基于显著性检测和聚类的sar图像目标快速检测方法
【专利摘要】本发明公开了一种基于显著性检测和聚类的SAR图像目标快速检测方法，主要解决现有SAR图像目标检测技术中检测速度慢和杂波虚警高的问题。其实现步骤为：对SAR图像A建立强度通道高斯金字塔；根据目标尺寸对高斯金字塔的尺度进行选择；根据选择的尺度对所选尺度下的SAR图像建立强度显著图；在强度显著图上依次确定当前最显著区域，并得到一幅标注所有显著区域的二值图；对该二值图进行形态学滤波和聚类操作后根据目标区域面积范围进行面积剔除处理；利用剔除面积后的聚类二值图像进行疑似目标切片提取操作，最终完成SAR图像目标检测过程。本发明具有检测速度快和虚警率低的优点，适用于SAR图像目标的快速检测。
【专利说明】基于显著性检测和聚类的SAR图像目标快速检测方法
【技术领域】
[0001] 本发明属于雷达目标检测领域，尤其涉及在合成孔径雷达SAR图像中快速、有效 地检测地面车辆、飞机的方法。
【背景技术】
[0002] 雷达成像技术是20世纪50年代发展起来的，在以后的60年里得到了突飞猛进的 发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。
[0003] 合成孔径雷达SAR是一种利用微波进行感知的主动传感器，其与红外、光学等其 他传感器相比，SAR成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天候、全 天时的观测。因而SAR成为目前对地观测和军事侦察的重要手段，SAR图像自动目标识别 受到越来越广泛的关注。
[0004] SAR自动目标识别ATR方法通常采取美国林肯实验室提出的三级处理流程。该流 程采用一种分层注意机制，其实现过程是：首先，对整幅SAR图像进行检测处理，除去图像 中明显不是目标的区域，得到潜在目标区域；然后，对潜在的目标区域进行目标鉴别处理， 以剔除其中的自然杂波虚警，或剔除明显比目标大或者小的区域；通过目标的检测和鉴别 阶段，得到目标感兴趣区域ROI;最后，再对目标ROI进行分类识别。在这种处理机制中，数 据处理方法越来越复杂，因此计算量会越来越大，但需要处理的数据量却是在逐步减少的， 这样就能提商目标识别系统的效率。
[0005] SAR图像目标检测是SARATR这种匠心独具的流程设计中的第一步，其重要性不言 而喻。如何快速有效的检测出潜在目标区域也是近年来SAR图像解译应用的一大研究热 点。
[0006] 现有文献中提出了很多SAR图像目标检测方法，例如双参数恒虚警CFAR检测算 法、广义似然比检验检测算法、神经网络检测算法、隐马尔可夫模型检测算法、支持向量机 检测算法。在现有的这些SAR图像目标检测方法中，双参数CFAR检测算法应用最为广泛。
[0007] 双参数CFAR检测算法是一种传统的SAR图像目标检测方法，该方法应用的前提是 在SAR图像上目标与背景杂波具有较高的对比度。双参数CFAR检测算法中设置了目标窗 口、保护窗口和背景窗口这3个窗口。其中，目标窗口是可能含有目标像素的窗口，保护窗 口是为了防止目标像素混入背景杂波中而设置的窗口，背景窗口是含有背景杂波的窗口。 传统的双参数CFAR是基于背景杂波的统计分布模型是高斯分布的假设。通过滑动窗口，对 SAR图像中的每个像素进行遍历。在每次滑动窗口的过程中，通过计算背景窗口内的所有像 素的均值和方差来对背景杂波进行参数估计并以此来确定一个阈值，如果目标窗口内的像 素大于这个阈值就认为是目标像素，否则就认为其是杂波像素。由于背景杂波的统计分布 模型并不一定服从高斯分布、对背景杂波进行参数估计耗时、SAR图像中每个像素点相同对 待的原因，造成了这种方法存在杂波统计模型参数估计不准确、检测时间过长、虚警率高的 缺点。
【发明内容】
[0008] 本发明针对上述现有技术的不足，提出了一种基于显著性检测和聚类的SAR图像 目标快速检测方法。
[0009] 基于显著性检测和聚类处理的SAR图像目标快速检测方法的实现方案具体包括 以下步骤：
[0010] (1)对一幅SAR图像A不断地进行下采样和高斯低通滤波处理，得到m层强度通道 高斯金字塔，其中m3 2,该高斯金字塔的第一层尺度为〇 =1，第二层尺度为〇 =2,依此 类推，第m层尺度为〇 =m;
[0011] (2)根据检测目标的任务要求，由待检测目标的尺寸确定后续做中心-周边差处 理所需要的P个中心尺度和q个尺度差；
[0012] (3)根据步骤（2)得到的中心尺度和尺度差确定强度通道高斯金字塔对应的尺 度，并对所确定尺度下对应的PXq幅图像进行插值操作，使插值后的图像大小与SAR图像 A的尺寸一致；
[0013] (4)根据中心尺度和尺度差这两个参数对步骤（3)得到的pXq幅图像进行中 心-周边差处理，并对中心-周边差处理后的图像归一化，得到PXq幅强度特征图{FJ，其 中，i= 1，2,. . .，pXq，Fi表示第i幅强度特征图；
[0014] (5)对pXq幅强度特征图{FJ进行线性叠加，并对叠加后的图像进行归一化，得 到一幅强度显著图C;
[0015](6)计算强度显著图C中的所有像素均值a和标准差0，得到后续确定当前最显 著区域的阈值：T=a+KX0，其中K是用来控制虚警率的常系数；
[0016] (7)在步骤（5)中得到的强度显著图C上根据终止阈值T依次确定当前最显著区 域，并得到N幅标注当前最显著区域的二值图{Ej，其中，j= 1，2，...，N，E^表示第j幅二 值图；
[0017] (8)将N幅标注当前最显著区域的二值图{Ej进行线性叠加，得到一幅标注所有 显著区域的总体二值图V;
[0018] (9)对总体二值图V进行形态学滤波，得到形态学滤波后的二值图X;
[0019] (10)根据目标尺寸设置聚类距离d_，对滤波后的二值图X进行聚类处理，得到聚 类后的二值图J;
[0020] (11)根据聚类后每一类区域像素点个数，对聚类后的二值图J中不满足目标面积 要求的类进行像素点置零操作，即面积剔除处理，得到剔除面积后的二值图Y;
[0021] (12)根据剔除面积后的二值图Y，在SAR图像A上进行切片提取处理，得到疑似目 标切片。
[0022] 本发明与现有技术相比，具有以下优点：
[0023] 1.检测速度快
[0024]传统的双参数CAFR检测方法在检测时，由于要先对杂波进行统计建模，然后对每 个像素点进行滑窗，并且在每次滑窗时需要估计参考窗内杂波的模型参数，因而在大图场 景中检测效率低，不利于在需要实时检测的SARATR系统中的应用。而本发明中所采取的方 法是基于视觉注意机制的显著性检测，利用目标先验尺寸，只在强度通道金字塔下选取了 几个合适的中心尺度和尺度差，没有颜色通道和方向通道，并通过插值处理使得能够在其 中心-周边差处理后突出目标，弱化杂波背景，因此，在视觉转移即寻找最强点的过程中能 够迅速注意到疑似目标区域并进行后续处理，避免了双参数CFAR处理中各个点和区域同 样对待的弊端，可以在较短的时间内迅速找到疑似目标区域，检测速度大大加快。
[0025] 2.虚警率低
[0026] 现有的双参数CFAR检测方法要检测到所有的目标，则必需要设置很大的虚警率 因而会产生较多的杂波虚警，造成最终提取的疑似目标切片数目也多，虚警率高。而本发明 根据目标先验尺寸，通过尺度选择并进行中心_周边差处理，充分利用了目标的强度显著 性特征，使得目标区域优先被检测到，并结合聚类处理，在保证高检测率的情况下最终提取 的疑似目标切片数目少，极大的降低了虚警率。
【专利附图】
【附图说明】
[0027] 图1是本发明的实现流程图；
[0028] 图2是本发明实验中使用的分辨率为0. 1016mX0. 1016m的原始SAR图像；
[0029] 图3是用现有方法对图2下采样1次后的分辨率为0? 2032mX0? 2032m的SAR图 像；
[0030] 图4是用本发明方法对图3处理得到的4个疑似目标切片在图2上对应位置显示 的结果；
[0031] 图5是用本发明方法对图4上的4个疑似目标切片放大图；
[0032] 图6是用双参数CFAR检测方法对图3处理得到的10个疑似目标切片在图2上对 应位置显示的结果；
[0033] 图7是用双参数CFAR检测方法对图6上的10个疑似目标切片放大图；
【具体实施方式】
[0034]参照图1，本发明的实现步骤如下：
[0035] 步骤1，对一幅SAR图像A建立强度通道高斯金字塔。
[0036] la)初始化：将一幅SAR图像A作为下一步的输入图像Z;
[0037] Ib)对待下采样的输入SAR图像Z进行下采样处理，即取SAR图像Z中偶数列和偶 数行的像素点，得到下采样后的SAR图像B;
[0038] Ic)对下采样后的SAR图像B进行高斯低通滤波操作，得到滤波后的SAR图像L;
[0039] Id)将滤波后的SAR图像L作为la)中待下采样的输入SAR图像Z，并重复步骤 lb)-Ic)，直到滤波后的SAR图像L的行数或者列数为1 ;
[0040] Ie)将经过步骤la) -Id)得到的SAR图像与原始的SAR图像A相加，一共得到m幅 图像，将这些图像按照尺寸大小降序排列，得到m层强度通道高斯金字塔，其中m> 2,该高 斯金字塔的第一层尺度为〇 =1，第二层尺度为〇 =2,依此类推，第m层尺度为〇 =m。
[0041] 步骤2,确定中心尺度c和尺度差S。
[0042] 2a)在强度通道高斯金字塔的〇 = 1-3这3个尺度中选取p个中心尺度c，其中， P为整数，且1彡P彡3 ;
[0043] 2b)根据目标在SAR图像A中距离维的长度1,和方位维的长度Ia，计算目标在SAR 图像A中的对角线长度为：/ = #,.2 + /"2，其中长度的度量单位为像素点个数;
[0044] 2c)从〇 = 4开始，以1为步长增大〇的值，当丨的值减小到最接近0时的尺 度即为检测目标需要的最优周围尺度Sy ;
[0045] 2d)将最优周围尺度Sy和最优周围尺度Sy相邻的1到2个尺度作为周围尺度s;
[0046] 2e)根据中心尺度c和周围尺度s得到q个尺度差为：S = I c-s I。
[0047] 步骤3,插值处理。
[0048] 根据得到的中心尺度和尺度差确定强度通道高斯金字塔对应的尺度，并对所确定 尺度下对应的pXq幅图像进行插值操作，使插值后的SAR图像大小与SAR图像A的尺寸一 致，其中，插值操作就是利用已知临近像素点的灰度值来产生未知像素点的灰度值，以便由 原始图像再生出具有高分辨率的图像。通常采用的插值方法有：最近临插值，双线性插值， 三次样条插值等。需要说明的是，本发明采用最近临插值，但不限于这种插值方法。
[0049] 步骤4,建立强度特征图。
[0050] 4a)对插值后的pXq进行中心-周边差处理，通过如下公式进行：
[0051] I (c，s) = I I (C)-I (s) I
[0052] 其中，I(C)为选取的p个主尺度中的一个尺度下图像的强度，I(S)为选取的q个 周围尺度中的一个尺度下图像的强度，I(c，s)为这两个尺度下图像做差处理后图像的强 度；
[0053] 4b)对中心_周边差处理后的图像进行归一化，并得到pXq幅强度特征图{FJ， 其中，i= 1，2,. . .，pXq，Fi表示第i幅强度特征图，归一化是通过如下公式进行：
[0054]
【权利要求】
1. 基于显著性检测和聚类的SAR图像目标快速检测方法，包括如下步骤： (1) 对一幅SAR图像A不断地进行下采样和高斯低通滤波处理，得到m层强度通道高 斯金字塔，其中m>2,该高斯金字塔的第一层尺度为〇 =1，第二层尺度为〇 =2,依此类 推，第m层尺度为〇 =m; (2) 根据检测目标的任务要求，由待检测目标的尺寸确定后续做中心-周边差处理所 需要的P个中心尺度和q个尺度差； (3) 根据步骤（2)得到的中心尺度和尺度差确定强度通道高斯金字塔对应的尺度，并 对所确定尺度下对应的P X q幅图像进行插值操作，使插值后的图像大小与SAR图像A的尺 寸一致； (4) 根据中心尺度和尺度差这两个参数对步骤（3)得到的pXq幅图像进行中心-周边 差处理，并对中心-周边差处理后的图像归一化，得到PXq幅强度特征图{FJ，其中，i = 1，2, . . .，pXq，Fi表示第i幅强度特征图； (5) 对pXq幅强度特征图{FJ进行线性叠加，并对叠加后的图像进行归一化，得到一 幅强度显著图C ; (6) 计算强度显著图C中的所有像素均值a和标准差P，得到后续确定当前最显著区 域的终止阈值：T = a +KX 0，其中K是用来控制虚警率的常系数； (7) 在步骤（5)中得到的强度显著图C上根据终止阈值T依次确定当前最显著区域，并 得到N幅标注当前最显著区域的二值图{Ej，其中，j = 1，2，...，N，表示第j幅二值图； (8) 将N幅标注当前最显著区域的二值图{Ej进行线性叠加，得到一幅标注所有显著 区域的总体二值图V ; (9) 对总体二值图V进行形态学滤波，得到形态学滤波后的二值图X ; (10) 根据目标尺寸设置聚类距离d_，对滤波后的二值图X进行聚类处理，得到聚类后 的二值图J ; (11) 根据聚类后每一类区域像素点个数，对聚类后的二值图J中不满足目标面积要求 的类进行像素点置零操作，即面积剔除处理，得到剔除面积后的二值图Y ; (12) 根据剔除面积后的二值图Y，在SAR图像A上进行切片提取处理，得到疑似目标切 片。
2. 根据权利要求1所述的方法，其中步骤（1)所述的对一幅SAR图像A不断地进行下 采样和高斯低通滤波处理，得到m层强度通道高斯金字塔，按如下步骤进行： la) 初始化：将SAR图像A作为下一步的输入图像Z ; lb) 对待下采样的输入SAR图像Z进行下采样处理，即取SAR图像Z中偶数列和偶数行 的像素点，得到下采样后的SAR图像B ; lc) 对下采样后的SAR图像B进行高斯低通滤波操作，得到滤波后的SAR图像L ; ld) 将滤波后的SAR图像L作为la)中待下采样的输入SAR图像Z，并重复步骤 lb)-Ic)，直到滤波后的SAR图像L的行数或者列数为1 ; le) 将经过步骤la)-Id)得到的SAR图像与原始的SAR图像A相加，一共得到m幅图 像，将这些图像按照尺寸大小降序排列，得到m层强度通道高斯金字塔。
3. 根据权利要求1所述的方法，其中步骤（2)中所述的由待检测目标的尺寸确定后续 做中心-周边差处理所需要的P个中心尺度和q个尺度差，按如下步骤进行： 2a)在强度通道高斯金字塔的o = 1-3这3个尺度中选取p个中心尺度c，其中，p为 整数且1彡P彡3 ;
仁是目标在SAR图像A中距 离维的长度，Ia是目标在SAR图像A中方位维的长度，在这里长度的度量单位为像素点个 数； 2c)从〇 = 4开始，以1为步长增大〇的值，当的值减小到最接近O时的尺度即 为检测目标需要的最优周围尺度Sy ; 2d)将最优周围尺度Sy和最优周围尺度Sy相邻的1到2个尺度作为周围尺度s ; 2e)根据中心尺度c和周围尺度s得到q个尺度差为：S = |c-s|。
4. 根据权利要求1所述的方法，其中所述步骤（4)中对得到的pXq幅图像进行中 心-周边差处理，通过如下公式进行： I (C，S) = I I (C)-I (S) 其中，I (C)为选取的P个主尺度中的一个尺度下图像的强度，I (S)为选取的q个周围 尺度中的一个尺度下图像的强度，I (c，s)为这两个尺度下图像做差处理后图像的强度。
5. 根据权利要求1所述的方法，其中所述步骤（4)中对中心-周边差处理后的图像归 一化，通过如下公式进行：
其中，I(c，s)为中心-周边差处理后的图像强度值，I(c，S)min为中心_周边差处理后 的图像最小强度值，I (c，s)_为中心_周边差处理后的图像最大强度值，N(I (c，s))为归一 化后图像强度值。
6. 根据权利要求1所述的方法，其中所述步骤（7)中在强度显著图C上根据终止条件 T依次确定当前最显著区域，并得到N幅标注当前最显著区域的二值图{Ej，按如下步骤进 行： 7a)在强度显著图C中搜索当前最强点M，根据M的强度值设定分割阈值Se : Se = RXI(M) 其中，I (M)是当前最强点M的强度值，R是分割比例系数，0〈R〈1 ; 7b)根据分割阈值Se对显著图C做阈值分割，得到一幅分割后的二值图G ; 7c)将分割后的二值图G中除M点所在连通区域以外的其他所有像素点置零，得到一幅 标注当前最显著区域的二值图E ; 7d)搜索得到标注当前最显著区域的二值图E像素值为1的位置，并将强度显著图C上 与其对应位置的像素点置零； 7e)重复步骤7a) -7d)，直到M的强度值小于最显著区域终止阈值T为止，此时共得到 N幅标注当前最显著区域的二值图{Ej，其中，j = 1，2，...，1￡^表示第」_幅标注当前最显 著区域的二值图。
7. 根据权利要求1所述的方法，其中所述步骤（10)根据目标尺寸设置聚类距离d_， 对滤波后的二值图X进行聚类处理，得到聚类后的二值图J，按如下步骤进行： 7a)根据步骤2b)中目标在SAR图像A中对角线的长度I，设置聚类最大距离d_，使得 d = 1 v^max 丄 9 7b)对形态学滤波后的二值图X进行区域标定，其中，将二值图X中的像素值为O的所 有区域标注为0,其他非O连通区域按照1，2, 3,...顺序依次进行标定； 7c)不断地任意取2个连通区域，如果两区域像素之间的最大距离小于d_，则合并区 域进行聚类处理，直到所有区域取完为止，得到聚类后的二值图J。
8.根据权利要求1所述的方法，其中所述步骤（11)对聚类后的二值图J中不满足目标 面积要求的类进行像素点置零操作，按如下步骤进行： 8a)设实际最大感兴趣目标的真实长度SLmax，宽度SWmax，实际最小感兴趣目标的真 实长度SLmin，宽度SWmin，图像的分辨率为A R，目标区域的像个数或面积S存在上界S_， 其表达式为：
8b)遍历聚类后的二值图J，对聚类后每个标定的区域，统计其像素值为1的像素个 数，作为该区域的面积，若面积不满足目标面积范围St= (SlSmil^SGniaJ,则该区域各个像 素点置零，去除该类，得到剔除面积后的二值图Y。
【文档编号】G06K9/54GK104361340SQ201410612484
【公开日】2015年2月18日 申请日期:2014年11月4日 优先权日:2014年11月4日
【发明者】杜兰, 王兆成, 王斐, 刘宏伟 申请人:西安电子科技大学