【技术实现步骤摘要】
一种结合形状置信度的宽幅SAR图像低虚警目标检测方法
[0001]本专利技术属于雷达图像处理
,具体涉及一种结合形状置信度的宽幅SAR图像低虚警目标检测方法。
技术介绍
[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)作为这一种主动式微波传感器,能够实现对静止时敏目标(如坦克、装甲车、舰船等)全天时、全天候的实时远距离检测,在军事和民用领域具有重要的应用价值。SAR自动目标识别(Automatic Target Recognition,ATR)技术是SAR图像解译的一个重要分支,旨在从复杂的地物场景中有效获取并识别感兴趣的目标,SAR自动目标识别可以通过计算机快速、准确的完成指定SAR图像目标识别任务,因而得到了广泛关注。
[0003]现有的SAR图像自动目标识别方法通常采取三级处理流程,即首先从整个SAR图像中提取感兴趣区域(ROI,region of interest);然后对该区域进行预处理,剔除非目标区域;最后对目标区域进行特征提取,并使用提取得到的特征进行目标分类和识别。目标检测和鉴别阶段用于得到ROI,这两个阶段得到的ROI的质量直接影响到识别阶段的任务复杂度。
[0004]目前对于SAR图像目标检测的研究已经取得了很多的成果,在目前SAR舰船快速检测中普遍使用的恒虚警(CFAR,Constant False Alarm Rate)检测方法中,低虚警一直是研究重点,Xiong Wei等人根据高分辨率海洋背景和目标特点提出了一种基于支持向量机的高分辨 ...
【技术保护点】
【技术特征摘要】
1.一种结合形状置信度的宽幅SAR图像低虚警目标检测方法,其特征在于,所述目标检测方法包括:步骤1、获取SAR图像;步骤2、对所述SAR图像依次进行恒虚警检测和形态学处理,得到检测图像;步骤3、将所述检测图像输入训练好的鉴别网络中,得到第一鉴别图像,所述鉴别网络用于鉴别由于杂波而产生的虚警;步骤4、对所述SAR图像进行海洋与陆地的分割处理,并基于海洋与陆地分割的结果对所述第一鉴别图像再次进行鉴别,以去除陆地部分,得到第二鉴别图像;步骤5、基于形状置信度对所述第二鉴别图像进行最终的鉴别,以完成SAR图像的目标检测。2.根据权利要求1所述的宽幅SAR图像低虚警目标检测方法,其特征在于,所述步骤2包括:步骤2.1、利用恒虚警检测方法对所述SAR图像进行恒虚警检测,得到二值图像;步骤2.2、对所述二值图像进行形态学处理,以去除不满足预设条件的连通域,得到检测图像。3.根据权利要求1所述的宽幅SAR图像低虚警目标检测方法,其特征在于,所述鉴别网络包括5层卷积层、3层最大池化层,和1层Dropout层,其中,第1层卷积层conv1、第1层最大池化层MaxPool1、第2层卷积层conv2、第2层最大池化层MaxPool2、第3层卷积层conv3、第3层最大池化层MaxPool3、第4层卷积层conv4、Dropout层和第5层卷积层依次串联。4.根据权利要求1所述的宽幅SAR图像低虚警目标检测方法,其特征在于,所述步骤4包括:步骤4.1、利用经纬度判断所述SAR图像是否包含需要进行海洋与陆地的分割处理,若需要,则对所述SAR图像进行中值滤波处理,得到滤波后的SAR图像,对所述滤波后的SAR图像执行步骤4.2;步骤4.2、将所述滤波后的SAR图像的灰度直方图的像素点的像素值与随机初始化的两个数值进行比较,将所述灰度直方图中每个像素点的像素值与距离更近的数值聚为一类,得到第一聚类结果和第二聚类结果;步骤4.3、计算所述第一聚类结果的像素均值和所述第二聚类结果的像素均值,将所述滤波后的SAR图像的灰度直方图的像素点的像素值与所述第一聚类结果的像素均值和所述第二聚类结果的像素均值进行比较,将所述灰度直方图中每个像素点的像素值与距离更近的像素均值聚为一类,得到第三聚类结果和第四聚类结果;步骤4.4、将所述第三聚类结果的像素均值和所述第四聚类结果的像素均值与上一次迭代的两个聚类结果的像素均值进行比较,若像素均值相同,则停止迭代,得到海陆分割二值图像,若像素均值不相同,则继续将所述滤波后的SAR图像的灰度直方图的像素点的像素值与所述第三聚类结果的像素均值和所述第四聚类结果的像素均值进行比较,直至前后两次迭代的像素均值相同,得到海陆分割二值图像;步骤4.5、将所述第一鉴别图像映射到所述海陆分割二值图像...
【专利技术属性】
技术研发人员:陈渤,王鑫谕,张婷,王英华,王鹏辉,刘宏伟,张昊,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
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。