基于归一化灰度霍夫变换和局部CFAR的尾迹检测方法与流程

本发明属于雷达目标检测技术领域，特别涉及一种在合成孔径雷达sar图像中快速有效检测舰船尾迹的方法。

背景技术：

舰船目标在合成孔径雷达sar海洋图像中通常表现为暗背景中的亮目标，因此，现有的舰船目标检测方法大多利用目标与其周围背景的强度差，采用恒虚警率cfar方法实现，但该类方法的性能受制于目标-杂波对比度tcr，当tcr降低时，检测性能随之下降。运动的舰船在海面通常会留下很长的一段尾迹，并且和周围海域形成较大的对比度，在探测图像中表现为线性结构特征。由于舰船尾迹区域面积较大，特征比较明显，利用舰船尾迹特征可以反演出舰船的航向、航速，也有助于发现尺寸和雷达后向散射强度远小于尾迹的弱小舰船目标。因此，利用sar图像进行尾迹检测得到了高度重视。

从海面混合波纹中提取舰船尾迹结构是非常复杂的问题。由于尾迹在sar图像中表现为线性结构特征，因此基于radon变换和hough变换的线性检测方法被广泛应用于sar图像海面舰船目标尾迹检测。但是这两种方法均具有各自的限制，其中，radon变换方法对于sar图像中以暗线特征呈现的尾迹检测率较低，并且容易漏检短小的尾迹。此外，radon变换对于有弯曲的线性结构检测性能不佳。hough变换是针对二值图像提出的，必须对原始sar图像进行二值化处理之后才能采用hough变换进行舰船尾迹检测，但是由于舰船尾迹在sar图像中表现形式或明或暗，因此通常难以自适应确定用于二值化处理的阈值；其次，hough变换只适合检测连续的线状结构，由于舰船尾迹容易受到海杂波和相干斑噪声影响，造成经过二值化处理之后的尾迹结构不连续，容易出现漏检。

针对radon变换和hough变换的缺点，种劲松等人(种劲松,朱敏慧.基于归一化灰度hough变换的sar图像舰船尾迹检测算法[j].中国图象图形学报,2004,9(2):146-150.)提出了归一化灰度hough变换。该方法在进行hough变换之前需要对舰船目标所在区域进行掩膜处理，即首先进行舰船目标检测，并将舰船目标区域的灰度值设定为背景均值，使舰船目标像素不能影响尾迹检测。但是舰船目标检测本身就是一个具有挑战性的问题，难以自适应地确定检测阈值。此外，由于尾迹检测是舰船目标检测的辅助手段，因此为了检测尾迹而先进行舰船目标检测是不合理的。

技术实现要素：

针对上述已有技术的不足，本发明提出了一种基于归一化灰度hough变换和局部cfar的尾迹检测方法，该方法在尾迹检测之前不需要对目标区域进行掩膜处理，并且能够准确快速的尾迹检测结果。

为达到上述目的，本发明采用如下技术方案予以实现。

基于归一化灰度hough变换和局部cfar的尾迹检测方法，包括如下步骤：

步骤1，输入待检测的sar图像，图像尺寸为m×n像素，利用归一化灰度hough变换将原始sar图像转换到hough参数空间h(ρ,θ)，其中ρ表示由原点至直线的法线距离，θ为直线的法线与x轴的夹角，θ∈[0,π]；

步骤2，利用局部滑窗计算hough参数空间h(ρ,θ)的检测统计量ts；

步骤3，根据设定的虚警概率pfa得到cfar检测门限t，根据下式得到hough参数空间的峰值和谷值区域的cfar检测结果bw，即

步骤4，设置最小面积门限amin，统计检测结果bw中各个连通区域的面积，若第i个连通区域的面积小于amin，则将该连通区域内所有的像素点置为0，由此得到c个面积较大的连通区域，将这c个连通区域的质心(x1,y1),(x2,y2),…,(xc,yc)作为c条尾迹对应的归一化灰度hough参数空间位置

步骤5，分别将c条尾迹对应的归一化灰度hough参数空间位置反演到图像域，在原始sar图像中标注尾迹检测结果。

相比于现有技术，本发明的显著优点在于：

1.本发明方法不需要进行舰船目标区域掩膜处理，避免了较为复杂的预处理过程；

2.本发明方法利用局部cfar的思想得到hough参数空间的检测统计量，能够进一步增强尾迹特征，提高了尾迹检测性能。

附图说明

图1是本发明的实现流程图。

图2是实验中所用的两幅舰船尾迹实测sar图像，图2(a)记作usa-tx1，图2(b)记作usa-tx2。

图3是usa-tx1区域sar图像对应的参数空间和cfar检测结果，图3(a)为usa-tx1区域sar图像对应的radon变换参数空间，图3(b)为usa-tx1区域sar图像对应的归一化灰度hough变换的参数空间，图3(c)为归一化灰度hough变换参数空间对应的检测统计量，图3(d)为归一化灰度hough变换参数空间检测结果。

图4是usa-tx1区域sar图像尾迹检测结果。

图5是usa-tx2区域sar图像对应的参数空间和cfar检测结果，图3(a)为usa-tx2区域sar图像对应的radon变换参数空间，图3(b)为usa-tx2区域sar图像对应的归一化灰度hough变换的参数空间，图3(c)为归一化灰度hough变换参数空间对应的检测统计量，图3(d)为归一化灰度hough变换参数空间检测结果。

图6是usa-tx2区域sar图像尾迹检测结果.

具体实施方式

下面结合附图对本发明的实施步骤和效果作进一步的说明。

参照图1，本发明实施例提供的具体包括以下步骤：

步骤1，输入待检测的sar图像f，图像尺寸为m×n像素，利用下式中的归一化灰度hough变换h{f}将原始sar图像f转换到hough参数空间h(ρ,θ)，即

其中，d表示坐标为x-y的整个图像平面；f(x,y)为坐标(x,y)处的像素亮度；δ为dirac函数；r(ρ,θ)为点(ρ,θ)所对应的x-y平面的几何直线上所有像素点的亮度累积值，将r(ρ,θ)记作亮度累积参数空间；l(ρ,θ)为点(ρ,θ)所对应的x-y平面的几何直线上所有像素点数目，将l(ρ,θ)记作直线长度统计空间。

h(ρ,θ)的具体实现通过以下步骤进行：

1a)设ρ在区间上均匀采样k点，θ在区间[0,π]上均匀采样q点，初始化亮度累积参数空间r(ρk,θq)＝0和直线长度统计空间l(ρk,θq)＝0，k＝1,2，…,k,q＝0,…,π；

1b)遍历sar图像中的每一个像素点(xi,yj)，i∈[1,m],j∈[1,n]，利用下式分别计算亮度累积参数空间r(ρk,θq)和直线长度统计空间l(ρk,θq)：

r(ρk,θq)＝r(ρk,θq)+f(xi,yj)

l(ρk,θq)＝l(ρk,θq)+1

其中，f(xi,yj)为坐标(xi,yj)处的像素亮度值。

1c)利用下式对亮度累积参数空间中的值r(ρk,θq)进行归一化处理，得到归一化灰度hough参数空间的值：

1d)当对参数空间的每一点(ρk,θq)，k＝1,2，…,k,…,π均统计完成后，即可得到归一化灰度hough变换的参数空间h(ρ,θ)。

步骤2，采用空心矩形局部滑窗，由检测窗口、保卫窗口和背景窗口三部分组成，设置检测窗口为1×1像素，保卫窗口和背景窗口的半窗长分别为g像素和b像素，保卫窗口和背景窗口之间的区域记作杂波区域，其中包含的所有像素用于统计建模。假设归一化灰度hough参数空间h(ρ,θ)中的像素灰度值服从高斯分布，利用滑窗遍历参数空间的每一个像素h(ρk,θq)，分别计算相对应的检测统计量ts(k,q)，具体实现方式按如下子步骤进行：

2a)假设滑窗沿着列方向滑动，对于第k行第q列像素(k,q)，保卫窗口中像素点的行范围为[k-g,k+g]，列范围为[q-g,q+g]，背景窗口中像素点的行范围为[k-b,k+b]，列范围为[q-b,q+b]，杂波区域内的像素点数为nc＝(2b+1)²-(2g+1)²。设像素点(k,q)的杂波区域对应的高斯分布参数记作(μ0,σ0)，其中μ0表示均值，σ0表示标准差，根据下式计算像素点(k,q)对应的检测统计量：

2b)利用像素点(k,q)的杂波区域对应的高斯分布参数(μ0,σ0)，计算像素点(k,q+1)的杂波区域对应的高斯分布参数(μ1,σ1)。对于坐标为(k,q+1)的像素点，保卫窗口中像素点的行范围为[k-g,k+g]，列范围为[q+1-g,q+1+g]，背景窗口中像素点的行范围为[k-b,k+b]，列范围为[q+1-b,q+1+b]，根据下式分别计算像素点(k,q+1)的杂波区域对应的高斯分布参数(μ1,σ1)，即

以此计算像素点(k,q+1)处的检测统计量

2c)利用像素点(k,q+1)的杂波区域对应的高斯分布参数(μ0,σ0)，计算像素点(k,q+2)的杂波区域对应的高斯分布参数(μ2,σ2)，得到像素点(k,q+2)处的检测统计量对第k行剩余q-3的像素点采取相似的处理，直至计算得到q列所有像素点对应的检测统计量；

2d)遍历所有k行像素点，重复执行步骤2a)～步骤2c)，直至计算得到参数空间h(ρ,θ)所有像素点所对应的检测统计量ts。

步骤3，设定虚警概率pfa，根据公式1-pfa＝φ(t)计算得到cfar检测门限t，其中，φ(·)表示标准正态分布函数。由于尾迹在sar图像中表现为或明或暗的线性结构特征，分别对应归一化灰度hough参数空间中的峰值和谷值位置。根据下式得到hough参数空间的峰值和谷值位置的cfar检测结果bw，即

步骤4，设置最小面积门限amin，统计检测结果bw中各个连通区域的面积，若第i个连通区域的面积小于amin，则将该连通区域内所有的像素点置为0，由此得到c个面积较大的连通区域，将这c个连通区域的质心(x1,y1),(x2,y2),…,(xc,yc)作为c条尾迹对应的归一化灰度hough参数空间位置

步骤5，分别将c条尾迹对应的hough参数空间位置反演到图像域，在原始sar图像中标注尾迹检测结果。

本发明的效果可以通过以下仿真结果进一步说明。

如图2所示，实验中使用的两幅实测terrasar-x图像来自于usa区域，将图2(a)和图2(b)分别记作usa-tx1区域和usa-tx2区域，数据获取时间为2015年1月28日，极化方式为单极化vv，距离向分辨率为7.645m，方位向分辨率为7.607m。

仿真1：usa-tx1区域的sar图像尺寸为1450×1000像素，场景中包含两艘舰船目标，对应的舰船尾迹在视觉上表现为一条较亮的臂。radon变换和归一化灰度hough变换的结果分别如图3(a)和图3(b)所示，通过直观对比可以看出，由于未对舰船目标进行掩膜预处理，因此radon变换参数空间存在两条较为明显的曲线，分别对应着两艘舰船目标。另外，需要注意的是radon变换参数空间在θ＝45°和θ＝135°存在很强的干扰，导致尾迹对应的谷值和峰值位置不明显。相比于radon变换而言，归一化灰度hough变换能够提高目标尾迹在变换空间的对比度，在经过局部滑窗处理之后，得到如图3(c)所示的检测统计量，可以看出，经过处理之后显著提高了尾迹暗区域的对比度，从而有利于检测性能的提升。设置虚警概率为pfa＝10^-4，最小面积阈值amin＝10，在检测统计量图中分别用白色矩形和黑色矩形标注检测到的峰值区域和谷值区域，可知共检测到两条亮尾迹和一条暗尾迹。从图4所示的尾迹检测结果可以看出，本发明方法能够有效检测尾迹。

仿真2：usa-tx2区域的sar图像尺寸为940×740像素，场景中包含一艘舰船目标，对应的舰船尾迹在视觉上表现为湍流尾迹、kelvin尾迹的横波成分以及窄v形尾迹的组合。radon变换和灰度归一化hough变换的结果分别如图5(a)和图5(b)所示。由于舰船目标在sar图像上并不明显，因此radon变换参数空间中不存在明显的亮曲线，但由于在θ＝45°和θ＝135°存在很强的干扰，导致峰值点的位置仍有偏差。设置虚警概率为pfa＝10^-4，最小面积阈值amin＝10，归一化灰度hough变换参数空间的检测结果如图5(c)和图5(d)所示，在检测统计量图中分别用白色矩形和黑色矩形标注检测到的峰值区域和谷值区域，可以推测存在一条暗尾迹以及三条亮尾迹，这与直观得到的先验信息是吻合的。本发明的尾迹检测结果如图6所示，检测结果表明本发明对于具有kelvin尾迹也具有良好的检测结果。