尺度Amin+kXAA下的尺度显著性度量Suk:
[0100] 其中x为0到255变化的像素值，pijk(x)为尺度图Uk上以像素点（i,j)为中心， (UkXAA)X(A^+kXAA)方形窗口内像素值为x的像素点概率，Pi'，jk(x)为对 比图Uk'上以像素点（i，j)为中心，U^n+kXAA)X(A^+kXAA)方形窗口内像素值 为x的像素点概率；
[0101] 7c)找出7b)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，Su)加入初始显著性矩阵Yt;
[0102] 7d)根据像素点坐标跳转至相应步骤：当j辛J时，令j=j+1，并返回步骤7b); 当i乒I，j=J时，令i=i+1,j= 1，并返回步骤7b);当i=I，j=J时，执行步骤8。
[0103]步骤8.根据初始显著性矩阵YT，得到稳定显著性矩阵Ys。
[0104] 参照图6,本步骤的具体实现如下：
[0105] 8a)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彡1〇〇,e取值不超过20;
[0106] 8b)设置区域显著性比值sr，其取值不低于0. 3,并设稳定显著性矩阵Ys为空矩 阵；
[0107] 8c)选择新的显著性矩阵Y/中显著性度量最大的像素点作为候选点，构造以其 对应行的前两个元素为中心，第三个元素为边长的方形窗口，计算该方形窗口内具有显著 性区域的像素点个数与窗口内总像素点个数的比值sr';
[0108] 8d)将上述与sr进行比较，如果<sr，则将候选点所在行从新的显著性 矩阵Y/中去掉；否则，将候选点所在行加入稳定显著性矩阵Ys，再将候选点及方形窗口内 所有具有显著性区域的像素点所在行从新的显著性矩阵Y/中去掉；
[0109] 8e)判断新的显著性矩阵YT'是否为空，若为空则停止，并输出稳定显著性矩阵 Ys;否则，返回步骤8c)。
[0110] 步骤9.提取稳定显著性矩阵Ys的每一行在SAR图像中画出相应的方形显著性区 域，其中每一行的前两个元素为方形区域中心的行列坐标，第三个元素为方形区域的边长。
[0111] 本发明效果可以通过以下仿真进一步说明：
[0112] 1?实验条件
[0113] 实验仿真环境为：MATLABR2011b,Intel(R)Corei5-3470CPU3. 2GHz，Window7 专业版。
[0114] 2.实验内容及结果：
[0115] 实验1，分别将9X9和17X17的检测窗口作用于实测SAR图像，再利用加性算子 分裂策略得到对应尺度的尺度图，结果如图7所示，其中图7(a)是实测SAR图像，图7(b) 是尺度为9的尺度图，图7(c)是尺度为17的尺度图。
[0116] 由图7(b)可以看出，由于车辆及地形的边缘尺度大于9X9检测窗口尺寸，将该窗 口得到的边缘强度应用于各项异性扩散时，虽然匀质区域变得模糊，但车辆和地形的边缘 信息得到了很好的保持。
[0117] 由图7(c)可以看出，由于车辆边缘尺度小于17X17检测窗口尺寸，将该窗口得到 的车辆边缘的边缘强度应用于各项异性扩散时，车辆边缘变得模糊，而对应的地形边缘始 终大于检测窗口尺寸，所以仍然保持了地形边缘信息。
[0118] 实验2,分别用本发明方法和现有的SM显著性区域检测算法（Laurent. Itti,ChristofKochandErnstNiebur.AModelofSaliency-BasedVisualAttention forRapidSceneAnalysis.IEEETrans,onPatternAnalysisandMachineIntelligen ce，1998, 20(11) : 1254-1259)对含有车辆目标的低分辨率实测SAR图像进行显著性区域检 测。
[0119] 参数设置为：勾质区域R为行坐标58-225，列坐标109-268的矩形区域； 虚警概率Pfa= 〇. 1 ;最大尺度Xmax= 33，最小尺度Xmin= 5，尺度间隔AA= 4;
;e= 15 ;区域显著性比值sr= 1。
[0120] 检测结果如图8,其中图8(a)是含有车辆目标的低分辨率实测SAR图像，图8(b) 是用SM显著性区域检测算法对图8 (a)的显著性区域检测结果，图8(c)是本发明方法对图 8(a)的显著性区域检测结果。
[0121]由图8(a)可以看出，车辆目标在整幅图像中具有显著性。
[0122] 由图8(b)可以看出，SM显著性区域检测算法只检测出13个车辆目标中的6个车 辆目标，并且将部分匀质区域检测成了目标，此外虽然对于低分辨率图像，该方法能标出车 辆目标较准确的位置，但不能准确的标出目标范围。
[0123] 由图8 (c)可以看出，本发明能准确的检测出所有车辆目标的位置，并且没有在匀 质区域出现误检，而标出的目标范围与车辆目标的实际大小相符。
[0124] 实验3,分别用本发明方法和现有的SM显著性区域检测算法对含有车辆目标的高 分辨率实测SAR图像进行显著性区域检测。
[0125] 参数设置为：匀质区域R为行坐标35-74,列坐标180-209的矩形区域；虚 警概率pfa= 〇. 1 ;最大尺度Amax= 57,最小尺度Amin= 9,尺度间隔AA= 8 ;
;e= 10 ;区域显著性比值sr= 0? 8〇
[0126] 检测结果如图9,其中图9(a)是含有车辆目标的高分辨率实测SAR图像，图9(b) 是用SM显著性区域检测算法对图9 (a)的显著性区域检测结果，图9(c)是本发明方法对图 9(a)的显著性区域检测结果。
[0127] 由图9(a)可以看出，车辆目标在整幅图像中具有显著性。
[0128] 由图9(b)可以看出，SM显著性区域检测算法虽然检测出所有13个车辆目标，但 也受到地形变化的影响，将地形变化区域误检成目标，此外该方法不能准确的得到车辆目 标的位置，也无法标出准确的目标范围。
[0129] 由图9(c)可以看出，本发明没有受到地形变化的影响出现误检，而准确的检测出 了所有车辆目标的位置，并且能准确的标出与车辆目标的实际大小相符的目标范围。
[0130] 实验4,分别用本发明方法和现有的SM显著性区域检测算法对含有船只目标的实 测SAR图像进行显著性区域检测。
[0131 ] 参数设置为：勾质区域R为行坐标287-335，列坐标226-292的矩形区域； 虚警概率Pfa= 〇. 1 ;最大尺度Xmax= 31，最小尺度Xmin= 7，尺度间隔AA= 2;
;e= 6.6;区域显著性比值8『=0.31。
[0132] 检测结果如图10,其中图10 (a)是含有船只目标的实测SAR图像，图10(b)是用SM 显著性区域检测算法对图10 (a)的显著性区域检测结果，图10 (c)是本发明方法对图10 (a) 的显著性区域检测结果。
[0133] 由图10(a)可以看出，船只目标在整幅图像中具有显著性。
[0134] 由图10(b)可以看出，SM显著性区域检测算法无法准确的标出船只目标的位置。
[0135] 由图10(c)可以看出，对于长条形的船只目标，本方法不但能准确的检测出所有 船只目标的位置，并且能利用多个显著性区域交叠出与船只目标的实际大小相符的目标范 围。
【主权项】
1. 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，包括以下步骤： (1) 输入一幅IX J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 ; (2) 给定虚警概率pfa，根据等效视数ENL计算初始边缘门限T ; (3) 设置最大尺度λ_、最小尺度Amin和尺度间隔Λ λ，并设k依次取 值为从〇到（λ_-λπ?η)/Λ λ的所有整数，在尺度Amin+kX Λ λ下，利用 Umin+kX Λ λ)Χ (Amin+kX Λ λ)的