基于伽玛分布和邻域信息的sar图像显著性区域检测方法
【专利摘要】本发明公开了一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，主要解决斑点噪声下现有算法不能稳定有效检测SAR图像显著性区域的问题。其实现步骤是：(1)利用8个灰度变化值检测窗口得到像素点的变化值和变化方向；(2)在不同尺度下构建像素点的变化值和变化方向的二维直方图对，计算邻域变化不一致性度量，并确定像素点邻域的显著性和显著性尺度；(3)通过斑点噪声的伽玛分布模型估计像素点在显著性尺度邻域的灰度直方图，计算显著性尺度的局部显著性度量以及像素点的显著性度量；(4)通过迭代方法得到稳定的显著性区域坐标及其区域半径。本发明减少了斑点噪声的影响，检测的稳定性以及有效性均得到提高，可用于SAR图像配准、变化检测和目标识别。
【专利说明】基于伽玛分布和邻域信息的SAR图像显著性区域检测方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，涉及SAR图像显著性区域检测，可用作SAR图像配准、变化检测和目标识别。
【背景技术】
[0002]合成孔径雷达(synthetic aperture radar, SAR)系统具有全天时,全天候，穿透性等特点，是一种重要的遥感数据来源。随着SAR图像在军事和民用领域应用需求的增长，对SAR图像进行自动分析和解译的需求也越来越多。利用SAR图像的局部特征对图像内容进行描述，不但可以减少图像分析的复杂度，还可以为SAR图像的匹配、变化检测、目标识别与分类打下基础。因此，有效的、准确的局部图像特征提取技术可以提高SAR图像的自动解译性能。
[0003]通过对人类视觉系统的研究，人们发现早期视觉首先感知突出于相邻区域的局部特征。这种局部特征具有某种形式的空间不连续性，被称为显著性区域。人类视觉系统将该特征作为基本元素对场景进行进一步的分析和理解。因此，在图像的分析和理解中，显著性区域也被当作一种有效的局部特征用于描述图像内容。针对显著性区域，Kadir和Brady提出了一种可靠的检测算法(Kadir.T, Brady.M.Saliency, Scale and Image Description.1nternational Journal of Computer Vision, 45 (2)，83-105，2001)。该算法步骤为:首先利用灰度直方图计算像素点不同尺度邻域的信息熵，并将其定义为不同尺度的局部显著性度量；对比这些熵值，判断该像素点的显著性，将局部最大熵的尺度定义为显著性尺度；利用像素点的显著性尺度邻域与其相邻尺度邻域的灰度直方图计算它们之间的不一致性，并将其定义为显著性尺度下的不一致性度量；最后，联合显著性尺度的两种度量给出像素点在该尺度的显著性度量。相比其它众多局部区域检测方法，该显著性区域检测算法只依赖于图像内容本身，从而避免了对先验信息的依赖。并且，该显著性区域检测算法利用特定大小的图像区域信息作为区域提取依据，它的结果更为鲁棒。但研究发现，将该方法应用于SAR图像时，由于SAR系统成像时产生的大量斑点噪声对灰度直方图的影响，得到的像素点的显著性判断及显著性度量并不准确，从而影响了显著性区域的位置和尺度的判定。
【发明内容】
[0004]本发明的目的在于克服上述已有问题的缺点，提出一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，以提高像素点的显著性判断及显著性度量的准确性，避免出现对区域显著性及其坐标和尺度的误判，为后续图像分析和理解奠定良好的基础。
[0005]为实现上述目的，本发明的技术方案包括如下步骤:
[0006](I)输入一幅IX J大小的SAR图像，利用8个不同的3X3灰度变化值检测窗口，计算该图像的每个像素点在8个方向上的灰度变化值；
[0007](2)将每个像素点在8个方向上灰度变化值的最大值，记录为该像素点的变化值，并将灰度变化值的最大值产生方向，记录为该像素点的变化方向，其中变化方向标记为I到8的整数；
[0008](3)将坐标为第i行第j列的像素点(i，j)的变化值和变化方向分别表示为XCij和 Xdi, 1≤i≤I，1≤j≤J；
[0009](4)根据每个像素点(i，j)的变化值和变化方向，1≤i≤I，1≤j≤J，计算初始
显著性矩阵Yt:
[0010]4a)计算像素点(i，j)的每个尺度r的二维直方图对
【权利要求】
1.一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，包括以下步骤: (1)输入一幅IX J大小的SAR图像，利用8个不同的3 X 3灰度变化值检测窗口，计算该图像的每个像素点在8个方向上的灰度变化值； (2)将每个像素点在8个方向上灰度变化值的最大值，记录为该像素点的变化值，并将灰度变化值的最大值产生方向，记录为该像素点的变化方向，其中变化方向标记为I到8的整数； (3)将坐标为第i行第j列的像素点(i，j)的变化值和变化方向分别表示为xCi，j和Xdi, j, l^i^I,l^j^J； (4)根据每个像素点(i，j)的变化值和变化方向，I≤i≤I，I≤j≤J，计算初始显著性矩阵Yt: 4a)计算像素点(i, j)的每个尺度r的二维直方图对
2.根据权利要求1所述方法，其中所述步骤I)每个像素点在8个方向上的灰度变化值，按下式计算:
3.根据权利要求1所述方法，其中所述步骤4d)像素点(i，j)的显著性尺度r',j邻域的等效视数，按下式计算:
4.根据权利要求1所述方法，其中所述步骤4e)像素点(i，j)的显著性尺度r'M的局部显著性度量//,?，按下式计算:
5.根据权利要求1所述方法，其中所述步骤4f)像素点(i，j)的显著性度量Su，按下式计算:
6.根据权利要求1所述方法，其中所述步骤5)通过迭代方法得到稳定显著性矩阵Ys，按如下步骤得到: (5a)设置显著性尺度差阈值Scamax，显著性度量差阈值Sal_，相邻像素点数量阈值nb，并设稳定显著性矩阵Ys为空矩阵； (5b)选择显著性矩阵Y/中显著性度量最大的像素点作为候选点，并计算显著性矩阵V中所有其它像素点坐标到候选点坐标的欧式距离；(5c)选择欧式距离小于候选点的显著性尺度邻域半径并与候选点的显著性尺度差绝对值小于Scamax和显著性度量差绝对值小于Salmax的像素点，作为候选点的相邻像素点；(5d)如果相邻像素点数小于nb，则将候选点所在行从显著性矩阵Y/中去掉；否则将候选点所在行加入稳定显著性矩阵Ys，再将候选点及其所有相邻像素点所在行从显著性矩阵Y/中去掉； (5e)判断显著性矩阵Y/是否为空，若为空则停止，并输出稳定显著性矩阵Ys;否则，回到步骤(5b)。
【文档编号】G06T7/00GK103500453SQ201310478762
【公开日】2014年1月8日 申请日期:2013年10月13日 优先权日:2013年10月13日
【发明者】张强, 吴艳, 王凡, 刘明, 李明, 范建伟 申请人:西安电子科技大学