基于贝叶斯显著性的sar图像目标检测方法
【技术领域】
[0001] 本发明属于雷达目标检测领域，尤其涉及一种SAR图像目标检测方法，可用于地 面车辆目标检测。
【背景技术】
[0002] 雷达成像技术是20世纪50年代发展起来的，在以后的60年里得到了突飞猛进的 发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。
[0003] 合成孔径雷达SAR是一种利用微波进行感知的主动传感器，其与红外、光学等其 他传感器相比，SAR成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天时、全 天候的观测。因而SAR成为目前对地观测和军事侦察的重要手段，SAR图像自动目标识别 技术受到越来越广泛的关注。
[0004] SAR自动目标识别ATR技术通常采取美国林肯实验室提出的三级处理流程。该流 程采用一种分层注意机制，其实现过程是：首先，对整幅SAR图像进行检测处理，除去图像 中明显不是目标的区域，得到潜在目标区域；然后，对潜在的目标区域进行目标鉴别处理， 以剔除其中的自然杂波和部分人造杂波虚警；通过目标的检测和鉴别阶段，得到目标感兴 趣区域R0I;最后，再对目标R0I进行分类识别。在这种处理机制中，数据处理方法越来越 复杂，因此计算量会越来越大，但需要处理的数据量却是在逐步减少的，这样就能提高目标 识别系统的效率。
[0005] SAR图像目标检测是SAR自动目标识别ATR中的第一步，其重要性不言而喻。如何 准确并有效地检测出潜在目标区域也是近年来SAR图像解译应用的一大研究热点。
[0006] 在现有的SAR图像目标检测方法中，双参数恒虚警CFAR检测算法应用最为广泛。
[0007] 双参数CFAR检测算法是一种经典的像素级的SAR图像目标检测方法，该方法应用 的前提是在SAR图像上目标与背景杂波具有较高的对比度。双参数CFAR检测算法中设置了 目标窗口、保护窗口和背景窗口这3个窗口。其中，目标窗口是可能含有目标像素的窗口， 保护窗口是为了防止目标像素混入背景杂波中而设置的窗口，背景窗口是含有背景杂波的 窗口。传统的双参数CFAR是基于背景杂波的统计分布模型是高斯分布的假设。通过滑动 窗口，对SAR图像中的每个像素进行遍历。在每次滑动窗口的过程中，通过计算背景窗口内 的所有像素的均值和方差来对背景杂波进行参数估计并以此来确定一个阈值，如果目标窗 口内的像素大于这个阈值就认为是目标像素，否则就认为其是杂波像素。虽然双参数CFAR 是广泛应用的经典SAR图像目标检测算法，但其主要存在两方面的问题：首先，由于背景杂 波的统计分布模型并不一定服从高斯分布，复杂场景下的SAR图像尤为明显，导致这种目 标检测方法存在杂波统计模型参数估计不准确导致其容易产生虚警和漏警，目标检测准确 率较低；其次，由于双参数CFAR是一种像素级的目标检测方法，没有考虑目标的结构信息， 检测得到的二值图上目标像素点较离散、结构不完整，导致这种目标检测方法提取的疑似 目标切片中存在大量的只切到部分目标的切片，且多数目标没有位于切片的中央，目标检 测精度较低。
【发明内容】
[0008] 本发明的目的在于针对上述现有技术的不足，提出了一种基于贝叶斯显著性的 SAR图像目标检测方法，以减少虚警和漏警，提高SAR图像目标检测的准确率和精度。
[0009] 实现上述目的的技术方案包括如下：
[0010] (1)对一幅尺寸为WXH的原始SAR图像A进行超像素分割，得到超像素{Γι}，i= 1，...，N，其中，N为超像素的个数；
[0011] (2)对每个超像素rk计算其基于全局对比的先验显著度pg(rk)，得到与原始SAR 图像A尺寸相同的先验图C，并对先验图C进行最大值归一化处理得到先验显著图D;
[0012] (3)利用基于尺度选择的中心-周边差法，对原始SAR图像A进行处理得到似然显 著图E，对似然显著图E分割得到标注原始SAR图像A的前景区域F和背景区域B的二值图 V;
[0013] (4)分别统计原始SAR图像A的前景区域F和背景区域B的像素点的强度值出现 的频率，得到前景强度直方图Hf和背景强度直方图Hb;
[0014] (5)分别根据前景强度直方图Hf和背景强度直方图Hb计算原始SAR图像A上 每个像素点z(j)的前景似然概率值pf(z(j))和背景似然概率值pb(z(j))，其中，j= 1，2,. . .，WXH，然后把原始SAR图像A每个像素点z(j)的前景似然概率值pf(z(j))和背 景似然概率值Pb(z(j))分别按照原始SAR图像A每个像素点z(j)所在的对应位置进行排 列，得到与原始SAR图像A尺寸相同的前景似然图Mf和背景似然图Mb;
[0015] (6)在贝叶斯框架下根据先验显著图D、前景似然图Mf、背景似然图Mb，计算原始 SAR图像A每个像素点z(j)的贝叶斯后验概率值pB(z(j))，其中，j= 1，2，...，WXH，然后 把每个像素点z(j)的贝叶斯后验概率值PB(z(j))按照原始SAR图像A每个像素点z(j)的 对应位置进行排列，得到与原始SAR图像A尺寸相同的贝叶斯后验显著图P;
[0016] (7)对贝叶斯后验显著图P进行分割得到标注有贝叶斯后验显著图P前景和背景 的二值图〇 ;
[0017] (8)根据感兴趣的目标尺寸设置最大聚类距离d_，用该最大聚类距离d_对标注 有贝叶斯后验显著图P前景和背景的二值图〇进行聚类处理，得到聚类后的二值图Q;
[0018] (9)统计聚类后的二值图Q中每一聚类区域像素点个数，对聚类后的二值图Q中不 满足目标面积要求的聚类进行置零操作，即去除虚警区域，得到去除虚警区域后的二值图 Y;
[0019] (10)根据去除虚警区域后的二值图Y，在原始SAR图像A上进行切片提取处理，得 到疑似目标切片，即原始SAR图像A最终的目标检测结果。
[0020] 本发明与现有技术相比，具有以下优点：
[0021] 1.检测准确率高
[0022] 本发明是基于贝叶斯显著性的SAR图像目标检测方法，该方法与传统的双参数 CFAR目标检测方法不同的是其不需要对杂波进行统计建模。本发明由于引入了超像素， 使得构建SAR图像先验显著图时不是寻找显著的单个强散射点而是寻找显著的强散射区 域-超像素，可以有效的防止目标像素的漏检；同时由于采用贝叶斯框架融合先验图和观 测似然概率图得到贝叶斯显著图，可以综合考虑先验显著图和基于尺度选择的中心-周边 差法得到的显著图的结果，贝叶斯显著图可以相对完整地凸显原先在原始SAR图像上离散 的车辆目标，以及和目标强度相当的建筑物、树木等强杂波，最终可以采用聚类、去除虚警 区域等后续操作将大部分不符合目标先验尺寸的建筑物、树木等杂波虚警去除，保留感兴 趣的目标。
[0023] 2.检测二值图上物体结构完整，检测精度高
[0024] 本发明是基于贝叶斯显著性的SAR图像目标检测方法，由于超像素的引入以及贝 叶斯框架融合两种显著图的原因使得其得到的二值图中目标结构相对完整，区域连通性较 好，在聚类等后续处理中很容易将同一个目标聚为一类，而由聚类结果提取的切片中目标 大多也位于切片的中心，检测精度较高，有利于SAR ATR的第二阶段-目标鉴别的特征提 取。
【附图说明】
[0025] 图1是本发明的实现流程图；
[0026]图2是本发明实验中使用的原始SAR图像；
[0027] 图3是本发明方法对图2检测得到的去除虚警区域后的二值图；
[0028] 图4是本