基于小波和恒虚警率的雷达目标及阴影分割方法
【技术领域】
[0001] 本发明属于信号与信息处理技术领域，涉及将小波变换、目标检测、合成孔径雷达 成像和合成孔径雷达图像特点相结合的小波和恒虚警率的雷达目标及阴影分割方法。
【背景技术】
[0002] 图像分割既是图像处理的重要内容，又是图像分析、图像理解和图像模式识别等 方面的基础知识和关键技术。因此，图像分割已在许多领域得到了非常广泛的应用，例如生 物医学、遥感测绘、视频通信、航天航空、公共安全、档案管理、交通运输、农业、环境、生态、 地质、海洋、气象、灾害、救援等方面，而且随着图像分割理论和方法技术的不断发展和完 善，其在实际中的应用也更加广阔、更加深入。虽然一幅图像提供了大量有用的信息，但是 实际上我们往往只对图像里面的某部分区域感兴趣，而对其它区域不感兴趣。感兴趣区域 通常称为目标区域，它们具有相同或相似的特征，如灰度特征、纹理特征等；而剩下的其它 区域统称为背景区域。把感兴趣的目标区域从背景图像区域中提取或分离出来的过程就是 图像分割。所以，所谓的图像分割就是指按照一定的准则，把一幅图像划分成若干个在物理 上有意义的区域的集合，这些集合互不相交，相同的集合具有相同或者相似的特性，不同的 集合具有不同特性。
[0003] 由于图像在许多领域得到了广泛地应用，因此图像分割理论和方法技术也得到了 迅速的发展和应用，到目前为止，图像分割方法已有数百上千种，而且新的图像分割方法还 在不断地被提出。虽然图像分割方法种类繁多，但是每种方法通常都是针对不同的应用背 景而提出的，目前还没有一种对所有图像均能进行有效分割的方法，即尚未有一个普适的 分割框架适用于所有的图像。同时，分割结果的评判也没有一个统一的标准，很大程度上还 是依靠视觉判断。针对现有图像分割方法，从原理上大体可分为四类：（1)基于阈值的图像 分割；（2)基于边缘检测的图像分割；（3)基于区域生长的图像分割；(4)基于特定理论的 图像分割。阈值分割是通过对图像灰度值设置某阈值来实现图像分割，包含单阈值分割和 多阈值分割两类。阈值分割的优点是简单、易实现，缺点是适合于目标区域与背景区域具有 较强对比度的图像。边缘分割是通过先检测边缘点，然后连接边缘点，形成闭合的子图像边 界，从而实现图像的分割。因此，根据边缘检测方式的不同可分为串行边缘检测分割和并行 边缘检测分割。区域分割方法通常是根据图像的灰度、纹理、颜色等统计特征，充分考虑图 像的空间信息，然后把图像划分成不同的子区域来实现图像分割，典型的方法有：区域生 长法、分裂合并法和分水岭法等。随着科学技术的发展，各种特定的理论和新兴技术，如遗 传方法、各种智群方法等，它们与图像分割理论结合起来，产生了许多新的图像分割方法， 而且获得了良好的分割效果。
[0004] 合成孔径雷达（Synthetic Aperture Radar, SAR)是一种主动的微波遥感成像雷 达，具有典型的全天候、全天时获取遥感数据能力的特点，在民用和军用领域均得到了广泛 的应用。但是，其相干性成像机理造成SAR图像中包含着大量不可避免的斑点噪声，这对 SAR图像的分割和应用产生极大挑战和困难。因为通常的图像分割方法直接应用于SAR图 像，很难取得理想的分割效果，因此，有许多学者根据SAR图像的特点和应用背景提出了许 多不同的SAR图像分割方法。这些方法如果按SAR图像分割的目的来进行划分，可分为 两大类：一类是针对感兴趣目标的提取的图像分割；一类是针对地物分类的图像分割。如 果按减小SAR图像斑点噪声对图像分割的影响来划分，可分为直接分割和先滤波后分割 两类。在直接进行SAR图像分割中，一般都是通过对SAR图像数据进行统计建模，并在分 割模型中考虑斑点噪声的滤除，代表性的方法有：基于恒虚警率（Constant False Alarm Ratio, CFAR)检测的图像分割、基于马尔可人随机场（Markov Random Field, MRF)的图像分 割和基于边缘检测的图像分割等。
[0005] 基于CFAR检测的图像分割方法是通过对图像的统计特性进行估计，得到一个阈 值，然后将图像中每个像素的灰度值与该阈值进行比较，从而完成图像的分割。CFAR检测分 割方法的优点是分割速度快，缺点是仅考虑了图像的灰度信息，没有考虑空间信息，因此分 割结果中往往包含着斑点噪声，不能满足实际需求。虽然基于MRF模型的SAR图像分割方 法考虑了每个像素的空间邻域结构，但是缺陷也很明显：要处理的数据量大、方法收敛速度 慢、需要调节多个参数，很难实现优化。基于边缘检测的SAR图像分割方法受到SAR图像中 的斑点噪声的影响较大，如斑点噪声较多的情形中，边缘检测算子往往难以获得比较好的 边缘图，导致对边缘像素的位置难以准确定位。而且，现有的SAR图像分割方法中，一般都 是针对感兴趣目标或地物分类而进行的图像分割，很少涉及到目标阴影的分割。
【发明内容】
[0006] 针对上述现有技术状况，本发明的目的在于提供一种基于小波和恒虚警率的雷达 目标及阴影分割方法，不仅能有效地对SAR图像中的亮目标区域进行分割，而且能对这些 目标的阴影区域进行有效分割，同时还能针对SAR图像中的暗目标进行很好分割，分割效 果十分明显。
[0007] 现将本发明构思及技术解决方案叙述如下：
[0008] SAR是一种主动微波遥感成像雷达，相干性原理是其成像机理，这使SAR图像产生 大量斑点噪声，对SAR图像的有效、准确分割产生极大的影响。普通的图像分割方法直接应 用于SAR图像，通常很难获得理想的分割结果。原因是SAR成像机理非常复杂，不同于光学 成像，同时SAR图像还有其自身的特点，例如斑点噪声、方向敏感性等。对于一些弱散射目 标或隐藏目标的SAR图像，由于目标的散射与背景差不多，使获得的SAR图像中目标区域不 明显，即低信杂比或低信噪比SAR图像，这时的有效分割是一个严重的问题。CFAR检测方 法，虽然能够有效检测到目标，但是前提条件是：SAR图像具有较强的灰度对比度，否则效 果不理想。小波多尺度分解是一种有效的多尺度非平稳信息处理方法，如果直接用来进行 图像分割，结果也很难让人满意。
[0009] 根据SAR成像机理和SAR图像特点，以及CFAR检测原理和小波变换提出一种基于 小波和恒虚警率的雷达目标及阴影分割方法。该方法具有如下几个方面的优点：（1)对斑 点噪声不敏感，即降低了斑点噪声对SAR图像分割的影响；（2)克服单个CFAR检测方法要 求目标与背景有较大对比度的缺陷，即有有效对低信杂比SAR图像进行分割；(3)能同时检 测到目标区域和阴影区域；(4)能有效分割SAR图像中的弱散射目标，如机场跑道、公路、海 洋油污等；（5)具有较强的普适性，可以用于不同传感器的SAR图像分割，尤其是中低分辨 率的SAR图像。实验表明所提的CFAR和小波变换的SAR图像分割方法是一种可行、有效的 分割方法，有着极大的应用前景。
[0010] 根据上述发明构思和实验结果，本发明提出一种于小波和恒虚警率的雷达目标及 阴影分割方法，下面分别对该方法的实现步骤进行详细说明（参见说明书附图1)。
[0011] 步骤1 :输入合成孔径雷达（SAR)图像；
[0012] 步骤2:选择小波函数：
[0013] 步骤3 :进行小波多