先验图中背景和前景的平均强度，避免背景和前景倒置，改进了传统的背景先验方法。附图说明图1为本专利技术的流程图；图2为本专利技术所使用的SAR图像示例图片；图3为本专利技术所使用示例图片的显著图、背景先验图和杂波图。(a)为示例图片的显著图，(b)为示例图片的背景先验图，(c)为示例图片的杂波图；图4为利用本专利技术得到的初始掩膜、居民区掩膜和居民区检测结果图。(a)为示例图片的初始掩膜，(b)为示例图片的居民区掩膜，(c本文档来自技高网...

【技术保护点】
1.一种基于显著性分析和背景先验的SAR图像居民区检测方法，在该方法中，首先将SAR图像分割为大小相等且互不重叠的矩形图像块，计算每个图像块的傅里叶幅度谱，并利用k‑means聚类算法生成显著图；然后对输入SAR图像进行超像素分割，判断每个超像素是否属于背景，并通过计算超像素的平均强度得到背景先验图；最后将显著图与背景先验图结合，利用面积‑周长比与直方图差异两个指标，去除背景杂波，获得精确的居民区检测结果，其特征在于，包括以下步骤：步骤一：对输入SAR图像进行显著性分析，即首先将输入SAR图像分割为大小相等且互不重叠的矩形图像块，然后计算每个图像块的傅里叶幅度谱，从而得到图像块的幅度谱向量，最后利用k‑means聚类算法对傅里叶幅度谱向量进行聚类，生成显著图；步骤二：生成输入SAR图像的背景先验图，即首先对输入SAR图像进行超像素分割，然后找出属于背景的超像素，最后通过计算超像素的平均强度，生成能够反映SAR图像显著性的背景先验图；步骤三：将显著图与背景先验图结合，利用面积‑周长比与直方图差异两个指标筛选出背景杂波，即首先利用最大类间方差法分割显著图，得到二值化的初始掩膜，然后，将在初始掩膜中为前景，但是在背景先验图中为背景的区域视为候选杂波，最后利用面积‑周长比与直方图差异两个指标，筛选出背景杂波；步骤四：在步骤三所获得的初始掩膜中去除背景杂波，得到居民区掩膜，然后对输入SAR图像和居民区掩膜进行逻辑与操作，得到精确的居民区检测结果。...

【技术特征摘要】
1.一种基于显著性分析和背景先验的SAR图像居民区检测方法，在该方法中，首先将SAR图像分割为大小相等且互不重叠的矩形图像块，计算每个图像块的傅里叶幅度谱，并利用k-means聚类算法生成显著图；然后对输入SAR图像进行超像素分割，判断每个超像素是否属于背景，并通过计算超像素的平均强度得到背景先验图；最后将显著图与背景先验图结合，利用面积-周长比与直方图差异两个指标，去除背景杂波，获得精确的居民区检测结果，其特征在于，包括以下步骤：步骤一：对输入SAR图像进行显著性分析，即首先将输入SAR图像分割为大小相等且互不重叠的矩形图像块，然后计算每个图像块的傅里叶幅度谱，从而得到图像块的幅度谱向量，最后利用k-means聚类算法对傅里叶幅度谱向量进行聚类，生成显著图；步骤二：生成输入SAR图像的背景先验图，即首先对输入SAR图像进行超像素分割，然后找出属于背景的超像素，最后通过计算超像素的平均强度，生成能够反映SAR图像显著性的背景先验图；步骤三：将显著图与背景先验图结合，利用面积-周长比与直方图差异两个指标筛选出背景杂波，即首先利用最大类间方差法分割显著图，得到二值化的初始掩膜，然后，将在初始掩膜中为前景，但是在背景先验图中为背景的区域视为候选杂波，最后利用面积-周长比与直方图差异两个指标，筛选出背景杂波；步骤四：在步骤三所获得的初始掩膜中去除背景杂波，得到居民区掩膜，然后对输入SA...

【专利技术属性】
技术研发人员：张立保，王士一，王珊，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京,11