基于各项异性扩散空间的sar图像显著性区域检测方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及SAR图像显著性区域检测，可用作SAR图像目 标检测和目标识别。 技术背景
[0002] 合成孔径雷达SAR系统作为一种主动式微波成像雷达，因其具有全天时、全天候 以及穿透性的特点，已经成为了遥感领域获取数据的重要工具。随着SAR图像数据量的增 加以及图像分析技术的发展，自动处理SAR图像的需求也日益强烈。特别是SAR图像目标 检测技术，不但可以减少人工判读的工作量，还是SAR图像的自动目标识别ATR技术的基础 和关键环节。因此，有效的、准确的获得SAR图像目标区域可以提高SAR图像目标识别的效 率以及目标的定位精度。
[0003]SAR图像中的目标区域通常都与背景存在明显区别。在人类视觉系统中，这类 区域即就是底层视觉中与场景内容无关的显著性区域。因此，通过检测SAR图像中的显 著性区域就可以获得目标区域。传统的光学图像显著性区域检测方法，是由Laurent. Itti，ChristofKoch和ErnstNiebur等人提出的多尺度显著性区域检测方法（Laurent. Itti,ChristofKochandErnstNiebur.AModelofSaliency-BasedVisualAttention forRapidSceneAnalysis.IEEETrans,onPatternAnalysisandMachineIntelligen ce，1998, 20 (11) : 1254-1259)。该方法的步骤为：首先对图像进行高斯金字塔分解；通过"中 心"细尺度与"周围"粗尺度的中心-周围差得到早期视觉特征；通过归一化中心-周围差 得到显著图后，采用赢者全得策略得到显著性区域位置。因为该方法简单且鲁棒性强，已被 很多光学图像目标识别系统所采用。但研宄发现，边缘信息是显著性区域判断和定位的关 键，该方法采用的高斯金字塔分解并不能保持准确的边缘位置，从而影响显著性区域的定 位精度。又由于该方法无法给出明确的显著性区域大小，因而无法准确标出显著性区域在 图像中的范围。在将该方法应用于SAR图像时，由于SAR系统成像过程中产生大量斑点噪 声会改变真实的图像强度，在匀质区域造成虚假边缘，又使得较亮的显著性区域的真实边 缘变得模糊，从而无法利用准确的边缘信息判定显著性区域，同时降低了其定位的准确性。
【发明内容】
[0004] 本发明的目的在于克服上述已有问题的缺点，提出一种基于各项异性扩散空间的 SAR图像显著性区域检测方法，以减小对区域显著性及其位置坐标的误判，提高算法的准确 性，并有效的给出显著性区域范围，为后续目标鉴别及识别奠定良好的基础。
[0005] 为实现上述目的，本发明的技术方案包括如下步骤：
[0006] (1)输入一幅IXJ大小的SAR图像SI，利用该图像上的一块矩形匀质区域R，计算 该图像的等效视数ENL;
[0007] (2)给定虚警概率pfa，根据等效视数ENL计算初始边缘门限T;
[0008] (3)设置最大尺度、最小尺度\_和尺度间隔AA，并设k依次 取值为从0到（入ax-Amin)/AA的所有整数，在尺度Amin+kXAA下，利用 (Amin+kXAA)X(Amin+kXAA)的检测窗口，计算每个像素点（i，j)的边缘强度gijk，其 中，其中i为像素点所在的行，j为像素点所在的列，1 <i<I，1 <j<J;
[0009] (4)根据边缘强度guk，计算在尺度入min+kXA入下每个像素点（i，j)的扩散系 数divuk;
[0010] (5)设m依次取值为从0到I的所有整数，n依次取值为从0到J的所有整数，根 据尺度入in+kXAA的扩散系数，计算尺度Amin+kXAA的第m行的行边缘参数矩阵Am，k 和第n列的列边缘参数矩阵A'n，k;
[0011] (6)设k依次取值从0到（A^-U/AA-1的所有整数，根据尺度Amin+kXA入 的行边缘参数矩阵和列边缘参数矩阵，利用加性算子分裂策略，计算尺度Amin+kXAA的 尺度图Uk及其对比图Uk';
[0012](7)根据（6)计算的尺度图Uk及其对比图Uk'，计算初始显著性矩阵Yt:
[0013] 7a)计算每个像素点（i，j)在尺度Amin+kXAA下的尺度显著性度量Suk;
[0014] 7b)找出7a)求得的AA个尺度显著性度量中最大的一个，如果该 尺度显著性度量对应的尺度&」为A_或A_-AX，则像素点（i，j)不具有显著性区域， 不再定义该像素点的显著性度量，否则，像素点（i，j)具有显著性区域，其显著性度量Su 为尺度Ru的尺度显著性度量，并将行向量（i，j，Ru，Sd加入初始显著性矩阵Yt;
[0015] (8)选取初始显著性矩阵YT中的前e%个最大的显著性度量对应的行构建新的 显著性矩阵Y/，0<e<100,再通过迭代方法得到稳定显著性矩阵乙，提取稳定显著性 矩阵Ys每一行的前两个元素作为中心的行列坐标以及第3个元素作为方形边长的像素数， 在SAR图像中画出相应的方形显著性区域。
[0016] 本发明与现有技术相比具有如下优点：
[0017] (1)本发明采用不同尺度的检测窗口判断像素的边缘强度，并将不同尺度的边缘 强度通过各项异性扩散建立对应尺度图，在准确给出边缘位置的同时能够有效的描述不同 尺度边缘信息，从而提高了区域显著性判断及定位的准确性；
[0018] (2)本发明在判断区域的显著性时，采用不同尺度对应的方形窗口计算显著性度 量，并将该度量的尺度作为区域的显著性尺度，从而给出了显著性区域在图像中的实际范 围。
[0019] 仿真结果表明，本发明与现有的SM显著性区域检测方法相比，有效的描述了不同 尺度上的边缘信息，增加了显著性区域的检测准确性，并有效的给出了显著性区域范围。
【附图说明】
[0020] 图1是本发明的实现总流程图；
[0021] 图2是本发明中计算边缘强度的子流程图；
[0022] 图3是本发明中计算扩散系数的子流程图；
[0023] 图4是本发明中计算行边缘参数矩阵和列边缘参数矩阵的子流程图；
[0024] 图5是本发明中计算尺度图及其对比图的子流程图；
[0025] 图6是本发明中计算稳定显著性矩阵的子流程图；
[0026]图7是本发明中对实测SAR图像进行各向异性扩散建立的尺度图；
[0027] 图8是用本发明对含有车辆目标的低分辨率实测SAR图像显著性区域检测结果 图；
[0028] 图9是用本发明对含有车辆目标的高分辨率实测SAR图像显著性区域检测结果 图；
[0029] 图10是用本发明对含有船舶目标的实测SAR图像显著性区域检测结果图。
【具体实施方式】
[0030] 以下结合附图对本发明的实施例及效果进一步说明：
[0031] 参照图1，本发明的具体实施步骤如下：
[0032] 步骤1.输入一幅IXJ大小的SAR图像SI，利用该图像上的一块矩形匀质区域R， 计算该图像的等效视数ENL:
[0034] 其中，mean( ?)是求均值，var( ?)是求方差，（m,n)GR表示像素点（m,n)包含 于区域R中，^表示像素点（m，n)的像素值，I为图像的行数，J为图像的列数。
[0035] 步骤2.给定虚警概率pfa，根据等效视数ENL计算初始边缘门限T:
[0037] 其中，Qinv( ?，?）为逆不完全伽马函数，虚警概率pfa是根据目标在图像中的显 著性程度进行设置，本实例设置为10%。
[0038] 步骤3.利用检测窗口，计算每个像素点的边缘强度guk。
[0039] 参照图2,本步骤的具体实现如下：
[0040] 3a)设定参数：最大尺度，最小尺度Amin，尺度间隔AA，像素点（i，j)的初 始行坐标为i= 1，列坐标为j= 1，尺度系数k= 0,其中A_，Amin，AA根据目标在图像 中可能的大小进行设置，本实例设60,Amin> 2,2彡AA彡10;
[0041] 3b)以像素点（i，j)为中心，利用（UkXA入）X(UkXA