一种基于SAR图像全局-局部特征的舰船目标检测方法技术

本发明专利技术提出一种基于SAR图像全局‑局部特征的舰船目标检测方法，属于雷达图像处理领域。该方法首先对SAR图像建立对应的混合高斯模型，并对该图像进行超像素分割；然后分别计算每个超像素的费雪向量，以及每个费雪向量的全局密度对比度、全局密度距离对比度以及局部对比度；对全局密度对比度、全局密度距离对比度和局部对比度求积得到每个超像素的检验统计量；对每个检验统计量进行判定，最终得到SAR图像的舰船检测结果。本发明专利技术在SAR图像舰船检测中额外考虑了费雪向量的全局对比特征，有助于降低检测结果中的虚警率。

【技术实现步骤摘要】
一种基于SAR图像全局-局部特征的舰船目标检测方法
本专利技术属于雷达图像处理领域，特别涉及一种基于SAR图像全局-局部特征的舰船目标检测方法，具体可用于合成孔径雷达图像中的舰船检测。
技术介绍
合成孔径雷达(SAR)是一种主动成像装置，可提供海面舰船目标的高分辨成像结果。相比于光学、红外等传感器，SAR成像几乎不受光照和天气的影响，是一种具备全天候、全时段工作能力的传感器。SAR图像中的舰船目标检测是目前学术、国防领域的热点研究问题，它在军事海防、民船监视、可持续渔业等方面有着重要的应用。费雪向量是一种图像多阶特征，包含SAR图像中超像素丰富的零阶、一阶、二阶信息。但现有基于费雪向量的SAR图像舰船检测方法大多基于费雪向量的局部对比，其中，2020年发表在IEEETransactionsonGeoscienceandRemoteSensing上的文章ShipDetectioninSARImagesviaLocalContrastofFisherVectors中提出了一种只基于费雪向量局部对比的方法，该方法的主要步骤如下：首先对SAR图本文档来自技高网...

【技术保护点】
1.一种基于SAR图像全局-局部特征的舰船目标检测方法，其特征在于，该方法首先获取一张SAR图像，对该SAR图像建立对应的混合高斯模型，并对该图像进行超像素分割；然后分别计算每个超像素的费雪向量，以及每个费雪向量的全局密度对比度、全局密度距离对比度以及局部对比度；对全局密度对比度、全局密度距离对比度和局部对比度求积得到每个超像素的检验统计量，对每个检验统计量进行判定，最终得到SAR图像的舰船检测结果。/n

【技术特征摘要】
1.一种基于SAR图像全局-局部特征的舰船目标检测方法，其特征在于，该方法首先获取一张SAR图像，对该SAR图像建立对应的混合高斯模型，并对该图像进行超像素分割；然后分别计算每个超像素的费雪向量，以及每个费雪向量的全局密度对比度、全局密度距离对比度以及局部对比度；对全局密度对比度、全局密度距离对比度和局部对比度求积得到每个超像素的检验统计量，对每个检验统计量进行判定，最终得到SAR图像的舰船检测结果。


2.如权利要求1所述的方法，其特征在于，该方法包括以下步骤：
1)获取一张SAR图像，该图像像素数量为N；设置超像素尺寸S，则该图像中超像素个数为表示向上取整；设置正则化参数λ＞0；
2)建立该SAR图像对应的混合高斯模型GMM，表达式如下：






其中，ωq,μq,σq分别表示GMM中第q个高斯分布的权重、均值和标准差；Q>0为混和高斯模型阶数；x表示图像中像素的灰度，f(x)表示GMM的概率密度函数，表示GMM中第q个高斯分布；
3)超像素分割；
将超像素的尺寸S、正则化参数λ、以及SAR图像作为输入，利用简单线性迭代聚类SLIC算法获得该SAR图像中的所有超像素；
4)计算每个超像素的费雪向量αl：



其中，









其中，l为超像素的索引，l＝1,2,…,L；表示费雪向量αl中的零阶信息，表示费雪向量αl中的一阶信息，表示费雪向量αl中的二阶信息，l＝1,2,…,L,q＝1,2,…,Q,p＝1,2,…,Pl，Pl...

【专利技术属性】
技术研发人员：李刚，王学谦，刘瑜，何友，
申请(专利权)人：清华大学，中国人民解放军海军航空大学，
类型：发明
国别省市：北京;11