发明方法对图2处理提取的疑似目标切片在图2对应位置上显示的结 果；
[0029] 图5是用传统的双参数CFAR检测方法图2检测得到的去除虚警区域后的二值图；
[0030] 图6是用传统的双参数CFAR检测方法对图2提取的疑似目标切片在图2对应位 置上显示的结果。
【具体实施方式】
[0031] 以下结合附图对发明的实施例和效果作进一步详细描述。
[0032] 参照图1，本发明的实现步骤如下：
[0033] 步骤1，对一幅输入原始SAR图像A进行超像素分割。
[0034] 超像素的概念是光学图像领域学者Ren等人于2003年首次提出的。所谓超像素， 是指具有相似纹理、亮度、颜色等特征的相邻像素构成的图像块。
[0035] 超像素分割是按照相似性准则将图像划分成具有特殊语义的不同超像素。利用图 像中像素点之间的相似程度对像素点进行分组得到的超像素，不仅可以获得图像的结构信 息，而且可以降低后续图像处理的复杂度。
[0036] 在这里对SAR图像A进行超像素分割的目的有两个：一是为了得到具有结构信息 的超像素块，避免传统CFAR检测方法仅仅考虑单个像素强度差异的弊端；二是为了给后续 建立先验显著图、似然图等操作进行预处理并大大减少了后续处理的运算量。
[0037] 光学图像领域应用最广泛的超像素分割算法是简单线性迭代聚类SLIC算法，虽 然其在光学图像上应用效果良好，但是SAR图像与光学图像成像机理差异较大，SAR图像 是基于散射体后向散射电磁波强度成像的，SAR图像受到斑点噪声等影响在其上的物体多 成"点云"状，难以直接应用简单线性迭代聚类SLIC对其产生边界贴合度较好的超像素分 害J。因此，本发明采用了西安电子科技大学由王英华、余文毅等人于2015. 06. 03公开的公 开号为CN104680181A的发明专利"基于似然比特征的SAR图像超像素分割方法"，对输入原 始SAR图像A进行超像素分割。该方法是基于SAR图像的特点在传统的简单线性迭代聚类SLIC的基础上对其聚类时像素的相似性评价准则进行了改进，可以产生边界贴合度较好的 SAR图像超像素分割结果，得到超像素{r丄i= 1，...，N，其中，N为超像素的个数。
[0038] 步骤2,构建先验显著图。
[0039] 光学图像中现有的先验显著图的构建方法是由卢湖川等人于2014提出的基于局 部对比的先验显著图构建法，而对于目标像素点较为离散的SAR图像先验显著图的构建来 说，为了更完整地突出其上散射强度较高的目标，本实例采用由程明明等人于2015年发表 的文章"GlobalContrastbasedSalientRegiondetection，Ming-MingChenget.al.， IEEETPAMI，2015"中的基于全局对比的先验显著图构建法，该方法的具体操作步骤如下：
[0040] 2a)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，其中，超像素4的基于全局对比的先验显著度？，(4)的计算方 式如下·
[0041 ]
[0042] 其中，Ds(rk，ri)表示第k个超像素与第i个超像素在空间上的欧氏距离，常数〇s 是空间欧氏距离加权对于第k个超像素先验显著度的贡献程度，其值越小第k个超像素与 第i个超像素之间的空间欧氏距离对第k个超像素先验显著度的贡献越大；权值w(ri)是 第i个超像素的像素点个数，其值越大说明对于第k个超像素的先验显著度贡献程度越高； Djrk，Γι)是第k个超像素与第i个超像素强度分布直方图之间的欧氏距离，其主要表征两 个超像素之间的强度差异，强度差异越大说明第k个超像素的先验显著度越高；
[0043] 2b)对先验图C进行最大值归一化处理，得到先验显著图D，
[0044] 其中，最大值归一化的计算公式为
义(j)表示 先验图C上的第j个像素点的强度，max(Ic)表示先验图C上的最大强度值，ID(j)表示先验 显著图D的第j个像素点的强度，由于先验图C的所有像素点的强度值都是非负数，因此， ID(j)的取值范围为〇 <ID(j) < 1。
[0045] 步骤3,基于尺度选择的中心-周边差法得到似然显著图E，并对该似然显著图进 行分割，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。
[0046] 似然显著图E的构建目的是将感兴趣的车辆目标凸显出来，同时压低不感兴趣的 建筑物、树木、草地等杂波的强度。
[0047] 光学图像中现有的似然显著图的构建方法是由卢湖川等人于2014年提出的基于 "凸包"的构建方法，然而应用该方法构建大场景下的SAR图像的似然显著图是比较困难 的。基于似然显著图E的构建的目的，杜兰、王兆成等于2015年02月18日公开了公开号 为CN104361340A的发明专利"基于显著性检测和聚类的SAR图像目标快速检测方法"，其主 要思想是充分利用感兴趣目标的尺寸先验信息，对原始SAR图像A建立强度通道高斯金字 塔并根据目标尺寸对高斯金字塔的尺度进行选择，并根据选择的尺度对所选尺度下的SAR 图像建立强度显著图。利用该方法构建强度显著图，并按步骤2b)中的方式进行归一化，得 到似然显著图E，其中，似然显著图E的强度值IE取值范围为：0 <I1 ;
[0048] 3a)以步骤⑴中得到的原始SAR图像A的N个超像素区域{Γι}为掩膜，对似然 显著图E进行区域划分，得到区域{ruhi= 1，2，...，N;
[0049] 3b)计算似然显著图E上每个区域{γΕι1}的强度均值{muhi= 1，2，...，N，即：
[0050]
[0051] 其中，I、,表示似然显著图E上区域rEil的第j个像素点的强度，1^表示区域rEil 内的像素点个数；
[0052] 3c)根据强度均值{π^}构建其强度频率分布直方图HE，找到其右截尾面积α炎 所对应的强度值Τ，其中，0 <αΕ< 0. 1，然后利用Τ作为阈值与似然显著图Ε上各个区域 {rEil}的强度均值{mu}进行比较：
[0053] 若％1多T，则对似然显著图E上第i个区域内的所有像素点置1，该区域为前景区 域，若mufT，则对似然显著图E上第i个区域内的所有像素点置0,该区域为背景区域。
[0054] 在比较完所有区域{rEil}与阈值T的上述关系后，即可得到与原始SAR图像A尺 寸相同且标注原始SAR图像A的前景区域F和背景区域B的二值图V。
[0055] 步骤4,构建前景强度直方图Hf和背景强度直方图Hb。
[0056] 统计原始SAR图像A的前景区域F中0到255之间的强度值出现的次数{N1 (z)}，z =0, 1，. . .，255,得到前景强度直方图Hf，同样，统计原始SAR图像A的背景区域B中0至IJ 255之间的强度值出现的次数{N°(z)}，z= 0, 1，. . .，255,得到背景强度直方图Hb。
[0057]步骤5,构建前景似然图Mf和背景似然图Mb。
[0058] 5a)根据前景强度直方图Hf，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)):
[0059]
[0060] 其中，NYzU))为原始SAR图像A的第j个像素点强度值在前景强度直方图Hf中 出现的次数，^^为前景区域F总像素点个数；
[0061] 5b)根据背景强度直方图Hb，计算原始SAR图像Α上每个像素点z(j)的背景似然 概率