。图2 (C)和图2 (D)表示的SAR图像数据来源于Sandia National Laboratories公开的图像数据，图2(C)中包含多种军事运输车辆和坦克等目标，其大小为 512 X 400,图2 (D)是机场跑道目标，其大小为400 X 400,它们的空间分辨率为lm。这些SAR 图像的共同特点有：一是机载SAR图像，二是低信杂比或低信噪比SAR图像。在图2(D)中， 要分割的目标是机场跑道和机场建筑，而跑道是弱散射目标区域。
[0090] 图2(b)是目标区域的分割结果图，该分割结果说明本发明能有效地把低信噪比 SAR图像中目标区域进行分割。此时，图2(D)中的机场跑道当作阴影处理。图2(c)是阴影 区域的分割结果，效果非常好，这表明本发明也能有效地把低信噪比图像中的阴影区域进 行有效分割和提取。为提高视觉效果，分别用伪彩色来表示分割结果，如图2(d)和图2(e) 所示，其中，红色表示目标区域，绿色表示阴影区域。本实验结果表明本发明对SAR图像目 标的分割是可行的。
[0091] 为进一步表明本发明方法的普适性，针对星载SAR图像进行了有关实验，结果如 图3所示。
[0092] 其中图3(a)为原始SAR图像，它们的共同特点是SAR图像中无目标阴影（无明显 阴影）。其中，图3 (A)是机载SAR图像数据，来源于Sandia实验室，里面包含多个坦克群目 标，图像大小为256X256,空间分辨率为lm。这幅图像的特点是目标区域的阴影不太明显， 或者其阴影与背景杂波差不多。图3 (B)-图3 (D)是星载SAR图像数据，均来源于ERS-2,空 间分辨率为30m，其中图3 (B)-图3 (C)的大小均为400X 400,图3 (D)的大小为1024X 1024。 图3(B)中包含多只舰船目标，图3(C)中包含单只舰船目标，而且这些目标都无阴影区域， 属于典型的低分辨率SAR图像。图3 (D)是一片海洋区域，里面包含着是油污带，也是我们 需要提取分割的目标。图3(A)和图3(B)是高信杂比图像，而图3(C)和2(D)是低信杂比 图像。图3(b)是实验结果，从图3(b)中可知，本发明方法能有效地把相应的目标区域进行 分割。
【主权项】
1. 基于小波和恒虚警率的雷达目标及阴影分割方法，其特征在于：包括以下步骤： 步骤1 :输入合成孔径雷达图像； 步骤2 :选择小波函数： 步骤3 :进行小波多尺度分解； 步骤4 :选择小波分解后的高频子图像； 步骤5:输入CFAR检测器I : 步骤5. 1 :输入CFAR检测器，即利用设置的恒虚警率来确定检测阈值； 步骤5. 2 :在给定的某个虚警率条件下，通过分析SAR图像的统计分布特性来确定检测 阈值，实现目标的检测或分割： 步骤5. 3 :通过双重CFAR检测和小波分解的结合，克服目标区域和背景区域之间对比 度不强的缺陷。 步骤6 :对选择的子图像进行分割处理； 步骤6. 1 :选择步骤4中需要进行图像分割运算的子图像，利用步骤5确定的阈值进行 处理； 步骤6. 2 :若子图像中某个像素的值大于阈值T，就把它保留，认为是目标区域； 步骤6. 3 :若某个像素的值小于阈值T，就设置为零，认为是背景杂波区域；获得的结果 是所有被选择子图像的分割图像； 步骤7 :进行小波反变换； 步骤8:去除均值； 步骤9:输入CFAR检测器II : 步骤9. 1 :输入CFAR检测器，即利用设置的恒虚警率来确定检测阈值； 步骤9. 2 :在可调节的虚警率条件下，通过分析SAR图像的统计分布特性来确定检测阈 值，实现目标的检测或分割： 步骤9. 3 :通过双重CFAR检测和小波分解的结合，克服目标区域和背景区域之间对比 度不强的缺陷； 步骤10 :输入最终需要分割的目标；即输入目标区域或阴影区域或目标和阴影区域； 步骤11 :对图像进行第二次分割处理： 步骤11. 1 :选用相干性恒虚警率进行方法目标检测； 步骤11. 2 :利用步骤9设置的恒虚警率获得的阈值T，按照步骤10中所输入的目标，对 第一次分割后的SAR图像进行第二次分割处理；根据输入的目的不同，获得不同的分割结 果。2. 根据权利要求1所述的基于小波分解和CFAR检测的SAR目标及阴影分割方法，其特 征在于：步骤2中所述的"选择小波函数"，是指选择具有紧支集、正交、正则性且正则性随 着序号M的增加而增加特点的Daubechies小波函数。3. 根据权利要求1所述的基于小波分解和CFAR检测的SAR目标及阴影分割方法，其特 征在于：步骤3中所述的"对SAR图像进行小波多尺度分解"的具体步骤为： 步骤3. 1 :确定小波分解的尺度N，即最佳分解尺度； 步骤3. 2 :利用选择的尺度和小波函数进行分解； 步骤3. 3 :获得各个分解尺度的子图像。4. 根据权利要求1所述的基于小波分解和CFAR检测的SAR目标及阴影分割方法，其 特征在于：步骤5. 1中所述的"输入CFAR检测器，即利用设置的恒虚警率来确定检测阈值" 的阈值确定是一种在背景确定的情况下对阈值的自适应检测技术，阈值T的确定与SAR图 像的背景杂波分布模型有着紧密的关系；假设SAR图像的背景和目标的概率密度函数分别 为pB (X)和ρτ (X)，虚警概率Pf和检测率P d的定义分别为其中，Pf为虚警概率，不同的Pf可以得到不同的T，背景杂波分布有：对数正态 (Log-normal)分布、瑞利（Rayleigh)分布、韦布尔（Weibull)分布、K分布、Gamma分布、皮 尔逊（Pearson)分布，其中瑞利分布是韦布尔分布的特例，则判别准则为其中，l(x，y)表示像素点（x，y)的灰度值。5. 根据权利要求1所述的基于小波分解和CFAR检测的SAR目标及阴影分割方法，其特 征在于：步骤7中所述的"进行小波反变换"是指将步骤4中选择剩下没有进行第一次CFAR 检测分割处理的子图像和步骤6中对选择的子图像进行分割处理后的图像，一起进行小波 逆变换；6. 根据权利要求1所述的基于小波分解和CFAR检测的SAR目标及阴影分割方法，其特 征在于：步骤8中所述的"进行去除均值处理"是指去除背景杂波的影响，获得的图像就是 实施第一次分割后的SAR图像。
【专利摘要】本发明涉及基于小波和恒虚警率的雷达目标及阴影分割方法。包括：输入合成孔径雷达图像；选择小波函数；进行小波多尺度分解；选择小波分解后的高频子图像；输入CFAR检测器Ⅰ；对选择的子图像进行分割处理；进行小波反变换；去除均值；输入CFAR检测器Ⅱ：输入最终需要分割的目标；对图像进行第二次分割处理共11个步骤。其优越性在于：降低了斑点噪声对SAR图像分割的影响；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，能同时检测到目标区域和阴影区域；能有效分割SAR图像中的弱散射目标，具有较强的普适性，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。
【IPC分类】G06T7/00
【公开号】CN105160648
【申请号】CN201410691972
【发明人】黄世奇, 王艺婷, 苏培峰, 王百合, 刘代志
【申请人】中国人民解放军第二炮兵工程大学
【公开日】2015年12月16日
【申请日】2014年11月26日