本发明专利技术公开了一种基于Primal?Sketch算法的SAR图像目标检测方法，主要解决现有目标检测方法无法实现对不同类型的人工目标进行检测的缺点。其实现过程为：(1)对原SAR图像运用Primal?Sketch算法得到表示图像结构信息的线段集合；(2)定义并计算线段集合中所有线段的规整度和规整比率；(3)确定用于区域生长的种子线段集合；(4)以种子线段为基准进行区域生长，得到包含人工目标和自然目标的候选目标区域集合；(5)根据候选目标区域内线段的特征筛选得到最终的人工目标，即桥梁、港口和建筑物。本发明专利技术与现有技术相比具有检测方法通用性强，可以实现对不同类型的人工目标进行检测，且检测结果准确，虚警率低的优点，适用于目标类型多，目标大小不一致情况下的SAR图像目标检测。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及一种SAR图像目标检测方法，可用于SAR图像 处理、计算机视觉及智能控制等领域中的目标识别与跟踪。
技术介绍
目标检测的主要任务是确定出感兴趣的目标位置，实现目标与背景的分离。在目 标尺寸较小时，目标检测的难点主要有(1)目标无形状、尺寸和纹理等信息，可利用的信 息量少；⑵低SNR时，目标极易被噪声淹没；(3)如果利用图像序列的目标轨迹信息积累， 需存储量大，运算速度受限。SAR图像目标检测特指利用灰度、边缘、纹理、区域形状和方向等特征，确定出图像 中感兴趣的目标位置，将目标与背景相分离的图像处理技术。SAR图像目标检测是进一步实 现目标识别和跟踪的前提，是计算机视觉和智能控制等领域的热点研究课题。由于SAR成 像的特殊性，与光学图像相比，SAR遥感成像系统所生成的二维图像具有很多不同的特点， 如具有非直观性和图像信息的冗余性等。因此SAR图像的处理、分析和图像信息的解译，某 些方面可以继承光学图像的处理方法，某些方面也会有很大的不同。目前可用于SAR图像目标检测的方法主要有基于恒虚警率的CFAR方法、基于贝 叶斯准则的MAP方法、基于神经网络的检测方法、基于矩特征的区域融合方法、基于复信号 的检测方法、基于马尔可夫随机场的检测方法、基于形态学的检测方法、基于子波域隐马尔 可夫模型的检测方法及基于上下文关系的检测方法等。这些SAR图像目标检测方法的缺陷 主要有(1)目标检测过程的计算量较大，检测结果的虚警率较大，且目标检测的结果对噪 声较为敏感；(2)对SAR图像的先验信息如目标的类型、目标的尺寸和背景杂波的统计分布模 型等具有较大的依赖性，且仅能对单一种类的人工目标如桥梁或港口或建筑物等进行检 测。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种基于I^rimal Sketch算法 的SAR图像目标检测方法，以减小目标检测结果的虚警率和对噪声的敏感性，且在减少目 标检测过程中对图像先验信息的依赖性的同时，检测得到多种类型的人工目标。本专利技术的技术方案是首先对SAR图像的Sketch稀疏表示域上的所有线段 定义规整度等属性来描述线段之间的位置关系，并以此为依据选择种子线段，然后针对种 子线段按照一定的规则进行区域生长，得到包含人工目标的候选目标区域，最后再根据候 选目标区域的特征检测得到最终的人工目标，即桥梁、港口和建筑物。具体步骤包括如下(1)对原SAR图像运用Primal Sketch算法得到用以表示SAR图像结构信息的线 段集合Si, i = l，2，...，n，n为线段的总条数；4(2)定义并计算线段集合中所有线段的规整度和规整比率(2a)对用以表示SAR图像结构信息的线段集合中的所有线段Si, i = 1，2，. . .，η 的长度进行直方图统计，记录直方图上的第一个峰值点对应的线段长度1 ；(2b)以线段Si的中点为中心扩充一个21X21大小的矩形区域，将该区域内与线 段Si具有平行或者垂直关系的线段的总条数作为线段Si的规整度Ri ；(2c)计算线段Si的规整比率Ti T1 二寸)二\2’ …,η丄、i其中Ni是扩充得到的矩形区域内的线段总数；(3)根据规整度的大小对线段集合Si, i = 1，2，...，n进行排序，将规整度相等的 线段再按规整比率的大小排序，选取前m条线段作为种子线段集Ek，k = 1，2，...，m，m取 68 ；(4)以种子线段&，k= l，2，...，m为基准进行区域生长，得到候选目标区域集合 Gk, k= 1,2,..., m，该候选目标区域集合中包含人工目标区域和自然目标区域(4a)定义用以存储线段的队列Qk，并初始化为空，然后将种子线段&加入该队 列；(4b)以种子线段&的中点为中心扩充一个21X21大小的矩形区域，将该区域内 与种子线段平行或者垂直的线段加入队列Qk中；(4c)对新加入队列Qk中的所有线段，搜索其中与种子线段的方向一致的线段Hx， X= 1,2,..., S，递归地以线段Hx，X = 1，2，. . .，S作为种子线段进行区域生长；(4d)重复步骤(4c)，得到最终的队列Q' k，再以种子线段&的中点为中心，沿着 与线段&平行和垂直的方向向外扩充一个矩形区域，使得队列Q' k中的所有线段都处在 这个矩形区域中，将该矩形区域作为候选目标区域(\ ；(5)根据候选目标区域内线段的特征筛选得到最终的人工目标，即桥梁、港口和建 筑物。本专利技术与现有技术相比具有如下优点1.目标检测结果准确，且检测结果的虚惊率显著降低本专利技术由于充分利用了人工目标的特征，即在SAR图像的I^rimal Sketch稀疏表 示域上人工目标是由一些相互垂直或者平行的线段构成的，使得目标检测过程具有较强的 鲁棒性，目标检测结果准确，且检测结果的虚惊率显著降低；2.目标检测方法通用性强本专利技术提出的基于线段的区域生长方法由于充分利用了各种类型的人工目标的 结构相似性特征，使得目标检测过程完全不依赖于人工目标的类型信息，因此具有较好的 检测效果，即对各种类型的人工目标如桥梁、港口和建筑物均有较好的检测效果。附图说明图1是本专利技术对SAR图像目标检测的流程图；图2是本专利技术中仿真实验使用的原SAR图像；图3是对图2运用I^rimal Sketch算法得到的I^rimal Sketch稀疏表示图4是图3中的所有线段长度的统计直方图；图5是本专利技术中的仿真实验得到的港口目标；图6是本专利技术中的仿真实验得到的桥梁目标；图7是本专利技术中的仿真实验得到的建筑物目标；图8是本专利技术中的仿真实验得到的虚警目标，即自然目标；具体实施例方式参照图1，本专利技术的实施步骤如下步骤1，对图2运用Primal Sketch算法，得到用以表示SAR图像结构信息的线段 集合Si, i = l，2，...，n，n是线段的总条数，取值为726。Primal Sketch算法的具体描述参见Cheng-en Guo等人于2007年发表在 Computer Vision and Image Understanding杂志上的文章〈〈Primal Sketch -Integrating Texture and Structure)),按照此算法将图2划分为可描画部分和不可描画部分，分别用以 表示图像中的结构信息和纹理信息，再利用文中提出的Sketching Pursuit算法对表示图 像结构信息的可描画部分进行提取和处理，得到单像素宽的线段集合，结果如图3所示。步骤2，定义并计算图3中所有线段的规整度和规整比率。(2a)对图3中的所有线段Si, i = 1，2，. . .，η的长度进行直方图统计，结果如图 4所示，记录该图上的第一个峰值点对应的线段长度1，1为5 ；(2b)以线段Si的中点为中心，沿着与线段Si平行的方向及其反方向各扩充1的 距离，再沿着与线段Si垂直的方向及其反方向各扩充1的距离，得到一个21X21，即10X10 大小的矩形区域，将该区域内与线段Si具有平行或者垂直关系的线段的总条数作为线段Si 的规整度Ri ；(2c)计算线段Si的规整比率Ti 权利要求1.一种基于I^rimal Sketch算法的SAR图像目标检测方法，本文档来自技高网...
【技术保护点】
１．一种基于Ｐｒｉｍａｌ Ｓｋｅｔｃｈ算法的ＳＡＲ图像目标检测方法，包括如下步骤：（１）对原ＳＡＲ图像运用Ｐｒｉｍａｌ Ｓｋｅｔｃｈ算法得到用以表示ＳＡＲ图像结构信息的线段集合Ｓｉ，ｉ＝１，２，．．．，ｎ，ｎ为线段的总条数；（２）定义并计算线段集合中所有线段的规整度和规整比率：（２ａ）对用以表示ＳＡＲ图像结构信息的线段集合中的所有线段Ｓｉ，ｉ＝１，２，．．．，ｎ的长度进行直方图统计，记录直方图上的第一个峰值点对应的线段长度ｌ；（２ｂ）以线段Ｓｉ的中点为中心扩充一个２ｌ×２ｌ大小的矩形区域，将该区域内与线段Ｓｉ具有平行或者垂直关系的线段的总条数作为线段Ｓｉ的规整度Ｒｉ；（２ｃ）计算线段Ｓｉ的规整比率Ｔｉ：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｓｕｂ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｓｕｂ）?（ｍｉ）Ｎ（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｆｒａｃ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１，２（／ｍｎ）?（ｍｏ），（／ｍｏ）?（ｍｏ）．（／ｍｏ）?（ｍｏ）．（／ｍｏ）?（ｍｏ）．（／ｍｏ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｎ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中Ｎｉ是扩充得到的矩形区域内的线段总数；（３）根据规整度的大小对线段集合Ｓｉ，ｉ＝１，２，．．．，ｎ进行排序，将规整度相等的线段再按规整比率的大小排序，选取前ｍ条线段作为种子线段集Ｅｋ，ｋ＝１，２，．．．，ｍ，ｍ取６８；（４）以种子线段Ｅｋ，ｋ＝１，２，．．．，ｍ为基准进行区域生长，得到候选目标区域集合Ｇｋ，ｋ＝１，２，．．．，ｍ，该候选目标区域集合中包含人工目标区域和自然目标区域：（４ａ）定义用以存储线段的队列Ｑｋ，并初始化为空，然后将种子线段Ｅｋ加入该队列；（４ｂ）以种子线段Ｅｋ的中点为中心扩充一个２ｌ×２ｌ大小的矩形区域，将该区域内与种子线段平行或者垂直的线段加入队列Ｑｋ中；（４ｃ）对新加入队列Ｑｋ中的所有线段，搜索其中与种子线段的方向一致的线段Ｈｘ，ｘ＝１，２，．．．，ｓ，递归地以线段Ｈｘ，ｘ＝１，２，．．．，ｓ作为种子线段进行区域生长；（４ｄ）重复步骤（４ｃ），得到最终的队列Ｑ′ｋ，再以种子线段Ｅｋ的中点为中心，沿着与线段Ｅｋ平行和垂直的方向向外扩充一个矩形区域，使得队列Ｑ′ｋ中的所有线段都处在这个矩形区域中，将该矩形区域作为候选目标区域Ｇｋ；（５）根据候选目标区域内线段的特征筛选得到最终的人工目标，即桥梁、港口和建筑物。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘芳，焦李成，王爽，宋建梅，郝红侠，侯彪，戚玉涛，武杰，尚荣华，马文萍，单雁冰，于昕，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
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。