一种基于非规则标识点过程的sar图像目标提取方法
【技术领域】
[0001] 本发明属于图像处理领域，特别涉及一种基于非规则标识点过程的SAR图像目标 提取方法。
【背景技术】
[0002] SAR(SyntheticApertureRadar，合成孔径雷达）系统不受气候条件及日照的影 响，可以全气候全天时进行工作，被广泛运用于民用及军事领域。其中目标提取是用来辨识 地物目标的重要环节。但在SAR图像中，其特有的斑点噪声导致目标与背景的边界不明显 甚至模糊，这使得人们难以准确的确定地物目标的几何形状，因此针对SAR图像目标提取 成为图像处理领域研究的热点及难点问题。
[0003] 图像的主要信息一般集中在几个少数的关键区域内，这些区域称为感兴趣区域。 图像目标提取的任务就是从单幅图像或序列图像中将感兴趣的目标与背景分割开来，用于 后续的处理。在现有技术中，传统的基于MPP(MarkedPointProcess，标识点过程）的几何 特征提取方法是最有效的方法。目前该类方法中，地物目标几何是由预先定义的规则图形 约束的，但由于实际地物目标并非都是规则图形，因此上述方法难以较好的拟合出地物目 标。
【发明内容】
[0004] 针对现有技术存在的不足，本发明提供一种基于非规则标识点过程的SAR图像目 标提取方法。
[0005] 本发明的技术方案如下：
[0006] -种基于非规则标识点过程的SAR图像目标提取方法，包括以下步骤：
[0007] 步骤1 :给定待提取目标图像，并假设该图像上共有m个目标；
[0008] 步骤2 :建立地物目标几何模型；方法为：1)在该图像上，随机产生m个点，并将该 m个点分别作为该图像上各目标的重心点；2)在该图像上，分别为每个重心点生成一个由 若干节点构成的多边形，其中各多边形之间不发生重叠，所述多边形即为相应重心的标识， 所有重心点对应的多边形标识之和即为所有提取的目标；
[0009] 且作出如下定义：重心点集G= {G.j= (u.j,v.)GD;j= 1，…，m}，其中，（u.j,v.) 为第j个地物目标的几何重心坐标；节点集P= {P.j={(stn)GD;1 = 1，???，k}，j= 1，;P_j={(s_n,tn)GD;1 = 1，???，k}为第j个重心点对应的节点集，其中，kj为第j 个重心点对应的节点总数；
[0010] 步骤3 :基于地物目标几何模型，建立图像几何特征提取模型；
[0011] 步骤4 :采用RJMCMC算法模拟后验概率的方法，求取图像几何特征提取模型的最 优解；
[0012] 步骤5 :输出目标提取结果图像。
[0013] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述的步骤3包括 如下步骤：
[0014] 步骤3. 1 :假设图像中各像素的强度值相互独立且均服从高斯分布，分别定义图 像目标区域内像素的联合概率密度函数、图像背景区域内像素的联合概率密度函数和图像 域内所有像素的联合概率分布函数，得到高斯分布参数集合9 ;
[0015] SAR图像中包括目标区域和背景区域，即D= {D。，％}，其中，目标区域由m个非规 则多边形标识构成，即〇。= {P」，j= 1，…，m} = {(X;，y;)GP.j，j= 1，…，m}，背景区域Db ={(Xl，yi)GDVU，即SAR图像中目标区域以外的像素均为背景区域像素；
[0016] 目标区域像素强度集合为：&={Z1;(xdyi)GDJ。假设其中各像素强度服从均 值和标准差分别为和〇 ^的独立同一高斯分布，则Z。的联合概率密度函数为：
[0017]
-I-a. ......wv ? 'V/
[0018] 背景区域像素强度集合为：Zb= {Z1;(Xl，yi)GDb}。同样，假设其中各像素强度服 从均值和标准差分别为yb和〇b的独立同一的高斯分布，则zb的联合概率密度函数为：
[0019]
[0020] 假设目标区域和背景区域像素分布相互独立，则图像域内所有像素的联合概率分 布可定义为：
[0021]
[0022] 其中，0 为高斯分布参数集合，0 = {(y。，〇。)，（yb，〇 b)} = {0。，0J;
[0023]步骤3. 2:分别定义各参数的先验概率，所述参数包括：高斯分布参数集合0、多 边形个数m、重心点集G、节点集P;
[0024] 高斯分布参数集合0的先验概率分布：假设高斯分布参数均服从正态分布，且相 互独立，则高斯分布参数联合概率密度函数定义为：
[0025]
[0026]其中k，|k)，k=1，2, 3, 4分别表示目标像素强度正态分布参数和背景像素强 度正态分布参数所服从的先验正态分布的均值和方差；x1=y。，义2= 〇。，义3=yb，x4= 〇 b;
[0027] 多边形个数m的先验概率分布：假设其满足均值为A的泊松分布，BP:
[0028]
[0029] 目标重心点集G的先验概率分布：假设目标重心点均匀分布于图像域D，并且各重 心点相互独立，则目标重心点的先验概率密度函数为：
[0030]
[0031] 其中|D|表示图像域D的面积。
[0032] 节点集P的先验概率分布：对于给定重心点（Uj，Vj)，其对应的多边形顶点各自独 立均匀分布于图像域D上，则匕={(sn，tn)GD;1 = 1，…，kj的概率：
[0033] \.丨
丨y
[0034] 则节点集P= {P_j,j= 1，的先验概率分布为：
[0035]
[0036] 步骤3. 3 :由步骤3. 1得到的联合概率分布和步骤3. 2得到的先验概率，根据贝叶 斯定理得到目标图像的后验概率分布，即图像几何特征提取模型；
[0037] 根据贝叶斯定理得到目标图像的后验概率分布函数为：
[0038] p( 0，G，m，P|Z)p(Z| 0，G，m，P)p( 0 )p(P|m，G)p(G|m)p(m)
[0039] 进而得到图像几何特征提取模型为：
[0040]
?
[0041] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述的步骤4包括 如下步骤：
[0042] 步骤4. 1 :通过随机改变高斯分布参数集合0中的参数来更新高斯分布参数；
[0043] 步骤4. 2 :通过位移多边形操作来找到目标的位置；
[0044] 步骤4. 3 :分别通过增加多边形操作和删除多边形操作来确定目标个数；
[0045] 步骤4. 4:分别通过增加多边形节点操作和删除多边形节点操作来确定目标几何 形状；
[0046] 步骤4. 5:合并多边形；
[0047] 步骤4. 6 :重复执行步骤4. 1至步骤4. 5,直至后验概率分布函数达到最大值，进而 得到目标几何特征提取模型的最优解。
[0048] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述步骤4. 1包括 如下具体内容：
[0049] 依次更改SAR图像的背景区域及目标区域的高斯分布参数集0 = |>b，〇b， y。，〇。}中的参数，得到新的高斯分布参数集9 %则更新高斯分布参数的接受率为：
[0050]
[0051] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述步骤4. 2位移 多边形操作的方法为：在m个地物目标的重心点集G中以等概率随机选取其中一个重心点； 位移该重心点到新的位置，所述新的位置为以该重心点的初始位置为圆心，预设半径叫的 圆内任意点的位置；计算该重心点由其初始位置到新的位置的坐标偏移量；同时，将该重 心点对应的所有节点均以相同的坐标偏移量位移到新的位置，则该重心点的新位置的接受 率为：
[0052]
[0053] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述步骤4. 3中增 加多边形操作的方法为：首先在图像域D中随机产生一个新的重心点，并标记为m+1 ;将该 新的重心点加入到重心点集G中，形成新的重心点集G%建立第m+1个重心点对应的多边 形，即在该新的重心点的周围附近生成多个节点，并按照一定顺序顺次连接该多个节点，形 成新的多边形，该新的多边形与原有多边形不能相交；同时，形成了新的节点集，则增加 该新的多边形的接受率为：
[0054]
[0055] 所述步骤4. 3中删除多边形操作是所述步骤4. 3中增加多边形操作的对偶操作， 因此删除多边形的接受率为：=
[0056] 根据所述的基于非规则标识点过程的SAR图像目标提取方法，所述步骤4. 4中增 加多边形节点操