基于顯著性檢測和聚類的sar圖像目標快速檢測方法
【專利摘要】本發(fā)明公開了一種基于顯著性檢測和聚類的SAR圖像目標快速檢測方法，主要解決現(xiàn)有SAR圖像目標檢測技術(shù)中檢測速度慢和雜波虛警高的問題。其實現(xiàn)步驟為：對SAR圖像A建立強度通道高斯金字塔；根據(jù)目標尺寸對高斯金字塔的尺度進行選擇；根據(jù)選擇的尺度對所選尺度下的SAR圖像建立強度顯著圖；在強度顯著圖上依次確定當前最顯著區(qū)域，并得到一幅標注所有顯著區(qū)域的二值圖；對該二值圖進行形態(tài)學濾波和聚類操作后根據(jù)目標區(qū)域面積范圍進行面積剔除處理；利用剔除面積后的聚類二值圖像進行疑似目標切片提取操作，最終完成SAR圖像目標檢測過程。本發(fā)明具有檢測速度快和虛警率低的優(yōu)點，適用于SAR圖像目標的快速檢測。
【專利說明】基于顯著性檢測和聚類的SAR圖像目標快速檢測方法

【技術(shù)領域】
[0001] 本發(fā)明屬于雷達目標檢測領域，尤其涉及在合成孔徑雷達SAR圖像中快速、有效 地檢測地面車輛、飛機的方法。

【背景技術(shù)】
[0002] 雷達成像技術(shù)是20世紀50年代發(fā)展起來的，在以后的60年里得到了突飛猛進的 發(fā)展，目前，已經(jīng)在軍事、農(nóng)林、地質(zhì)、海洋、災害、繪測等諸多方面得到廣泛的應用。
[0003] 合成孔徑雷達SAR是一種利用微波進行感知的主動傳感器，其與紅外、光學等其 他傳感器相比，SAR成像不受光照、天氣等條件的限制，可以對感興趣的目標進行全天候、全 天時的觀測。因而SAR成為目前對地觀測和軍事偵察的重要手段，SAR圖像自動目標識別 受到越來越廣泛的關注。
[0004] SAR自動目標識別ATR方法通常采取美國林肯實驗室提出的三級處理流程。該流 程采用一種分層注意機制，其實現(xiàn)過程是：首先，對整幅SAR圖像進行檢測處理，除去圖像 中明顯不是目標的區(qū)域，得到潛在目標區(qū)域；然后，對潛在的目標區(qū)域進行目標鑒別處理， 以剔除其中的自然雜波虛警，或剔除明顯比目標大或者小的區(qū)域；通過目標的檢測和鑒別 階段，得到目標感興趣區(qū)域ROI;最后，再對目標ROI進行分類識別。在這種處理機制中，數(shù) 據(jù)處理方法越來越復雜，因此計算量會越來越大，但需要處理的數(shù)據(jù)量卻是在逐步減少的， 這樣就能提商目標識別系統(tǒng)的效率。
[0005] SAR圖像目標檢測是SARATR這種匠心獨具的流程設計中的第一步，其重要性不言 而喻。如何快速有效的檢測出潛在目標區(qū)域也是近年來SAR圖像解譯應用的一大研究熱 點。
[0006] 現(xiàn)有文獻中提出了很多SAR圖像目標檢測方法，例如雙參數(shù)恒虛警CFAR檢測算 法、廣義似然比檢驗檢測算法、神經(jīng)網(wǎng)絡檢測算法、隱馬爾可夫模型檢測算法、支持向量機 檢測算法。在現(xiàn)有的這些SAR圖像目標檢測方法中，雙參數(shù)CFAR檢測算法應用最為廣泛。
[0007] 雙參數(shù)CFAR檢測算法是一種傳統(tǒng)的SAR圖像目標檢測方法，該方法應用的前提是 在SAR圖像上目標與背景雜波具有較高的對比度。雙參數(shù)CFAR檢測算法中設置了目標窗 口、保護窗口和背景窗口這3個窗口。其中，目標窗口是可能含有目標像素的窗口，保護窗 口是為了防止目標像素混入背景雜波中而設置的窗口，背景窗口是含有背景雜波的窗口。 傳統(tǒng)的雙參數(shù)CFAR是基于背景雜波的統(tǒng)計分布模型是高斯分布的假設。通過滑動窗口，對 SAR圖像中的每個像素進行遍歷。在每次滑動窗口的過程中，通過計算背景窗口內(nèi)的所有像 素的均值和方差來對背景雜波進行參數(shù)估計并以此來確定一個閾值，如果目標窗口內(nèi)的像 素大于這個閾值就認為是目標像素，否則就認為其是雜波像素。由于背景雜波的統(tǒng)計分布 模型并不一定服從高斯分布、對背景雜波進行參數(shù)估計耗時、SAR圖像中每個像素點相同對 待的原因，造成了這種方法存在雜波統(tǒng)計模型參數(shù)估計不準確、檢測時間過長、虛警率高的 缺點。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明針對上述現(xiàn)有技術(shù)的不足，提出了一種基于顯著性檢測和聚類的SAR圖像 目標快速檢測方法。
[0009] 基于顯著性檢測和聚類處理的SAR圖像目標快速檢測方法的實現(xiàn)方案具體包括 以下步驟：
[0010] (1)對一幅SAR圖像A不斷地進行下采樣和高斯低通濾波處理，得到m層強度通道 高斯金字塔，其中m3 2,該高斯金字塔的第一層尺度為〇 =1，第二層尺度為〇 =2,依此 類推，第m層尺度為〇 =m;
[0011] (2)根據(jù)檢測目標的任務要求，由待檢測目標的尺寸確定后續(xù)做中心-周邊差處 理所需要的P個中心尺度和q個尺度差；
[0012] (3)根據(jù)步驟（2)得到的中心尺度和尺度差確定強度通道高斯金字塔對應的尺 度，并對所確定尺度下對應的PXq幅圖像進行插值操作，使插值后的圖像大小與SAR圖像 A的尺寸一致；
[0013] (4)根據(jù)中心尺度和尺度差這兩個參數(shù)對步驟（3)得到的pXq幅圖像進行中 心-周邊差處理，并對中心-周邊差處理后的圖像歸一化，得到PXq幅強度特征圖{FJ，其 中，i= 1，2,. . .，pXq，F(xiàn)i表示第i幅強度特征圖；
[0014] (5)對pXq幅強度特征圖{FJ進行線性疊加，并對疊加后的圖像進行歸一化，得 到一幅強度顯著圖C;
[0015](6)計算強度顯著圖C中的所有像素均值a和標準差0，得到后續(xù)確定當前最顯 著區(qū)域的閾值：T=a+KX0，其中K是用來控制虛警率的常系數(shù)；
[0016] (7)在步驟（5)中得到的強度顯著圖C上根據(jù)終止閾值T依次確定當前最顯著區(qū) 域，并得到N幅標注當前最顯著區(qū)域的二值圖{Ej，其中，j= 1，2，...，N，E^表示第j幅二 值圖；
[0017] (8)將N幅標注當前最顯著區(qū)域的二值圖{Ej進行線性疊加，得到一幅標注所有 顯著區(qū)域的總體二值圖V;
[0018] (9)對總體二值圖V進行形態(tài)學濾波，得到形態(tài)學濾波后的二值圖X;
[0019] (10)根據(jù)目標尺寸設置聚類距離d_，對濾波后的二值圖X進行聚類處理，得到聚 類后的二值圖J;
[0020] (11)根據(jù)聚類后每一類區(qū)域像素點個數(shù)，對聚類后的二值圖J中不滿足目標面積 要求的類進行像素點置零操作，即面積剔除處理，得到剔除面積后的二值圖Y;
[0021] (12)根據(jù)剔除面積后的二值圖Y，在SAR圖像A上進行切片提取處理，得到疑似目 標切片。
[0022] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點：
[0023] 1.檢測速度快
[0024]傳統(tǒng)的雙參數(shù)CAFR檢測方法在檢測時，由于要先對雜波進行統(tǒng)計建模，然后對每 個像素點進行滑窗，并且在每次滑窗時需要估計參考窗內(nèi)雜波的模型參數(shù)，因而在大圖場 景中檢測效率低，不利于在需要實時檢測的SARATR系統(tǒng)中的應用。而本發(fā)明中所采取的方 法是基于視覺注意機制的顯著性檢測，利用目標先驗尺寸，只在強度通道金字塔下選取了 幾個合適的中心尺度和尺度差，沒有顏色通道和方向通道，并通過插值處理使得能夠在其 中心-周邊差處理后突出目標，弱化雜波背景，因此，在視覺轉(zhuǎn)移即尋找最強點的過程中能 夠迅速注意到疑似目標區(qū)域并進行后續(xù)處理，避免了雙參數(shù)CFAR處理中各個點和區(qū)域同 樣對待的弊端，可以在較短的時間內(nèi)迅速找到疑似目標區(qū)域，檢測速度大大加快。
[0025] 2.虛警率低
[0026] 現(xiàn)有的雙參數(shù)CFAR檢測方法要檢測到所有的目標，則必需要設置很大的虛警率 因而會產(chǎn)生較多的雜波虛警，造成最終提取的疑似目標切片數(shù)目也多，虛警率高。而本發(fā)明 根據(jù)目標先驗尺寸，通過尺度選擇并進行中心_周邊差處理，充分利用了目標的強度顯著 性特征，使得目標區(qū)域優(yōu)先被檢測到，并結(jié)合聚類處理，在保證高檢測率的情況下最終提取 的疑似目標切片數(shù)目少，極大的降低了虛警率。

【專利附圖】

【附圖說明】
[0027] 圖1是本發(fā)明的實現(xiàn)流程圖；
[0028] 圖2是本發(fā)明實驗中使用的分辨率為0. 1016mX0. 1016m的原始SAR圖像；
[0029] 圖3是用現(xiàn)有方法對圖2下采樣1次后的分辨率為0? 2032mX0? 2032m的SAR圖 像；
[0030] 圖4是用本發(fā)明方法對圖3處理得到的4個疑似目標切片在圖2上對應位置顯示 的結(jié)果；
[0031] 圖5是用本發(fā)明方法對圖4上的4個疑似目標切片放大圖；
[0032] 圖6是用雙參數(shù)CFAR檢測方法對圖3處理得到的10個疑似目標切片在圖2上對 應位置顯示的結(jié)果；
[0033] 圖7是用雙參數(shù)CFAR檢測方法對圖6上的10個疑似目標切片放大圖；

【具體實施方式】
[0034]參照圖1，本發(fā)明的實現(xiàn)步驟如下：
[0035] 步驟1，對一幅SAR圖像A建立強度通道高斯金字塔。
[0036] la)初始化：將一幅SAR圖像A作為下一步的輸入圖像Z;
[0037] Ib)對待下采樣的輸入SAR圖像Z進行下采樣處理，即取SAR圖像Z中偶數(shù)列和偶 數(shù)行的像素點，得到下采樣后的SAR圖像B;
[0038] Ic)對下采樣后的SAR圖像B進行高斯低通濾波操作，得到濾波后的SAR圖像L;
[0039] Id)將濾波后的SAR圖像L作為la)中待下采樣的輸入SAR圖像Z，并重復步驟 lb)-Ic)，直到濾波后的SAR圖像L的行數(shù)或者列數(shù)為1 ;
[0040] Ie)將經(jīng)過步驟la) -Id)得到的SAR圖像與原始的SAR圖像A相加，一共得到m幅 圖像，將這些圖像按照尺寸大小降序排列，得到m層強度通道高斯金字塔，其中m> 2,該高 斯金字塔的第一層尺度為〇 =1，第二層尺度為〇 =2,依此類推，第m層尺度為〇 =m。
[0041] 步驟2,確定中心尺度c和尺度差S。
[0042] 2a)在強度通道高斯金字塔的〇 = 1-3這3個尺度中選取p個中心尺度c，其中， P為整數(shù)，且1彡P彡3 ;
[0043] 2b)根據(jù)目標在SAR圖像A中距離維的長度1,和方位維的長度Ia，計算目標在SAR 圖像A中的對角線長度為：/ = #,.2 + /"2，其中長度的度量單位為像素點個數(shù);
[0044] 2c)從〇 = 4開始，以1為步長增大〇的值，當丨的值減小到最接近0時的尺 度即為檢測目標需要的最優(yōu)周圍尺度Sy ;
[0045] 2d)將最優(yōu)周圍尺度Sy和最優(yōu)周圍尺度Sy相鄰的1到2個尺度作為周圍尺度s;
[0046] 2e)根據(jù)中心尺度c和周圍尺度s得到q個尺度差為：S = I c-s I。
[0047] 步驟3,插值處理。
[0048] 根據(jù)得到的中心尺度和尺度差確定強度通道高斯金字塔對應的尺度，并對所確定 尺度下對應的pXq幅圖像進行插值操作，使插值后的SAR圖像大小與SAR圖像A的尺寸一 致，其中，插值操作就是利用已知臨近像素點的灰度值來產(chǎn)生未知像素點的灰度值，以便由 原始圖像再生出具有高分辨率的圖像。通常采用的插值方法有：最近臨插值，雙線性插值， 三次樣條插值等。需要說明的是，本發(fā)明采用最近臨插值，但不限于這種插值方法。
[0049] 步驟4,建立強度特征圖。
[0050] 4a)對插值后的pXq進行中心-周邊差處理，通過如下公式進行：
[0051] I (c，s) = I I (C)-I (s) I
[0052] 其中，I(C)為選取的p個主尺度中的一個尺度下圖像的強度，I(S)為選取的q個 周圍尺度中的一個尺度下圖像的強度，I(c，s)為這兩個尺度下圖像做差處理后圖像的強 度；
[0053] 4b)對中心_周邊差處理后的圖像進行歸一化，并得到pXq幅強度特征圖{FJ， 其中，i= 1，2,. . .，pXq，F(xiàn)i表示第i幅強度特征圖，歸一化是通過如下公式進行：
[0054]

【權(quán)利要求】
1. 基于顯著性檢測和聚類的SAR圖像目標快速檢測方法，包括如下步驟： (1) 對一幅SAR圖像A不斷地進行下采樣和高斯低通濾波處理，得到m層強度通道高 斯金字塔，其中m>2,該高斯金字塔的第一層尺度為〇 =1，第二層尺度為〇 =2,依此類 推，第m層尺度為〇 =m; (2) 根據(jù)檢測目標的任務要求，由待檢測目標的尺寸確定后續(xù)做中心-周邊差處理所 需要的P個中心尺度和q個尺度差； (3) 根據(jù)步驟（2)得到的中心尺度和尺度差確定強度通道高斯金字塔對應的尺度，并 對所確定尺度下對應的P X q幅圖像進行插值操作，使插值后的圖像大小與SAR圖像A的尺 寸一致； (4) 根據(jù)中心尺度和尺度差這兩個參數(shù)對步驟（3)得到的pXq幅圖像進行中心-周邊 差處理，并對中心-周邊差處理后的圖像歸一化，得到PXq幅強度特征圖{FJ，其中，i = 1，2, . . .，pXq，F(xiàn)i表示第i幅強度特征圖； (5) 對pXq幅強度特征圖{FJ進行線性疊加，并對疊加后的圖像進行歸一化，得到一 幅強度顯著圖C ; (6) 計算強度顯著圖C中的所有像素均值a和標準差P，得到后續(xù)確定當前最顯著區(qū) 域的終止閾值：T = a +KX 0，其中K是用來控制虛警率的常系數(shù)； (7) 在步驟（5)中得到的強度顯著圖C上根據(jù)終止閾值T依次確定當前最顯著區(qū)域，并 得到N幅標注當前最顯著區(qū)域的二值圖{Ej，其中，j = 1，2，...，N，表示第j幅二值圖； (8) 將N幅標注當前最顯著區(qū)域的二值圖{Ej進行線性疊加，得到一幅標注所有顯著 區(qū)域的總體二值圖V ; (9) 對總體二值圖V進行形態(tài)學濾波，得到形態(tài)學濾波后的二值圖X ; (10) 根據(jù)目標尺寸設置聚類距離d_，對濾波后的二值圖X進行聚類處理，得到聚類后 的二值圖J ; (11) 根據(jù)聚類后每一類區(qū)域像素點個數(shù)，對聚類后的二值圖J中不滿足目標面積要求 的類進行像素點置零操作，即面積剔除處理，得到剔除面積后的二值圖Y ; (12) 根據(jù)剔除面積后的二值圖Y，在SAR圖像A上進行切片提取處理，得到疑似目標切 片。
2. 根據(jù)權(quán)利要求1所述的方法，其中步驟（1)所述的對一幅SAR圖像A不斷地進行下 采樣和高斯低通濾波處理，得到m層強度通道高斯金字塔，按如下步驟進行： la) 初始化：將SAR圖像A作為下一步的輸入圖像Z ; lb) 對待下采樣的輸入SAR圖像Z進行下采樣處理，即取SAR圖像Z中偶數(shù)列和偶數(shù)行 的像素點，得到下采樣后的SAR圖像B ; lc) 對下采樣后的SAR圖像B進行高斯低通濾波操作，得到濾波后的SAR圖像L ; ld) 將濾波后的SAR圖像L作為la)中待下采樣的輸入SAR圖像Z，并重復步驟 lb)-Ic)，直到濾波后的SAR圖像L的行數(shù)或者列數(shù)為1 ; le) 將經(jīng)過步驟la)-Id)得到的SAR圖像與原始的SAR圖像A相加，一共得到m幅圖 像，將這些圖像按照尺寸大小降序排列，得到m層強度通道高斯金字塔。
3. 根據(jù)權(quán)利要求1所述的方法，其中步驟（2)中所述的由待檢測目標的尺寸確定后續(xù) 做中心-周邊差處理所需要的P個中心尺度和q個尺度差，按如下步驟進行： 2a)在強度通道高斯金字塔的o = 1-3這3個尺度中選取p個中心尺度c，其中，p為 整數(shù)且1彡P彡3 ;
仁是目標在SAR圖像A中距 離維的長度，Ia是目標在SAR圖像A中方位維的長度，在這里長度的度量單位為像素點個 數(shù)； 2c)從〇 = 4開始，以1為步長增大〇的值，當?shù)闹禍p小到最接近O時的尺度即 為檢測目標需要的最優(yōu)周圍尺度Sy ; 2d)將最優(yōu)周圍尺度Sy和最優(yōu)周圍尺度Sy相鄰的1到2個尺度作為周圍尺度s ; 2e)根據(jù)中心尺度c和周圍尺度s得到q個尺度差為：S = |c-s|。
4. 根據(jù)權(quán)利要求1所述的方法，其中所述步驟（4)中對得到的pXq幅圖像進行中 心-周邊差處理，通過如下公式進行： I (C，S) = I I (C)-I (S) 其中，I (C)為選取的P個主尺度中的一個尺度下圖像的強度，I (S)為選取的q個周圍 尺度中的一個尺度下圖像的強度，I (c，s)為這兩個尺度下圖像做差處理后圖像的強度。
5. 根據(jù)權(quán)利要求1所述的方法，其中所述步驟（4)中對中心-周邊差處理后的圖像歸 一化，通過如下公式進行：
其中，I(c，s)為中心-周邊差處理后的圖像強度值，I(c，S)min為中心_周邊差處理后 的圖像最小強度值，I (c，s)_為中心_周邊差處理后的圖像最大強度值，N(I (c，s))為歸一 化后圖像強度值。
6. 根據(jù)權(quán)利要求1所述的方法，其中所述步驟（7)中在強度顯著圖C上根據(jù)終止條件 T依次確定當前最顯著區(qū)域，并得到N幅標注當前最顯著區(qū)域的二值圖{Ej，按如下步驟進 行： 7a)在強度顯著圖C中搜索當前最強點M，根據(jù)M的強度值設定分割閾值Se : Se = RXI(M) 其中，I (M)是當前最強點M的強度值，R是分割比例系數(shù)，0〈R〈1 ; 7b)根據(jù)分割閾值Se對顯著圖C做閾值分割，得到一幅分割后的二值圖G ; 7c)將分割后的二值圖G中除M點所在連通區(qū)域以外的其他所有像素點置零，得到一幅 標注當前最顯著區(qū)域的二值圖E ; 7d)搜索得到標注當前最顯著區(qū)域的二值圖E像素值為1的位置，并將強度顯著圖C上 與其對應位置的像素點置零； 7e)重復步驟7a) -7d)，直到M的強度值小于最顯著區(qū)域終止閾值T為止，此時共得到 N幅標注當前最顯著區(qū)域的二值圖{Ej，其中，j = 1，2，...，1￡^表示第」_幅標注當前最顯 著區(qū)域的二值圖。
7. 根據(jù)權(quán)利要求1所述的方法，其中所述步驟（10)根據(jù)目標尺寸設置聚類距離d_， 對濾波后的二值圖X進行聚類處理，得到聚類后的二值圖J，按如下步驟進行： 7a)根據(jù)步驟2b)中目標在SAR圖像A中對角線的長度I，設置聚類最大距離d_，使得 d = 1 v^max 丄 9 7b)對形態(tài)學濾波后的二值圖X進行區(qū)域標定，其中，將二值圖X中的像素值為O的所 有區(qū)域標注為0,其他非O連通區(qū)域按照1，2, 3,...順序依次進行標定； 7c)不斷地任意取2個連通區(qū)域，如果兩區(qū)域像素之間的最大距離小于d_，則合并區(qū) 域進行聚類處理，直到所有區(qū)域取完為止，得到聚類后的二值圖J。
8.根據(jù)權(quán)利要求1所述的方法，其中所述步驟（11)對聚類后的二值圖J中不滿足目標 面積要求的類進行像素點置零操作，按如下步驟進行： 8a)設實際最大感興趣目標的真實長度SLmax，寬度SWmax，實際最小感興趣目標的真 實長度SLmin，寬度SWmin，圖像的分辨率為A R，目標區(qū)域的像個數(shù)或面積S存在上界S_， 其表達式為：
8b)遍歷聚類后的二值圖J，對聚類后每個標定的區(qū)域，統(tǒng)計其像素值為1的像素個 數(shù)，作為該區(qū)域的面積，若面積不滿足目標面積范圍St= (SlSmil^SGniaJ,則該區(qū)域各個像 素點置零，去除該類，得到剔除面積后的二值圖Y。
【文檔編號】G06K9/54GK104361340SQ201410612484
【公開日】2015年2月18日 申請日期:2014年11月4日 優(yōu)先權(quán)日:2014年11月4日
【發(fā)明者】杜蘭, 王兆成, 王斐, 劉宏偉 申請人:西安電子科技大學