基于素描線段拓?fù)浣Y(jié)構(gòu)的sar圖像目標(biāo)檢測(cè)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，更進(jìn)一步設(shè)及一種SAR圖像的目標(biāo)檢測(cè)方法，可用 于后續(xù)SAR圖像的目標(biāo)定位與識(shí)別。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)SAR圖像的目標(biāo)檢測(cè)主要是利用目標(biāo)和背景在紋理與后向散射強(qiáng)度 統(tǒng)計(jì)特性上的差異，從原始SAR圖像中檢測(cè)和提取出包含潛在目標(biāo)的感興趣區(qū)域，并在感興 趣區(qū)域中對(duì)人工目標(biāo)進(jìn)行定位，實(shí)現(xiàn)目標(biāo)與背景的分離。SAR圖像目標(biāo)檢測(cè)是進(jìn)一步實(shí)現(xiàn)目 標(biāo)識(shí)別和跟蹤的前提，是計(jì)算機(jī)視覺和智能控制等領(lǐng)域的熱點(diǎn)研究課題。
[000引目前，SAR圖像的目標(biāo)檢測(cè)中最常用的方法是恒虛警率CFAR檢測(cè)算法，CFARW其簡(jiǎn) 單、快速、實(shí)時(shí)性強(qiáng)的特點(diǎn)而被廣泛應(yīng)用于SAR圖像目標(biāo)檢測(cè)中。其它可用于SAR圖像目標(biāo)檢 測(cè)的方法主要有W下Ξ種：
[0004] -是用于檢測(cè)SAR圖像中具有特定尺寸地面目標(biāo)的基于擴(kuò)展分形的目標(biāo)檢測(cè)方 法，二是利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行艦船目標(biāo)的檢測(cè)與分類的方法，Ξ是基于先驗(yàn)知識(shí)的SAR圖像 目標(biāo)檢測(cè)方法，運(yùn)些方法都是根據(jù)不同類型的目標(biāo)在SAR圖像上的表征形式對(duì)目標(biāo)建模來(lái) 進(jìn)行目標(biāo)檢測(cè)，是針對(duì)特定類型目標(biāo)進(jìn)行檢測(cè)，對(duì)SAR圖像的先驗(yàn)信息如目標(biāo)的類型尺寸W 及背景雜波的統(tǒng)計(jì)分布模型具有較大的依賴性。
[0005] 近期劉芳、宋建梅提出了一種基于Primal Sketch算法的SAR圖像目標(biāo)檢測(cè)方法 (專利申請(qǐng)?zhí)?01110102855.1，公開號(hào)CN102129559A)。該方法首先使用Primal化etch模型 得到表示原SAR圖像稀疏結(jié)構(gòu)信息的線段集合；根據(jù)人工目標(biāo)的規(guī)整性特征對(duì)所有在 Primal Sketch稀疏表示域上的線段定義規(guī)整度等屬性集;然后根據(jù)線段屬性選取種子線 段集，并對(duì)種子線段按照一定的規(guī)則進(jìn)行生長(zhǎng)提取出候選目標(biāo)區(qū)域;最后根據(jù)運(yùn)些已檢測(cè) 到的候選目標(biāo)區(qū)域的規(guī)整度和線密度，選擇出感興趣的目標(biāo)區(qū)域，最終完成對(duì)目標(biāo)的檢測(cè)。 該方法雖然可W較徹底的檢測(cè)到橋梁、港口、建筑等不同類型的人工目標(biāo)，適用于目標(biāo)類型 多且大小不一致的SAR圖像目標(biāo)檢測(cè)，具有較強(qiáng)的通用性，但是由于該方法所使用的Primal Sketch模型是針對(duì)光學(xué)圖像的壓縮重構(gòu)設(shè)計(jì)的，并不能很恰當(dāng)?shù)谋碚鱏AR圖像中的邊線特 征，而且該方法使用遞歸的規(guī)則進(jìn)行區(qū)域生長(zhǎng)，在遞歸生長(zhǎng)過程中線段誤差的疊加，使得檢 測(cè)到的目標(biāo)區(qū)域中包含較大比例的森林、±地和田野等虛警目標(biāo)，影響了目標(biāo)檢測(cè)結(jié)果的 準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于素描線段拓?fù)浣Y(jié)構(gòu)的 SAR圖像目標(biāo)檢測(cè)方法，W提高后續(xù)SAR圖像目標(biāo)定位與識(shí)別的準(zhǔn)確性。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：
[0008] (1)素描化SAR圖像得到素描圖，按照素描圖中素描點(diǎn)的位置得到用來(lái)表示SAR圖 像稀疏結(jié)構(gòu)信息的素描線段Si，i = l，. . .，n，n為素描線段的總條數(shù)；
[0009] (2)構(gòu)造素描線段的自適應(yīng)幾何結(jié)構(gòu)窗口，計(jì)算規(guī)整度Ri和規(guī)整比率RTi;
[0010] (3)根據(jù)規(guī)整度Ri的大小對(duì)素描線段Si進(jìn)行排序，選取規(guī)整度大于闊值δ的素描線 段構(gòu)成種子線段集合Ε;
[0011] (4)定義區(qū)域擴(kuò)充規(guī)則，W種子線段集合Ε中的每一條種子線段Ej的自適應(yīng)幾何結(jié) 構(gòu)窗口為基準(zhǔn)進(jìn)行區(qū)域擴(kuò)充，將得到的矩形區(qū)域作為素描圖上的規(guī)整區(qū)域，并將其映射在 SAR圖像上的區(qū)域作為候選目標(biāo)區(qū)域；
[0012] (5)采用規(guī)整區(qū)域的線密度和候選目標(biāo)區(qū)域的灰度方差特征，剔除虛警目標(biāo)區(qū)域， 得到人工目標(biāo)區(qū)域集合；
[0013] (6)構(gòu)造人工目標(biāo)區(qū)域的觀測(cè)矩陣；
[0014] (7)采用低秩分解的方法對(duì)觀測(cè)矩陣進(jìn)行分解，定位人工目標(biāo)，得到最終的人工目 標(biāo)檢測(cè)結(jié)果。
[0015] 本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：
[0016] 1.本發(fā)明采用SAR圖像的素描模型，能夠得到更好表示SAR圖像稀疏結(jié)構(gòu)特征的素 描線段集合。
[0017] 2.本發(fā)明所構(gòu)造的自適應(yīng)幾何結(jié)構(gòu)窗口，能夠更好的表示素描線段鄰域內(nèi)的規(guī)整 拓?fù)浣Y(jié)構(gòu)關(guān)系。
[0018] 3.本發(fā)明在區(qū)域擴(kuò)充時(shí)采用非遞歸策略，減少了在區(qū)域擴(kuò)充時(shí)加入規(guī)整線段集合 中的素描線段與種子線段之間的累積誤差，使得候選目標(biāo)區(qū)域中虛警目標(biāo)的比例降低，能 得到較為準(zhǔn)確的目標(biāo)檢測(cè)結(jié)果。
【附圖說明】
[0019] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0020] 圖2是本發(fā)明仿真實(shí)驗(yàn)使用的SAR原圖像；
[0021 ]圖3是本發(fā)明中根據(jù)SAR原圖像的素描模型提取的素描圖；
[0022] 圖4是本發(fā)明中素描線段的自適應(yīng)幾何結(jié)構(gòu)窗口示意圖；
[0023] 圖5是本發(fā)明的仿真實(shí)驗(yàn)得到的港口目標(biāo)；
[0024] 圖6是本發(fā)明的仿真實(shí)驗(yàn)得到的橋梁目標(biāo)；
[0025] 圖7是本發(fā)明的仿真實(shí)驗(yàn)得到的建筑物目標(biāo)；
[0026] 圖8是本發(fā)明的仿真實(shí)驗(yàn)得到的虛警目標(biāo)；
[0027] 圖9是本發(fā)明的仿真實(shí)驗(yàn)得到的目標(biāo)檢測(cè)結(jié)果圖。
【具體實(shí)施方式】
[0028] W下結(jié)合附圖對(duì)本發(fā)明實(shí)施例和效果做進(jìn)一步說明。
[0029] 參照?qǐng)D1，本發(fā)明的具體實(shí)施步驟如下：
[0030] 步驟1，根據(jù)SAR素描模型素描化SAR圖像，得到素描圖。
[0031] 所述的SAR素描模型，參見Jie-Wu等人于2014年發(fā)表在IE趾Transactions on Geoscience and Remote Sensing雜志上的文章 《Local maximal homogenous region search for SAR speckle reduction with sketch-based geometrical kernel 化nction》，按照文中所述的SAR素描模型，提取SAR圖像的素描圖步驟如下：
[0032] (1.1)構(gòu)造具有不同方向和尺度的邊、線模板，并利用模板的方向和尺度信息構(gòu)造 各向異性高斯函數(shù)來(lái)計(jì)算該模板中每一點(diǎn)的加權(quán)系數(shù)，其中尺度個(gè)數(shù)取值為3~5,方向個(gè) 數(shù)取值為18;
[0033] (1.2)輸入圖2所示的SAR圖像，按照下式，計(jì)算模板不同區(qū)域?qū)?yīng)在輸入SAR圖像 中像素的均值和方差：
[0036] 其中，μ表示區(qū)域Ω對(duì)應(yīng)在輸入SAR圖像中像素的均值，Ω表示模板中的一個(gè)區(qū)域， g表示區(qū)域Ω中一個(gè)像素點(diǎn)的位置，e表示屬于符號(hào)，wg表示區(qū)域Ω中位置g處的權(quán)重系數(shù)， wg的取值范圍為wg e [ 0，1 ]，Ag表示區(qū)域Ω中位置g對(duì)應(yīng)在輸入SAR圖像中的像素值，V表示區(qū) 域Ω對(duì)應(yīng)在輸入SAR圖像中像素的方差；
[0037] (1.3)計(jì)算輸入SAR圖像中每個(gè)像素對(duì)比值算子的響應(yīng)值：
[00；3 引
[0039] 其中，R表示輸入SAR圖像中每個(gè)像素對(duì)比值算子的響應(yīng)值，min{ ·}表示求最小值 操作，a和b分別表示模板中任意兩個(gè)不同區(qū)域的編號(hào)，μ。和Wb分別為根據(jù)（1.2)得到的表示 區(qū)域a和區(qū)域b的輸入SAR圖像中對(duì)應(yīng)像素的均值；
[0040] (1.4)計(jì)算輸入SAR圖像中每個(gè)像素對(duì)相關(guān)性算子的響應(yīng)值：
[0041]
[0042] 其中，C表示合成孔徑雷達(dá)SAR圖像中每個(gè)像素對(duì)相關(guān)性算子的響應(yīng)值，a和b分別 表示模板中任意兩個(gè)不同區(qū)域的編號(hào)，va和vb分別表示根據(jù)(1.2)得到的區(qū)域a和區(qū)域b對(duì)應(yīng) 在輸入SAR圖像中像素的方差，μ。和化分別表示根據(jù)（1.2)得到的區(qū)域a和區(qū)域b對(duì)應(yīng)在輸入 SAR圖像中像素的均值；
[0043] (1.5)根據(jù)（1.3)和（1.4)得到的結(jié)果，計(jì)算輸入SAR圖像中每個(gè)像素對(duì)各個(gè)模板的 響應(yīng)值：
[0044]
[0045] 其中，F(xiàn)表示輸入SAR圖像中每個(gè)像素對(duì)各個(gè)模板的響應(yīng)值，R和C分別表示輸入SAR 圖像中像素對(duì)比值算子和相關(guān)性算子的響應(yīng)值；
[0046] (1.6)選擇具有最大響應(yīng)值的模板作為輸入SAR圖像中像素的模板，并將最大響應(yīng) 值作為該像素的強(qiáng)度，將具有最大響應(yīng)值的模板的方向作為該像素的方向，獲得輸入圖像 的邊線響應(yīng)圖和方向圖；
[0047] (1.7)利用輸入SAR圖像中每個(gè)像素所選擇的模板，獲得其對(duì)應(yīng)的的梯度圖；
[0048]