一种SAR图像目标检测方法及系统技术方案

本发明专利技术公开了一种SAR图像目标检测方法及系统，涉及图像处理技术领域，该方法包括以下步骤：根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图。本发明专利技术能够克服杂波以及噪声的影响，在干扰环境下检测出SAR图像中的亮目标，满足目标检测的工作需求。

【技术实现步骤摘要】
一种SAR图像目标检测方法及系统
本专利技术涉及图像处理
，具体涉及一种SAR图像目标检测方法及系统。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)是一种可以产生高分辨率图像的微波遥感器，具有全天时、全天候、多波段、覆盖面积大和穿透性强等优点，广泛应用于军事侦察、灾情估计、森林环境监测等领域。尤其在军事应用领域，SAR图像中的亮区域通常是有价值的人造军事目标，因此快速准确地检测出SAR图像中的亮目标具有重要的意义。但是，由于SAR特殊的相干成像机制，使得SAR图像不可避免地含有相干斑噪声，影响成像质量，这对快速准确地检测SAR图像中的亮目标带来了很大的困难。现有的SAR图像目标检测方法中，恒虚警率(ConstantFalseAlarmRate，CFAR)方法的应用最广泛，该方法先根据区域杂波数据建立杂波分布模型，绘制出该分布模型的概率密度曲线，然后通过虚警率求出目标像素分割阈值，最后利用阈值检测出SAR图像中的高灰度值目标。在目标与背景具有较高的对比度且场景简单的情况下，该方法通过检测门限能较好地从背景中分离出目标，但当杂波严重、图像信噪比低时，该方法并不适用。近年来，基于深度学习和神经网络的方法被应用到SAR图像目标检测中，这类方法首先需要大量带标签的SAR图像来训练神经网络，但在很多情况下尤其是军事应用中，难以得到大量的训练数据集，故而存在一定局限性。同时，由于神经网络的不可解释性，当出现检测失败的情况时无法准确定位问题。另外，阈值分割目标检测方法对SAR图像的相干斑噪声非常敏感，难以直接应用于SAR图像目标检测。因此，急需一种新的SAR图像目标检测方法，即使在杂波严重以及低信噪比情况下，也能够实现对目标的快速准确检测，满足工作需求。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供一种SAR图像目标检测方法及系统，能够克服杂波以及噪声的影响，在干扰环境下检测出SAR图像中的亮目标，满足目标检测的工作需求。为达到以上目的，本专利技术采取的技术方案是：第一方面，本专利技术公开一种SAR图像目标检测方法，所述方法包括以下步骤：S1、根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；S2、根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；S3、利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；S4、利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图。在上述技术方案的基础上，所述步骤S1包括以下步骤：S10、计算所述SAR图像的灰度积分图和灰度平方积分图；S11、计算所述SAR图像的各局部区域灰度标准差；S12、对各所述局部区域灰度标准差进行归一化处理，获得灰度标准差滤波图像。在上述技术方案的基础上，所述步骤S10具体包括以下步骤：设输入图像宽度为width、高度为height，则图像的像素个数为K＝width*height，灰度积分图中任一点(xM,yM)(0≤M<K)处的值V(xM,yM)为其左上角的所有像素灰度值之和，计算公式如下：其中，g(x,y)中表示输入图像中(x,y)点的灰度值；以(x1,y1)为左上角点，以(x2,y2)为右下角点的区域的像素灰度和可通过下式计算：v_sum[(x1,y1):(x2,y2)]＝V(x2,y2)+V(x1,y1)-V(x1,y2)-V(x2,y1)；该区域的像素灰度均值为：灰度平方积分图中任一点(xM,yM)的W(xM,yM)为其左上角的所有像素灰度值平方之和，计算公式为：以(x1,y1)为左上角点，以(x2,y2)为右下角点的区域的像素灰度平方和为：w_sum[(x1,y1):(x2,y2)]＝W(x2,y2)+W(x1,y1)-W(x1,y2)-W(x2,y1)；该区域的像素灰度平方均值为：在上述技术方案的基础上，所述步骤S11具体包括以下步骤：根据灰度积分图和灰度平方积分图计算以所述SAR图像任一像素点(xM,yM)为中心大小为N×N的所述局部区域的灰度标准差σ(xM,yM)，所述局部区域的左上角坐标为(x1,y1)＝(xM-N/2,yM-N/2)，所述局部区域的右下角坐标为(x2,y2)＝(xM+N/2,yM+N/2)，所述局部区域的灰度均值为μ＝v_aver[(x1,y1):(x2,y2)]，则所述局部区域的灰度标准差σ(xM,yM)计算公式如下：其中，满足预设条件的所述SAR图像的所述像素(xM,yM)(N/2≤xM＜width-N/2,N/2≤yM＜height-N/2)均对应一个局部区域灰度标准差。在上述技术方案的基础上，所述步骤S12具体包括以下步骤：获得所有局部灰度标准差中的最大值maxσ以及最小值minσ，对所有局部灰度标准差进行归一化处理，计算公式如下：其中，N/2≤xM＜width-N/2，N/2≤yM＜height-N/2，将σ(xM,yM)的值作为输入图像(xM,yM)处的灰度值，距离图像边缘小于N/2的像素灰度值赋为零。在上述技术方案的基础上，所述步骤S2包括以下步骤：S20、根据所述频率调谐显著性检测算法计算所述灰度标准差滤波图像中各像素点的显著值；S21、将各所述像素点的所述显著值进行归一化处理，获得各所述像素点的归一化显著值；S22、将各所述像素点的归一化显著值作为灰度值输出，获得所述显著图像。在上述技术方案的基础上，所述步骤S20中的所述频率调谐显著性检测算法的显著性计算公式为：S(x,y)＝||Iμ-Iω(x,y)||2；其中，Iμ为所述灰度标准差滤波图像对应的均值图像的灰度值，Iω为所述灰度标准差滤波图像经高斯滤波后的图像的灰度值，S(x,y)为所述灰度标准差滤波图像中的每个像素点的显著值。在上述技术方案的基础上，所述步骤S21中的归一化显著值计算公式为：其中，maxS为显著值中的最大值，minS为显著值中的最小值，为像素点(x,y)的归一化显著值。在上述技术方案的基础上，所述步骤S3包括以下步骤：设置目标像素点个数上限为Nmax，采用最大类间方差法获取初始分割阈值Seg_th1，并统计对应于初始分割阈值的目标像素点个数N；若N<＝Nmax，则将Seg_th1作为最终分割阈值；若N>Nmax，则利用公式Seg_th2＝Seg_th1+i(其中，i＝1，2，…，255)，以Seg_th1+1为起始阈值逐数值提高分割阈值，当目标像素点个数N<＝Nmax时，将Seg_th2作为最终分割阈值；根据所述最终分割阈值对所述显著图像进行二值化处理，获得白色目标区域以及黑色背景区域。第二方面，本专利技术还本文档来自技高网...

【技术保护点】
1.一种SAR图像目标检测方法，所述方法包括以下步骤：/nS1、根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；/nS2、根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；/nS3、利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；/nS4、利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图。/n

【技术特征摘要】
1.一种SAR图像目标检测方法，所述方法包括以下步骤：
S1、根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；
S2、根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；
S3、利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；
S4、利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图。


2.如权利要求1所述的方法，其特征在于，所述步骤S1包括以下步骤：
S10、计算所述SAR图像的灰度积分图和灰度平方积分图；
S11、计算所述SAR图像的各局部区域灰度标准差；
S12、对各所述局部区域灰度标准差进行归一化处理，获得灰度标准差滤波图像。


3.如权利要求2所述的方法，其特征在于，所述步骤S10具体包括以下步骤：
设输入图像宽度为width、高度为height，则图像的像素个数为K＝width*height，灰度积分图中任一点(xM,yM)(0≤M<K)处的值V(xM,yM)为其左上角的所有像素灰度值之和，计算公式如下：
其中，g(x,y)中表示输入图像中(x,y)点的灰度值；
以(x1,y1)为左上角点，以(x2,y2)为右下角点的区域的像素灰度和可通过下式计算：
v_sum[(x1,y1):(x2,y2)]＝V(x2,y2)+V(x1,y1)-V(x1,y2)-V(x2,y1)；
该区域的像素灰度均值为：



灰度平方积分图中任一点(xM,yM)的W(xM,yM)为其左上角的所有像素灰度值平方之和，计算公式为：



以(x1,y1)为左上角点，以(x2,y2)为右下角点的区域的像素灰度平方和为：
w_sum[(x1,y1):(x2,y2)]＝W(x2,y2)+W(x1,y1)-W(x1,y2)-W(x2,y1)；
该区域的像素灰度平方均值为：





4.如权利要求2所述的方法，其特征在于，所述步骤S11具体包括以下步骤：
根据灰度积分图和灰度平方积分图计算以所述SAR图像任一像素点(xM,yM)为中心大小为N×N的所述局部区域的灰度标准差σ(xM,yM)，所述局部区域的左上角坐标为(x1,y1)＝(xM-N/2,yM-N/2)，所述局部区域的右下角坐标为(x2,y2)＝(xM+N/2,yM+N/2)，所述局部区域的灰度均值为μ＝v_aver[(x1,y1):(x2,y2)]，则所述局部区域的灰度标准差σ(xM,yM)计算公式如下：



其中，满足预设条件的所述SAR图像的所述像素(xM,yM)(N/2≤xM＜width-N/2,N/2≤yM＜height-N/2)均对应一个局部区域灰...

【专利技术属性】
技术研发人员：桂阳，周世平，黄龙，李芬芬，侍伟伟，靳永亮，韩建莉，
申请(专利权)人：湖北航天技术研究院总体设计所，
类型：发明
国别省市：湖北;42