基于高分辨sar图像的港口区域舰船检测方法【专利摘要】本发明提供一种基于高分辨SAR图像的港口区域舰船检测方法。技术方案包括下述内容：采用马尔可夫分割方法及形态学处理港口区域的高分辨SAR图像，得到陆地区域、海洋区域以及海岸轮廓线；利用舰船目标分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，将拟求解区域对应的高分辨SAR图像信息保存在求解矩阵中；基于MSER方法，在求解矩阵中求得舰船目标ROI；在求解矩阵中将舰船目标ROI与背景分离，得到舰船目标检测矩阵；剔除检测矩阵中的虚假目标；对于并排停泊的舰船目标，基于孔洞特征点方法，进行有效切分。本发明能进行高分辨SAR图像中港口区域舰船目标的有效检测。【专利说明】基于高分辨SAR图像的港口区域舰船检测方法【
技术领域：
】[0001]本发明属于雷达【
技术领域：
】，涉及利用港口区域的高分辨SAR(SyntheticApertureRadar，合成孔径雷达）图像提取舰船的方法，可用于港口区域动态监视、海事安全管理以及打击效果评估等。【
背景技术：
】[0002]SAR系统具备全天候、全天时的成像能力，还有一定的穿透性，已被广泛应用于军事和民生领域。近年来，利用高分辨SAR图像对港口内舰船目标进行检测和监视的研究成为SAR图像海洋应用研究的重要方面。[0003]在基于港口区域的高分辨SAR图像中，舰船等大型目标不再以点目标的形式出现，已经能分辨出其基本轮廓，舰船目标更多的细节信息或目标特征可以利用，但对于同样大小的地理场景，随着SAR图像分辨率的提高，需要处理的数据量也大幅度增加；此外，港口区域既处于杂波边缘环境，又包含多个舰船目标，背景杂波统计特性复杂，已有的统计模型，不足以描述这种异质混合不均匀特性，同时一个或多个舰船目标会出现在被检测舰船目标参考窗口中，破坏背景杂波的统计特性。[0004]因而，传统的基于CFAR(constantfalsealarmrate,恒虚警率）的检测方法应用于港口区域的高分辨SAR图像舰船检测时，一方面无法满足工程化应用的实时性要求，另一方面难以应对港口区域这种复杂的杂波边缘环境，检测性能较差。从而，基于高分辨SAR图像在港口等复杂环境中发现、辨别感兴趣的舰船目标，成为雷达领域一个挑战性课题。【
发明内容】[0005]本发明的目的在于针对上述已有技术的不足，提出一种基于高分辨SAR图像的港口区域舰船检测方法，以实现高分辨SAR图像港口区域舰船目标的精确定位与提取，并提高检测概率，加速检测过程，使其更有利于工程化应用。[0006]本发明的技术方案是，一种基于高分辨SAR图像的港口区域舰船检测方法，包括如下步骤：[0007]已知港口区域的高分辨SAR图像；采用基于马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线；根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息；利用舰船目标分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，得到的求解区域为缓冲区域加上海洋区域，将求解区域对应的高分辨SAR图像信息保存在求解矩阵中；基于MSER(MaximallyStableExtremalRegions,最稳定极值区域）方法，结合舰船目标分布区间信息，在求解矩阵中求得舰船目标R0I;在求解矩阵中将舰船目标R0I与背景分离，采用h分布拟合背景杂波，并由全局CFAR方法计算检测门限，从而得到舰船目标检测矩阵；利用舰船目标的形状参数，剔除检测矩阵中的虚假目标；利用舰船目标的长宽比，判断检测矩阵中并排停泊的舰船目标；对于并排停泊的舰船目标，基于孔洞特征点方法，进行有效切分。最终完成高分辨SAR图像中港口区域舰船目标的有效检测。[0008]本发明与现有技术相比具有以下优点：[0009]1、本发明通过沿海岸轮廓线向陆地方向设置缓冲区域，得到了合理的求解区域，符合港口区域舰船目标的停泊原则。在此求解区域检测舰船目标，避免了陆地强杂波、人造目标等干扰，同时也减小后期检测的运算复杂度，有效提1?检测效率。[0010]2、本发明通过MSER方法，求取舰船目标R0I，这是对传统检测方法最大的改进，其将舰船目标灰度、形状与大小等考虑在内，实现对舰船目标潜在区域的粗定位，在这些潜在区域对舰船进行检测，极大地减小数据处理量，同时也能抑制虚假目标、海岸杂波的影响。[0011]3、本发明在CFAR检测过程，剔除舰船目标R0I的影响，可实现对实际海杂波更准确的拟合，从而克服了传统方法中其它目标对当前目标检测的影响，因此可以将传统的双参数CFAR等方法简化为全局CFAR方法，通过杂波分布拟合，求得全局检测阈值，这极大地降低了检测的运算复杂度。[0012]4、本发明根据舰船目标的形状参数、长宽比，剔除虚假目标、判断并排停泊的舰船目标，并考虑实际并排停泊的舰船目标中间存在横向的细小粘连，导致若干个孔洞的形成，提出将各孔洞的中心作为切分特征点，拟合切分曲线，可对并排停泊的舰船目标进行有效切分及检测。【专利附图】【附图说明】[0013]图1为本发明的流程图；[0014]图2为本发明仿真实验中所使用的港口区域高分辨SAR图像；[0015]图3为本发明对图2进行二值化分割的结果；[0016]图4为本发明对图3进行形态学处理得到的标签图BW;[0017]图5为本发明对图4求取海岸轮廓线以及缓冲区域的设置；[0018]图6为本发明对图2得到的求解矩阵；[0019]图7为本发明对图6基于MSER方法得到的舰船目标R0I;[0020]图8为本发明舰船目标R0I分离后的杂波矩阵；[0021]图9为本发明对图7舰船目标R0I进行CFAR检测的检测矩阵；[0022]图10为本发明对图7进行CFAR检测的结果；[0023]图11为本发明对图9虚假目标剔除及有效切分的结果；[0024]图12为本发明对图2港口区域舰船目标的最终检测结果。【具体实施方式】[0025]下面结合附图对本发明的实施方式进行详细说明。[0026]步骤1:输入港口区域的高分辨SAR图像，得到MXN维图像矩阵I，图像矩阵I的第i行、第j列的像素灰度值为I(i，j)，其中i=1，2，...，M，j=1，2，...，N;[0027]步骤2:对图像矩阵I，采用马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线，具体步骤如下：[0028]2a)采用马尔可夫方法对输入图像矩阵I进行二值化分割，得到MXN维的二值图像，记为标签图BWi:其中表示陆地的像素，其像素值为1，记标签值为1;表示海洋的像素，其像素值为0,记标签值为0;[0029]2b)进行形态学处理：首先对标签图BWi进行闭操作，得到标签图BW2;然后计算标签图BW2中所有连通区域的面积Ak，k=1，2,..，K，K为标签图BW2中所有连通区域的个数，连通区域是指八连通区域；根据实际情况设定面积阈值A_，本发明中A_=500;设若Ak<A_，则认为标签图BW2的第k个连通区域为海洋中的强像素点，将该连通区域内像素的标签值赋为0,得标签图BW3;将标签图BW3置反，得标签图BW4，计算标签图BW4中所有连通区域的面积1=1，2,...，L，若久<心：>'则认为第1个连通区域为陆地的弱像素点，将该连通区域内像素的标签值赋为0,得标签图BW5;将BW5置反，得标签图BW，其中像素标签值为1的像素形成的区域表示陆地区域&，像素标签值为〇的像素形成的区域表示海洋区域R。；[0030]2c)根据得到的海洋区域和陆地区域，利用边界追踪方法得到海岸轮廓线；[0031]步骤3:根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息：[0032]已知高分辨SAR图像分辨率PaXpypa为方位向分辨率，p^为距离像分辨率；舰船目标尺寸的先验知识包括：舰船目标面积区间[Si，S2]、长度区间[Li，L2]、宽度区间[WpW2]，计算舰船目标在高分辨SAR图像中的分布区间信息如下：【权利要求】1.一种基于高分辨SAR图像的港口区域舰船检测方法，SAR是指合成孔径雷达，包括下述步骤：步骤1:输入港口区域的高分辨SAR图像，得到MXN维图像矩阵I，图像矩阵I的第i行、第j列的像素灰度值为I(i，j)，其中i=1，2，...，M，j=1，2，...，N;其特征在于，还包括下述步骤：步骤2:对图像矩阵I，采用马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线，具体步骤如下：2a)采用马尔可夫方法对输入图像矩阵I进行二值化分割，得到MXN维的二值图像，记为标签图BW1:其中表示陆地的像素，其像素值为1，记标签值为1;表示海洋的像素，其像素值为O，记标签值为O;2b)进行形态学处理：首先对标签图BW1进行闭操作，得到标签图BW2;然后计算标签图BW2中所有连通区域的面积Ak，k=1，2,..，K，K为标签图BW2中所有连通区域的个数，连通区域是指八连通区域；根据实际情况设定面积阈值Atjpt，若Ak<A_，则认为标签图BW2的第k个连通区域为海洋中的强像素点，将该连通区域内像素的标签值赋为0,得标签图BW3;将标签图BW3置反，得标签图BW4，计算标签图BW4中所有连通区域的面积B1,1=1，2,...，L，若马<爲技/4)'则认为第1个连通区域为陆地的弱像素点，将该连通区域内像素的标签值赋为〇,得标签图BW5;将BW5置反，得标签图BW，其中像素标签值为1的像素形成的区域表示陆地区域&，像素标签值为0的像素形成的区域表示海洋区域Rq;2c)根据得到的海洋区域和陆地区域，利用边界追踪方法得到海岸轮廓线；步骤3:根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息：已知高分辨SAR图像分辨率PaXPpPa为方位向分辨率，为距离像分辨率；舰船目标尺寸的先验知识包括：舰船目标面积区间[S1,S2]、长度区间[L1,L2]、宽度区间[W1,W2]，计算舰船目标在高分辨SAR图像中的分布区间信息如下：其中[Smin，Smax]、[Lmin，Lmax]、[Wmin，Wmax]分别为高分辨SAR图像中舰船目标的面积分布区间、长度分布区间和宽度分布区间；步骤4:利用舰船目标的分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，得到的求解区域为缓冲区域加上海洋区域，将求解区域对应的高分辨SAR图像信息保存在求解矩阵中，具体步骤如下：对标签图BW，沿海岸轮廓线进行腐蚀，得标签图BWs，其中向陆地区域方向腐蚀掉的区域为缓冲区域Re，缓冲区域Re的宽度根据实际需要确定，求解区域即为RfRe;设置求解矩阵込为1\"隹全零矩阵；遍历标签图既的像素点既(1，]_)，其中1=1，2，...，1，」=1，2，...，仏如果冊3(1，」）=0，则置13(1，」）=1(1，」）；步骤5:基于最稳定极值区域方法，结合舰船目标分布区间信息，在求解矩阵中得到舰船目标ROI，ROI即感兴趣区域，具体步骤如下：对求解矩阵Ia，通过最稳定极值区域方法，得到求解矩阵Ia中所有的最稳定极值区域，将面积值属于舰船目标面积分布区间[SmtoSmax]的所有最稳定极值区域都作为舰船目标ROI，一个最稳定极值区域对应一个舰船目标ROI，记为Rq，q=1，2,...，Q，Q为求解矩阵Ia中包含的舰船目标ROI个数；步骤6:在求解矩阵中将舰船目标ROI与背景分离，采用Gtl分布拟合背景杂波分布，由全局CFAR方法计算检测门限，从而得到舰船目标检测矩阵，具体包括下述步骤：6a)设置背景矩阵Ib=Ia，将背景矩阵Ib中所有舰船目标ROI包含的像素值置为0,由Gtl分布拟合背景杂波分布pb(x):根据实际需要设定虚警率Pfa，代入下述检测公式：=Jj.'PiX^(7)求得恒虚警检测门限仁；6b)设置检测矩阵FjMXN维全零矩阵，遍历求解矩阵Ia中位于Rq的像素点Ia(i，j)，若Ia(i，j)彡tr，则判定该像素为舰船目标像素，置Fa(i，j)=1;检测矩阵^中，Rq所包含的像素值为1的像素，组成潜在的舰船目标区域Tq;步骤7:由舰船目标的形状参数，剔除检测矩阵Fa中的虚假目标，具体包括下述步骤：遍历检测矩阵Fa中的潜在的舰船目标区域Tq，计算其形状参数Eq:其中Cq为潜在的舰船目标区域Tq的外围周长，即潜在的舰船目标区域Tq的外围轮廓所占的像素数目，Sq为潜在的舰船目标区域Tq的面积，即潜在的舰船目标区域Tq包含的像素数目；由舰船目标分布区间信息，计算阈值：Cfflax=2X(Lfflax+fffflax)(10)若Eq>te，则判定潜在的舰船目标区域Tq为虚假目标区域，将检测矩阵Fa中属于潜在的舰船目标区域Tq的所有像素点其值置为O;假定剔除虚假目标后，检测矩阵Fa包含Q-r个舰船目标区域T'q，，q'=1，2，...，〇-1~，1'为虚假目标的个数；步骤8:由舰船目标的长宽比，判断并排停泊的舰船目标，具体步骤如下：遍历检测矩阵Fa中的舰船目标区域T'q，，计算其长宽比Dq，=LqVWp其中!^，和^，分别为舰船目标区域T'q，的长与宽，即舰船目标区域T'q，的长轴与短轴所占的像素数目；由舰船目标分布区间信息，计算阈值：tD=Lmin/Wmax若Dq，<tD，则判定舰船目标区域T'q，包括并排停泊的舰船目标，本发明中并排停泊的舰船目标是指两个舰船目标并排停泊在一起；取检测矩阵Fa中包含舰船目标区域T'q，的最小矩阵作为一个待切分切片；设检测矩阵Fa中共包含U个待切分切片Gu，u=1，2,...，U，则U为并排停泊的舰船目标个数；步骤9:对并排停泊的舰船目标，进行有效切分；对每个待切分切片进行下述操作：9a)设置与切片Gu相同大小的全零矩阵Hu，采用形态学处理得到切片Gu的内部孔洞，将Hu中位于内部孔洞的像素点值置为1;9b)根据实际需要设置面积门限th，遍历Hu中所有连通域，若连通域的面积小于th，则将Hu中该连通域包含的像素点其值置为O;求取Hu中余下各连通域的中心，作为切分特征点Pu(V)，V=1，2,...，V，V为切片Gu的切分特征点个数；9c)采用二次样条拟合方法，将各切分特征点Pu(V)拟合成平滑曲线，将曲线向两侧各延展2个像素，作扩大处理，得到切分曲线Lu;将切分曲线Lu所对应的切片Gu中的像素点其值置为〇;将切片Gu映射到检测矩阵Fa。【文档编号】G06T7/00GK104331886SQ201410596785【公开日】2015年2月4日申请日期:2014年10月29日优先权日:2014年10月29日【发明者】王青平,袁乃昌,朱畅,王超,张晓发,冯起,吴微微,陈曦,黄敬健,赵宏宇,朱红申请人:中国人民解放军国防科学技术大学