基于改进视觉注意模型的SAR目标检测方法技术

本发明专利技术公开了一种基于改进视觉注意模型的SAR目标检测方法，它属于图像处理技术领域，主要解决了传统视觉注意模型在SAR图像处理方面失效的问题。其检测过程为：先对待检测SAR图像进行下采样，再对采样后的图像提取其纹理特征和小波特征，把这些特征进行线性叠加后经过归一化及显著性处理得到初始显著图；然后把初始显著图经过视觉感受野模板滤波，即可得到最终显著图；最后把最终显著图用双线性插值到与原SAR图像大小相同，将插值后显著图中亮的区域作为目标区域。本发明专利技术具有计算速度快，检测效果明显，定位准确的优点，可用于SAR图像目标的预检测。

【技术实现步骤摘要】
基于改进视觉注意模型的SAR目标检测方法
本专利技术属于图像处理领域，特别是一种涉及SAR图像目标检测的方法，可应用于对SAR目标的检测。
技术介绍
在面对一个复杂场景时，人类的注意力会迅速集中在少数几个显著的视觉对象上，并对这些对象进行优先处理，该过程被称为视觉注意。视觉注意模型正是利用人眼的这种视觉生物学机制，用数学的计算方法模拟从而形成了对图像处理领域的一个重要方向， 该模型可用于目标检测与识别，图像压缩与编码，图像检索，监视系统，主动视觉等方面。经典的视觉注意模型是由Itti提出的，他首次用数学的方法来模拟人类的视觉注意机制并取得了较好的效果，后来引起了众多学者的关注并产生了重要的影响。按照对视觉信息的处理方式，可分为自底向上的视觉注意和自顶向下的视觉注意，目前研究的较多的是自底向上的视觉注意，它是基于数据驱动，且独立于具体的任务；而自顶向上的视觉注意是受意识支配，与具体任务相关，而目前针对自顶向下视觉注意模型的研究工作较少， 大多数的工作限于生物实验取证和理论研究。自底向上的视觉注意模型按计算方式的不同，又可分为基于邻域对比度的计算模型、基于频域空间的计算模型和基于区域分割的计算模型。基于邻域对比度的计算模型主要思想是在空间域中计算图像中各个位置的视觉显著程度，即采用显著度来衡量，进而实现视觉注意机制的模拟。这类模型的优点是计算特征较容易提取、计算量较小、快速，但缺点是对于噪声较为敏感、鲁棒性较差，适用于前期对注意焦点进行检测，对于对象区域语义的完整性考虑不足。代表模型是1998年Itti提出的视觉注意计算模型，参见 Itti L,Koch C,Niebur E. 1998. A model of saliency一based visual attention for rapid scene analysis.1EEE Trans, on Pattern Analysis and Machine Intelligence, 20 (11) 1254-1259. Ma 和 zhang 等人提出的基于颜色邻域对比性(Maetal. 2003)的视觉注意模型，参见 Ma Y F，Zhang H J. 2003. Contrast based image attention analysis by using fuzzy growingC]. Proceedings ofthe eleventh ACM International Conference on Multimedia, Berkeley ACMPress,374—381。基于频域空间的计算模型主要思想是利用傅立叶变换或特征值极坐标变换等方法将图像从空间域映射到频域空间，并对其分析处理，找出其显著性特征，之后再反变换回空间域得到显著图。其代表是以Hou等人的光谱剩余假说，参见Hou X and Zhang L. 2007. Saliency Detection A Spectral Residual ApproachC. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Minnesota, USA,I— 8. Hu等人提出的特征值极变换的子空间分析方法,参见Hu Y-Rajah D and Chia L-T .2005. Robust Subspace Analysis for Detecting Visual Attention Regions jn Images . Proceedings of thel3th annual ACM International Conference on Multimedia, Singapore, 716—724。最后一类是基于区域分割的计算模型，这类方法的优点是对于噪声具有一定的鲁棒性，并对于部分简单自然场景图像和许多心理学模式的图像有较好的效果，但缺点是精确度不高，只能得到显著对象的大致位置形状，对于某些复杂自然场景图像的处理效果不尽人意。大体的思路是利用图像分割算法将图像划分成不同的区域，以此区域为单位分析其邻域对比性或全局对比性，通过区域竞争定位显著对象区域。其代表有H. Liu等人 (Liuetal. 2007)提出的基于图像分割的区域竞争方法，参见Liu H，Jiang S，Huang Q， Xu C, Gao w. 2007. RegionBased Visual Attention Analysis with Its Application in Image Browsing on Small DisplaysC. Proceedings of2007ACM International Conference on Multimedia, Augsburg :ACM Press,305—308。综上所述的视觉注意模型都是针对自然图像的，对于SAR图像中的应用几乎没有，原因是SAR图像有其自身的特点，和与其它遥感成像系统、光学成像系统相比有很多差异。本质上SAR图像反映的是目标的电磁散射特性和结构特性，其成像效果很大程度上依赖于雷达参数地域电磁参数。由于SAR成像的特殊性导致SAR图像灰度级变化缓慢，目标区域不明显，因此光学图像常用的视觉注意方法对SAR图像无效甚至效果相反。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于改进视觉注意模型的 SAR目标检测方法，·以解决因SAR图像灰度级变化缓慢和目标区域不明显而导致视觉注意方法失效的问题，使图像中的目标区域更好地显现出来，为后期的目标识别和分类提供有·用的信息。实现本专利技术目的的技术方案是在原有经典视觉注意模型的框架下，利用高效的多尺度多分辨率数学工具gabor小波和正交小波，充分挖掘图像中的纹理特征和结构特征，模拟人眼的视觉注意机制，以实现对目标的检测。其实现步骤包括如下(I)对待检测SAR图像进行下采样处理，处理后的图像记为I ;(2)对采样后的图像I进行纹理特征提取，用gabor小波提取其在0°’45°，90°，135° 方向上的分量纹理特征，然后把这些分量纹理特征相加，即可得到图像的纹理特征；(3)对采样后的图像I进行小波特征提取(3a)对图像I进行正交小波变换，得到图像的四个小波分量，即一个低频分量 Ill (X，Y)和三个高频分量 Ihl (X，y) , Ihh (X，j) , Ilh(x，y)；(3b)计算低频分量与其平均值的对比差值C(x,y) = (lLL(x，y)-1u)2，其中Iix(x，y) 为低频分量，Iu为低频分量的平均值；(3c)进行逆小波变换，即得到采样后图像I的小波特征；(4)对提取后的纹理特征和小波特征进行线性相加，并将相加后的图像进行归一化及显著性处理，得到初步的显著(5)将初步显著图进行视觉感受野模型处理，得到最终的显著(6)把得到的最终显著图插值到与原SAR图像的大小相同；(7)利用插值后的显著图对原SAR图像进行目标检测，即将显著图中最亮的区域作为目标区域。本专利技术与现有的技术相比具有以下优点1、本专利技术由于使用多尺度几何分析工具gabor小波，对SAR图像的纹理特征的本文档来自技高网...

【技术保护点】
一种基于改进视觉注意模型的SAR目标检测方法，包括如下步骤：1)对待检测SAR图像进行下采样处理，处理后的图像记为I；2)对采样后的图像I进行纹理特征提取，用gabor小波提取其在00,450,900,1350方向上的分量纹理特征，然后把这些分量纹理特征相加，即可得到图像的纹理特征；3)对采样后的图像I进行小波特征提取：3a)对图像I进行正交小波变换，得到图像的四个小波分量，即一个低频分量ILL(x，y)和三个高频分量IHL(x，y),IHH(x，y),ILH(x，y)；3b)计算低频分量与其平均值的对比差值：C(x，y)=(ILL(x，y)?Iu)2，其中ILL(x，y)为低频分量，Iu为低频分量的平均值；3c)对所述C(x，y),IHL(x，y),IHH(x，y),ILH(x，y)进行逆小波变换，即得到采样后图像I的小波特征；4)对提取后的纹理特征和小波特征进行线性相加，并将相加后的图像进行归一化及显著性处理，得到初步的显著图；5)将初步显著图进行视觉感受野模型处理，得到最终的显著图；6)把得到的最终显著图插值到与原SAR图像的大小相同；7)利用插值后的显著图对原SAR图像进行目标检测，即将显著图中最亮的区域作为目标区域。...

【技术特征摘要】

【专利技术属性】
技术研发人员：侯彪，侯小瑾，刘彦甲，焦李成，方相如，翁鹏，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：