【技术实现步骤摘要】
基于多重SVD显著性融合的SAR图像目标检测优化方法
本专利技术属于雷达遥感或图像处理技术，即用图像处理技术分析雷达观测信息，具体涉及多重SVD、SAR图像特征和显著性融合结合的方法在SAR图像目标检测中的应用。
技术介绍
随着合成孔径雷达(SyntheticApertureRadar,SAR)成像技术的不断发展，SAR系统的应用范围变得广泛，包括了如军事目标、设施的检测识别，农作物分类识别，道路、桥梁等交通设施检测定位，城市建筑分布分析等。然而，SAR成像技术的快速发展和SAR系统的广泛应用也对SAR图像的解译工作带来了巨大的挑战。如何快速、准确的从海量的SAR图像数据中找到所需的信息，成为当前SAR图像解译研究工作的难点。SAR图像目标检测是SAR图像解译工作中的一个关键问题。特别是在军事领域，对SAR图像中的坦克，飞机，舰船等军事目标的检测定位一直是研究的重点。目前，应用最广泛的一类SAR图像目标检测方法是恒虚警率目标检测方法，这一类目标检测方法主要是沿着背景杂波的估计方法和检测器的设计这两个方面的改进和创新而...
【技术保护点】
1.一种基于多重SVD显著性融合的SAR图像目标检测优化方法，包括以下步骤：/n步骤1：将一幅原始SAR图像经过多重SVD分解，得到一幅原始SAR图像和多幅原始SAR图像的近似图像，其步骤为：/n1.1：对于一幅大小为p×q的SAR图像I，首先进行第一重的SVD分解，即将SAR图像I分解为一个大小为p×p的矩阵U乘以一个大小为p×q的对角矩阵
【技术特征摘要】
1.一种基于多重SVD显著性融合的SAR图像目标检测优化方法，包括以下步骤：
步骤1：将一幅原始SAR图像经过多重SVD分解，得到一幅原始SAR图像和多幅原始SAR图像的近似图像，其步骤为：
1.1：对于一幅大小为p×q的SAR图像I，首先进行第一重的SVD分解，即将SAR图像I分解为一个大小为p×p的矩阵U乘以一个大小为p×q的对角矩阵再乘以一个大小为q×q的矩阵V的组合；
1.2：将对角矩阵的对角线上的所有元素进行从大到小的排序，生成新的对角矩阵
1.3：将对角矩阵中对角线上的所有非零元素求取均值μ0，以μ0为阈值将对角线上所有小于μ0的非零元素值赋为0，形成新的对角矩阵
1.4：由对角矩阵和U、V两个矩阵恢复出近似原始SAR图像I的近似SAR图像I1；
1.5：重复前面的步骤1.3和1.4，即由对角矩阵中对角线上的所有非零元素求取均值得到μi，以μi为阈值将对角线上所有小于μi的非零元素值赋为0，得到新的对角矩阵并由恢复出近似SAR图像Ii+1，直到对角矩阵中的非零对角元素个数为1；
其中，变量Ii表示第i幅近似SAR图像，当i＝0时，I0为原始SAR图像I；变量为近似SAR图像Ii进行SVD分解后对应的对角矩阵；变量μi为对角矩阵中对角线上的所有非零元素的均值；
步骤2：对基于多重SVD分解得到的原始SAR图像及其近似SAR图像进行特征提取，提取的特征包含强度特征，离群性特征和一致性特征，其步骤如下：
2.1：对于步骤1操作后得到的原始SAR图像和n幅近似SAR图像提取强度特征，由于SAR图像为灰度图像，其强度特征提取结果为图像灰度值，因此第i幅近似SAR图像的强度特征Iint(i)计算如公式(1)：
2.2:对于步骤1操作后得到的原始SAR图像和n幅近似SAR图像提取离群性特征，对于第i幅近似SAR图像的离群性特征Iol(i)计算方法为：首先统计整幅图像中所有像素点的强度值分布，生成图像的灰度直方图，通过直方图统计出灰度级0-255中每个强度值出现的像素点个数kj，j∈(0,255)；然后利用kj和图像总像素点个数N求取任意灰度级在图像中出现的概率fj；最后遍历图像中所有像素点，计算图像中每个像素点的离群性值olv(m,n)，由图像中所有像素点的离群性值组成图像的离群性特征，其计算如公式(2)：
Iol(i)＝R(olv(m,n))(2)
变量olv(m,n)为任意SAR图像I′中位置在(m,n)的像素点I′(m,n)的离群性值，其计算公式如公式(3)
olv(m,n)＝-log(fj),fj＝kj/N(3)
2.3:对于步...
【专利技术属性】
技术研发人员：刘说，张无暇，杨玲，陈青青，杨智鹏，徐梓欣，
申请(专利权)人：成都信息工程大学，
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。