基于融合多层级模糊聚类软决策结果的SAR目标检测方法技术

本发明专利技术公开了一种基于融合多层级模糊聚类软决策结果的SAR目标检测方法，利用层级间超像素分割大小的不同，在多个层级自适应获得超像素的特征，实现SAR图像特征的全面提取，然后通过模糊聚类获得多个层级的软决策目标检测结果，最终进行层级间软决策目标检测结果的融合，使得SAR目标检测性能更加优秀。该方法可克服现有SAR目标检测方法CFAR方法对背景杂波统计模型的依赖性，以及基于超像素的方法对超像素大小的敏感性，得到精准度较高的目标检测结果。结果。结果。

【技术实现步骤摘要】
基于融合多层级模糊聚类软决策结果的SAR目标检测方法


[0001]本专利技术属于图像处理
，涉及目标检测方法，特别涉及一种基于融合多层级模糊聚类软决策结果的SAR目标检测方法，该方法可作为进一步的精确识别以及目标跟踪等的基础。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动式的微波成像传感器，相对于红外、光学等被动成像传感器，它几乎不受气候条件的影响，可以全天时、全天候的进行工作，被广泛应用于民用和军事领域。在民用和军事领域中，海面舰船目标检测是SAR的一个重要应用。在民用领域中，舰船目标检测能够为繁忙海域船舶航行、船舶进出港管理、渔业监测、船舶溢油污染探测等活动提供信息支持；在军用领域中，舰船目标检测能够实现对港口及海面目标的定位与识别，在平时维持领海秩序，在战时料敌制胜。
[0003]在进行舰船目标检测时，由于舰船和周围海面微波散射特性的差异，舰船的后向散射强于海面，在SAR图像中表现为舰船像素与周围海面像素之间存在强度差，因此可通过设定适当的强度阈值对舰船目标进行检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合多层级模糊聚类软决策结果的SAR目标检测方法，其特征在于，包括以下步骤：步骤1，利用SAR成像方法获取需进行目标检测的图像；步骤2，利用简单线性迭代聚类算法进行超像素分割，得到L个超像素及超像素包含的像素信息；步骤3，计算自适应的距离参数d，遍历L个超像素，将正在遍历的超像素定义为测试超像素，将测试超像素距离为d的超像素定义为对比超像素；然后计算测试超像素和每个对比超像素之间的Wasserstein距离，并取所有Wasserstein距离的中位数作为测试超像素的特征，遍历完成得到L个超像素特征；步骤4，以L个超像素特征为样本数据对超像素进行类别为2的模糊C均值聚类，得到超像素概率矩阵U2×
L
；步骤5，利用超像素概率矩阵U2×
L
，将超像素概率矩阵U2×
L
确定地分为超像素目标概率行向量U1×
L
和超像素杂波概率行向量U
′1×
L
；步骤6，利用超像素包含的像素信息以及超像素杂波概率行向量U
′1×
L
，得到当前层的像素杂波概率矩阵Q；步骤7，利用上一层融合后的像素杂波概率矩阵P
(l
‑
1)
和当前层的像素杂波概率矩阵Q，计算得到当前层融合后的像素杂波概率矩阵P
(l)
；步骤8，以步长S
srep
增加超像素大小，重复步骤2、3、4、5、6、7，直到增加后的超像素大小大于最高层级的超像素大小；步骤9，利用最高层级融合后的像素杂波概率矩阵，得到像素目标概率矩阵，比较每个像素的两种类别概率的大小，选取概率较大的类别作为像素的最终类别，最终得到目标检测结果。2.如权利要求1所述的方法，其特征在于，所述步骤3中的计算自适应的距离参数d的方法如下：自适应的距离参数d的计算公式如下：d＝ρ
·
S
cur
其中，其中，ρ为距离系数，S
cur
为当前层级的超像素大小，τ为总层数，S
max
为最高层级的超像素大小，S
min
为最低层级的超像素大小。3.如权利要求1所述的方法，其特征在于，所述步骤5中的确定超像素目标概率行向量U1×...

【专利技术属性】
技术研发人员：刘明，孙谦，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：