一種高分辨率sar圖像目標(biāo)檢測方法
【專利摘要】本發(fā)明實(shí)施例公開一種高分辨率SAR圖像目標(biāo)檢測方法，應(yīng)用于圖像處理【技術(shù)領(lǐng)域】，主要解決現(xiàn)有以解決現(xiàn)有的SAR圖像目標(biāo)檢測方法的檢測虛警較高及定位不準(zhǔn)確的缺陷。該方法包括：對原始SAR圖像進(jìn)行重疊分塊，獲得多個子圖像；提取訓(xùn)練樣本的特征對分類器進(jìn)行訓(xùn)練，用訓(xùn)練后的分類器對多個所述子圖像進(jìn)行目錄分類；獲得目錄類別為包含目標(biāo)的子圖像的像素的加權(quán)稀有性特征，對所述包含目標(biāo)的子圖像進(jìn)行閾值分割，對分割后的二值圖像進(jìn)行形態(tài)學(xué)處理，獲得目錄類別為包含目標(biāo)的子圖像的感興趣區(qū)域ROI對所述ROI進(jìn)行修正，獲得目標(biāo)檢測結(jié)果。本發(fā)明應(yīng)用于目標(biāo)類型多的高分辨SAR圖像目標(biāo)檢測。
【專利說明】一種高分辨率SAR圖像目標(biāo)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及一種高分辨率SAR圖像目標(biāo)檢測方法?？捎?于高分辨SAR圖像、計(jì)算機(jī)視覺及智能控制領(lǐng)域中的目標(biāo)檢測與識別。

【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（SAR)圖像目標(biāo)檢測是利用目標(biāo)的灰度、紋理、形狀、邊緣和方向等 信息在SAR圖像中確定其位置，將目標(biāo)與背景分離的圖像處理技術(shù)。SAR圖像目標(biāo)檢測是進(jìn) 一步目標(biāo)識別的前提，是目前智能控制和計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題。由于SAR成像 的特殊性，使得SAR圖像與光學(xué)圖像有很大的不同，例如SAR圖像包含更多的冗余信息，存 在斑點(diǎn)噪聲，SAR目標(biāo)對方位角十分敏感等。所以，如何從SAR圖像中準(zhǔn)確檢測出目標(biāo)一直 是SAR圖像解譯的難點(diǎn)。
[0003] 隨著SAR圖像分辨率不斷提高，目標(biāo)信息呈現(xiàn)爆炸性增長，目標(biāo)檢測的難點(diǎn)主要 有：（1)圖像場景越來越復(fù)雜，需處理的數(shù)據(jù)量越來越大；（2)目標(biāo)由原來單通道單極化中 低分辨率圖像上的點(diǎn)目標(biāo)，變?yōu)榫哂胸S富細(xì)節(jié)特征和散射特征的面目標(biāo)，目標(biāo)特征的種類 和不穩(wěn)定性增加；（3)圖像包含的冗余信息增多，如果對圖像所有像素進(jìn)行處理，運(yùn)算速度 會受到影響。
[0004] 基于恒虛警的CFAR方法是經(jīng)典的SAR圖像目標(biāo)檢測方法。該方法是在圖像全局 或局部背景已知的條件下，估計(jì)背景的雜波分布參數(shù)，自適應(yīng)地選取檢測的閾值，然后利用 固定大小的滑動窗口遍歷圖像，判斷像素是否屬于目標(biāo)。當(dāng)圖像細(xì)節(jié)信息不明顯，背景較均 勻時，該方法能夠在沒有目標(biāo)類型、目標(biāo)特性及背景特性等先驗(yàn)信息的情況下實(shí)現(xiàn)對目標(biāo) 的檢測，并且能夠取得較好的檢測結(jié)果。
[0005] CFAR方法雖然能夠在簡單利用圖像幅度信息的情況下較準(zhǔn)確的檢測出目標(biāo)，但是 對于高分辨SAR圖像來說，細(xì)節(jié)信息非常豐富，此情況下CFAR主要存在以下缺陷：
[0006] (1)目標(biāo)檢測虛警較高，不適于細(xì)節(jié)信息豐富的高分辨SAR圖像。CFAR方法簡單 的利用圖像的幅度信息進(jìn)行目標(biāo)檢測，當(dāng)背景像素的灰度值與目標(biāo)的灰度值接近時會被錯 判為目標(biāo)，導(dǎo)致檢測結(jié)果出現(xiàn)較高的虛警。同時，檢測結(jié)果易受噪聲的影響，不利于圖像的 后續(xù)處理，如目標(biāo)識別。
[0007] (2)檢測出的是圖像中所有的疑似目標(biāo)區(qū)域，對于真實(shí)的目標(biāo)定位不準(zhǔn)確。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明實(shí)施例提供一種高分辨率SAR圖像目標(biāo)檢測方法，以解決現(xiàn)有的SAR圖像 目標(biāo)檢測方法的檢測虛警較高及定位不準(zhǔn)確的缺陷。
[0009] 本發(fā)明的第一方面提供一種高分辨SAR圖像目標(biāo)檢測方法，包括：
[0010] 對輸入的原始SAR圖像進(jìn)行重疊分塊，獲得多個子圖像；
[0011] 提取訓(xùn)練樣本的特征對分類器進(jìn)行訓(xùn)練，用訓(xùn)練后的分類器對多個所述子圖像進(jìn) 行目錄分類；
[0012] 獲得目錄類別為包含目標(biāo)的子圖像的像素的加權(quán)稀有性特征，對所述包含目標(biāo)的 子圖像進(jìn)行閾值分割，對分割后的二值圖像進(jìn)行形態(tài)學(xué)處理，獲得目錄類別為包含目標(biāo)的 子圖像的感興趣區(qū)域ROI ;
[0013] 對所述ROI進(jìn)行修正，獲得目標(biāo)檢測結(jié)果。
[0014] 根據(jù)第一方面，在第一種可能的實(shí)現(xiàn)方式中，所述對輸入的原始SAR圖像進(jìn)行重 疊分塊包括：
[0015] 按照公式1對原始SAR圖像進(jìn)行重疊分塊；
[0016]

【權(quán)利要求】
1. 一種高分辨率SAR圖像目標(biāo)檢測方法，其特征在于，包括： 對輸入的原始SAR圖像進(jìn)行重疊分塊，獲得多個子圖像； 提取訓(xùn)練樣本的特征對分類器進(jìn)行訓(xùn)練，用訓(xùn)練后的分類器對多個所述子圖像進(jìn)行目 錄分類； 獲得目錄類別為包含目標(biāo)的子圖像的像素的加權(quán)稀有性特征，對所述包含目標(biāo)的子圖 像進(jìn)行閾值分割，對分割后的二值圖像進(jìn)行形態(tài)學(xué)處理，獲得目錄類別為包含目標(biāo)的子圖 像的感興趣區(qū)域ROI; 對所述ROI進(jìn)行修正，獲得目標(biāo)檢測結(jié)果。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對輸入的原始SAR圖像進(jìn)行重疊分塊 包括： 按照公式1對原始SAR圖像進(jìn)行重疊分塊；
其中，m，n分別為原始SAR圖像的長和寬，分塊的尺寸為xXx，p%為重疊率，得到的子 圖像記為Si，i= 1，2,. . .，N，N為獲得多個子圖像的數(shù)目。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取訓(xùn)練樣本的特征對分類器進(jìn)行 訓(xùn)練，用訓(xùn)練后的分類器對多個所述子圖像進(jìn)行目錄分類，包括： 確定目錄類別數(shù)，其中由先驗(yàn)信息得到SAR圖像中包含的目標(biāo)類型數(shù)為M，每一種目標(biāo) 類型對應(yīng)兩種目錄類別，即包含此目標(biāo)和不包含此目標(biāo)，所以，總的目錄類別共有2M個，每 個目錄類別記為Cq,qG2M，其中CpC2, . . .，CM為包含目標(biāo)的目錄類別標(biāo)號； 分別針對所述2M個目錄類別隨機(jī)選取訓(xùn)練樣本并提取特征向量； 提取所述子圖像的特征向量，對所述子圖像進(jìn)行目錄分類。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述分別針對所述2M個目錄類別隨機(jī)選 取訓(xùn)練樣本并提取特征向量，包括： 對每個訓(xùn)練樣本提取韋伯局部描述特征WLD作為特征向量，記為/，并對分類器進(jìn)行 訓(xùn)練； 相應(yīng)的，所述提取所述子圖像的特征向量，對所述子圖像進(jìn)行目錄分類，包括： 提取所述子圖像的WLD特征，利用訓(xùn)練好的分類器對所述子圖像進(jìn)行目錄分類。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述包含目標(biāo)的子圖像進(jìn)行閾值 分割，包括： 對所述包含目標(biāo)的子圖像進(jìn)行閾值分割，設(shè)定閾值為Thu，按下式對圖像進(jìn)行分割，分 割后的圖像記為BW，如公式2 :
公式2中，Uk為第k個像素的加權(quán)稀有值。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述加權(quán)稀有性特征，包括： 計(jì)算第k個像素點(diǎn)的空間分布權(quán)值，記為c〇k，k=msub*nsub，c〇k計(jì)算如公式3:
其中，公式3中，msub，nsub分別為子圖像長和寬，Ik為子圖像第k個像素的灰度值，L為 子圖像中心像素的像素值，num為子圖像中與Ik相等的像素點(diǎn)的個數(shù)； 計(jì)算第k個像素點(diǎn)的稀有值，記為uk,k=msub*nsub,uk計(jì)算如公式4 :
其中，公式4中，msub，nsub分別為子圖像長和寬，unk為子圖像中第k個像素出現(xiàn)的次數(shù)； 計(jì)算第k個像素點(diǎn)的加權(quán)稀有值，記為Uk,kGm*n,Uk計(jì)算如公式5 ; Uk = ?k*uk (5)
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述ROI進(jìn)行修正包括： 獲得的R0I個數(shù)記為L，第t個R0I為R0It ; 判斷R0Is，sGL與R0It，tGL是否為連通區(qū)域，其中，s尹t。若如13與1?011為連通 區(qū)域，則對它們進(jìn)行合并，得到一個新的R0I;重復(fù)此步驟，直到遍歷完所有的R0I。
【文檔編號】G06K9/66GK104408482SQ201410743668
【公開日】2015年3月11日 申請日期:2014年12月8日 優(yōu)先權(quán)日:2014年12月8日
【發(fā)明者】曹宗杰, 皮亦鳴, 張強(qiáng), 李晉, 范錄宏, 楊曉波, 徐政五 申請人:電子科技大學(xué)