基于高分辨率SAR的目标检测方法、装置、设备及存储介质与流程

基于高分辨率sar的目标检测方法、装置、设备及存储介质
技术领域
1.本发明涉及目标检测与分类技术领域，特别涉及一种基于高分辨率sar的目标检测方法、装置、设备及存储介质。


背景技术：

2.海洋是国家权益的重要保护范围，在国土面积中占有较大比重。随着各国海洋信息化建设的发展，在海域监测方面，海面船只是重点监测对象，对于海上交通、渔业监测、国防安全均具有重要意义。sar(synthetic aperture radar，合成孔径雷达)具有全天时、全天候和远距离微波成像的特点，在海洋船只监测方面具有独特优势，特别是在应对突发事件的监测方面应用广泛。
3.基于高分辨率sar图像的海面船只监测的主要任务是从sar图像中检测出船只目标，乃至实现基于目标特征的船只分类，在此过程中，船只的范围及尺度信息对于目标性质的判定非常重要。一般而言，基于sar图像的船只目标信息提取和分类，首要解决的问题就是目标区域范围的界定，变换为数学问题，即如何精确提取目标区域的最小外接矩形(minimum bounding rectangle，mbr)的问题。目前，在sar图像船只检测和分类研究领域，针对该问题的研究并不突出，其原因大致有如下两个方面：一是以往的研究由于受sar图像分辨率较低的制约，往往只关注于船只检测，即只要检测发现目标即可，很少关注目标尺度或粗略提取目标尺度信息即可；二是随着高分辨率sar系统的快速发展，基于高分辨率sar图像的海面船只分类研究仍处于起步阶段，目前人们更多关注于目标特征和分类算法的研究。然而，准确、快速的船只目标mbr提取对于船只分类应用十分重要，会严重影响后续目标特征提取的准确性，进而影响分类结果。
4.就现阶段而言，基于sar图像分割或目标检测的目标mbr提取方法，其大致的处理流程是：首先，对sar目标切片图像进行基于阈值的目标分割或目标检测，获取目标和背景的二值图像；然后，在获取的目标、背景二值图中，采用数学方法计算目标区域的mbr。一般而言，这种提取方法对于低分辨率sar图像通常影响不大，但是，当应用于高分辨率sar图像时，由于突出的sar目标散射旁瓣问题，即：在高分辨率sar图像中，目标的强散射部位往往会形成较强的“一字”或“十字”拖尾现象，如图1所示，其中(a)为散射旁瓣“十字”拖尾现象，(b)为散射旁瓣“一字”拖尾现象。由此导致在分割的目标二值图中，目标区往往会受到“一字”或“十字”散射旁瓣拖尾的干扰，此时，直接提取mbr会严重偏离真实目标的mbr。为了克服这一问题，通常有两种解决思路，其一是对sar船只目标切片图像进行预处理，即通过散射旁瓣抑制来降低散射旁瓣的影响；其二是采用形态学处理的方法对目标分割二值图进行处理，消除二值图中的“一字”或“十字”散射拖尾，在此基础上提取船只目标的mbr。其中，由于处理难度和复杂度问题，前者方法研究相对较少，个别文献或采用图像增强的算法、或采用迭代搜索处理的方法；而大多数人则采用后者的处理方法，即通过形态学膨胀、腐蚀等算法去除目标分割二值图中散射旁瓣干扰。
5.在现有技术中，提取sar海面船只的mbr时存在如下技术缺陷：(1)采用图像增强算
法预处理sar船只目标图像会导致目标区域和旁瓣散射干扰的同步增强或减弱，很难达到旁瓣散射消除效果；(2)采用迭代搜索处理旁瓣散射的方法计算耗时大，且在迭代处理后期，随着旁瓣散射干扰的减弱，船只目标区内其它强散射部位会被误搜索进行处理；(3)基于形态学处理目标分割二值图的方法在消除旁瓣散射干扰时，会不可避免的同时扩大或腐蚀真实目标区域，导致目标mbr失真严重。
6.综上，如何快速准确提取满足快速应用需求的高分辨率sar海面船只目标，强散射旁瓣情况下的目标最小外接矩形是目前有待解决的问题。


技术实现要素：

7.有鉴于此，本发明的目的在于提供一种基于高分辨率sar的目标检测方法、装置、设备及存储介质，能够快速准确提取满足快速应用需求的高分辨率sar海面船只目标，强散射旁瓣情况下的目标最小外接矩形。其具体方案如下：
8.第一方面，本技术公开了一种基于高分辨率sar的目标检测方法，包括：
9.获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；
10.筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；
11.基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；
12.根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。
13.可选的，确定所述切片图像的亮度均值，包括：
14.获取所述切片图像的宽度信息和高度信息；
15.利用所述宽度信息和所述高度信息确定出所述切片图像的总像素数；
16.基于所述总像素数与所述切片图像中的所有像素的灰度级确定出所述切片图像的亮度均值。
17.可选的，确定所述切片图像中每一行的行亮度总值和每一列的列亮度总值，包括：
18.对所述切片图像进行逐行统计，并基于所述高度信息与所述切片图像中的每一行像素的灰度级确定出所述切片图像中每一行的行亮度总值；
19.对所述切片图像进行逐列统计，并基于所述宽度信息与所述切片图像中的每一列像素的灰度级确定出所述切片图像中每一列的列亮度总值。
20.可选的，所述基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置，包括：
21.构建用于界定所述散射旁瓣抑制区域的范围的阈值关系式；
22.基于所述阈值关系式，利用所述亮度均值与所述目标行的亮度值确定出第一结果阈值，利用所述亮度均值与所述目标列的亮度值确定出第二结果阈值；
23.以所述目标行为中心，将在所述目标行两侧的预设像素范围内的其他行的行亮度
总值与所述第一结果阈值相比较，当所述其他行的行亮度总值小于所述第一结果阈值，则判定所述其他行的位置为散射旁瓣抑制区域的边界位置；
24.以所述目标列为中心，将在所述目标列两侧的所述预设像素范围内的其他列的列亮度总值与所述第二结果阈值相比较，当所述其他列的列亮度总值小于所述第二结果阈值，则判定所述其他列的位置为散射旁瓣抑制区域的边界位置。
25.可选的，所述基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，包括：
26.当所述边界位置之间的间隔小于预设像素值时，则判定所述边界位置之间存在散射旁瓣，然后对所述切片图像进行散射旁瓣抑制处理，以得到目标切片图像。
27.可选的，所述基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像之后，还包括：
28.基于所述目标行的亮度值与所述目标行对应的边界位置确定出用于替换所述散射旁瓣抑制区域内的图像行的像素值，以对所述图像行进行所述散射旁瓣抑制处理；
29.基于所述目标列的亮度值与所述目标列对应的边界位置确定出用于替换所述散射旁瓣抑制区域内的图像列的像素值，以对所述图像列进行所述散射旁瓣抑制处理。
30.可选的，所述对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图，包括：
31.利用预设模型算法确定出用于检测所述目标切片图像中所述舰船目标的全局检测阈值；
32.将所述目标切片图像中的每一个像素值与所述全局检测阈值进行比较，并判断当前像素值是否大于所述全局检测阈值；
33.当所述当前像素值大于所述全局检测阈值时，判定所述当前像素值为目标点，并将所述目标点的像素值置为255；
34.当所述当前像素值不大于所述全局检测阈值时，判定所述当前像素值为背景点，并将所述背景点的像素值置为0。
35.第二方面，本技术公开了一种基于高分辨率sar的目标检测装置，包括：
36.切片图像获取模块，用于获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；
37.散射旁瓣抑制区域确定模块，用于筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；
38.散射旁瓣抑制处理模块，用于基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；
39.最小外接矩形确定模块，用于根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。
40.第三方面，本技术公开了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如
前所述的基于高分辨率sar的目标检测方法。
41.第四方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如前所述的基于高分辨率sar的目标检测方法。
42.本技术中，首先获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；然后筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；最后根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。可见，通过统计高分辨率sar海面舰船目标的切片图像的行、列亮度总值，搜索图像中可能存在目标的散射旁瓣引起的“十字”或“一字”拖尾亮线，然后通过图像均值和散射旁瓣强度关系界定散射旁瓣干扰的边界位置，不依赖于人工参数设定等先验知识，充分考虑了计算效率和现有迭代搜索处理随旁瓣散射消减可能导致的目标强散射部位被误搜索和处理的问题，在保证自动处理的前提下，满足高分辨率sar海面舰船目标切片中目标散射旁瓣引起的“十字”或“一字”拖尾亮线范围的准确界定。另外，采用邻域区域对目标散射旁瓣区进行处理，在此基础上，进行海面舰船目标的分割处理和目标mbr的准确提取，达到抑制和消除目标散射旁瓣干扰的效果，实现舰船目标的最小外接矩形自适应提取，具有计算量小、处理速度快、全过程无人工干预且提取较为准确的优点，贴近了sar海面舰船目标自动处理的应用需求。通过本技术采用基于sar原始切片图像的目标散射旁瓣抑制代替传统基于目标分割二值图的旁瓣抑制处理，避免了后者在形态学处理过程中扩大或腐蚀真实目标区域，导致目标mbr提取失真严重。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
44.图1为本技术公开的一种高分辨率sar海面船只目标散射旁瓣引起的拖尾现象示意图；
45.图2为本技术公开的一种基于高分辨率sar的目标检测方法流程图；
46.图3为本技术公开的一种基于高分辨率sar海面舰船目标散射旁瓣抑制的目标最小外接矩形提取流程框架图；
47.图4为本技术公开的一种基于高分辨率sar海面舰船目标切片散射旁瓣抑制区界定结果及目标最小外接矩形提取对比结果示意图；
48.图5为本技术公开的一种具体的基于高分辨率sar的目标检测方法流程图；
49.图6为本技术公开的一种基于高分辨率sar的目标检测装置结构示意图；
50.图7为本技术公开的一种电子设备结构图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.当前，在提取sar海面船只的mbr时很难达到旁瓣散射消除效果，且如果采用迭代搜索处理旁瓣散射的方法，计算耗时大，在迭代处理后期，随着旁瓣散射干扰的减弱，船只目标区内其它强散射部位会被误搜索进行处理，或者基于形态学处理目标分割二值图的方法在消除旁瓣散射干扰时，会不可避免的同时扩大或腐蚀真实目标区域，导致目标mbr失真严重。
53.为此，本技术公开了一种基于高分辨率sar的目标检测方案，能够快速准确提取满足快速应用需求的高分辨率sar海面船只目标，强散射旁瓣情况下的目标最小外接矩形。
54.本发明实施例公开了一种基于高分辨率sar的目标检测方法，参见图2所示，该方法包括：
55.步骤s11：获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值。
56.本技术实施例中，主要基于高分辨率sar的目标检测，在sar图像中描述的场景非常复杂，所以，为了精确提取目标的属性特征，获取基于高分辨率sar的包含海面舰船目标的切片图像，对切片图像中的目标进行鉴别，提高在复杂场景下对sar目标的鉴别性能。可以理解的是，本发明的基于高分辨率sar的目标检测方法不限于对海面的舰船目标进行检测，当应用于陆地目标或空域目标时，本发明方案中的包含海面舰船目标的切片图像也可以用陆域目标或空域目标的切片图像来代替，在此不作具体限定。
57.本技术实施例中，基于高分辨率sar海面舰船目标的切片图像，统计计算切片图像的亮度均值，并采用逐行、逐列的统计方法计算图像的行、列亮度总值。
58.进一步的，在确定切片图像的亮度均值时，获取所述切片图像的宽度信息和高度信息；利用所述宽度信息和所述高度信息确定出所述切片图像的总像素数；基于所述总像素数与所述切片图像中的所有像素的灰度级确定出所述切片图像的亮度均值。
59.具体的，当获取了包含了海面舰船目标的切片图像的宽度和高度信息后，利用公式统计计算整幅图像的亮度均值；其中，是图像的灰度均值，n为图像的总像素数，n＝w
×
h，h为图像的总行数，w为图像的总列数；s为图像的灰度级别，值域0≤s≤255；s
ij
为图中第i行、第j列像素的灰度级。也即，基于切片图像的宽度信息和高度信息，采用逐点累积的方式统计切片图像的像素总值，然后通过求平均值的方法得到图像的亮度均值。
60.本技术实施例中，确定切片图像中每一行的行亮度总值和每一列的列亮度总值，包括：对所述切片图像进行逐行统计，并基于所述高度信息与所述切片图像中的每一行像素的灰度级确定出所述切片图像中每一行的行亮度总值；对所述切片图像进行逐列统计，并基于所述宽度信息与所述切片图像中的每一列像素的灰度级确定出所述切片图像中每一列的列亮度总值。
61.具体的，利用公式统计计算整幅图像各图像行的亮度总值，利用公式统计计算整幅图像各图像列的亮度总值；其中，s为图像的灰度级别，值域0≤s≤255；s
ij
为图中第i行、第j个/列像素的灰度级；h为图像的总行数，ci为第i行的图像亮度总值；s
ji
为图中第j列、第i个/行像素的灰度级，w为图像的总列数，rj为第j列的图像亮度总值。也即，按照切片图像行的方向，逐行累积计算各图像行中所有像素的像素总值；按照切片图像列的方向，逐行累积计算各图像列中所有像素的像素总值。
62.步骤s12：筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置。
63.本技术实施例中，基于逐行、逐列统计的图像行、列亮度总值，搜索和定位包含海面舰船目标的切片图像中亮度最大行和亮度最大列。也即，在行亮度总值ci中，采用逐行搜索比对的方法，确定目标切片图中行亮度最大的值c
max
，记录最大值所在图像行的位置；相应的，在列亮度总值rj中，采用逐列搜索比对的方法，确定目标切片图中列亮度最大的值r
max
，记录最大值所在图像列的位置。
64.本技术实施例中，当确定出行亮度总值中亮度最大的目标行和列亮度总值中亮度最大的目标列后，说明该行和/或该列可能存在强目标散射旁瓣引起的十字或一字拖尾干扰问题，所以进一步的，基于统计的图像亮度均值以及搜索的图像行、列亮度总值最大值，以目标行、目标列为中心，向两侧计算搜索散射旁瓣抑制区域范围边界，如此一来，可以实现界定散射旁瓣干扰的边界范围，并对其进行处理。
65.步骤s13：基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图。
66.本技术实施例中，基于以目标行、目标列为中心确定出的边界位置，对散射旁瓣抑制区范围开展行、列散射旁瓣抑制处理。可以理解的是，当切片图像中存在十字或一字的拖尾现象时，则可以确定出散射旁瓣抑制区域范围的边界位置，则可以基于预设条件，进一步的确定目标散射旁瓣是否存在，是否需要进行抑制处理。
67.本技术实施例中，当在切片图像中，认为目标散射旁瓣存在，需要进行散射旁瓣抑制处理时，则获取到了目标切片图像，然后对目标切片图像进行散射旁瓣抑制处理。进一步的，采用目标检测算法对散射旁瓣抑制处理后的目标切片图像进行处理，通过目标检测处理获取散射旁瓣抑制后的目标二值图。
68.具体的，所述对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图，包括：利用预设模型算法确定出用于检测所述目标切片图像中所述舰船目标的全局检测阈值；将所述目标切片图像中的每一个像素值与所述全局检测阈值进行比较，并判断当前像素值是否大于所述全局检测阈值；当所述当前像素值大于所述全局检测阈值时，判定所述当前像素值为目标点，并将所述目标点的像素值置为255；当所述当前像素值不大于所述全局检测阈值时，判定所述当前像素值为背景点，并将所述背景点的像素值置
为0。
69.示例性的，考虑到切片图像相对较小，背景相对均一，本技术实施例可以采用全局cfar(constant false alarm rate detector，恒定虚警概率检测器)目标检测算法检测目标切片图像，获取目标检测二值图。采用全局cfar目标检测算法，基于提前设定的恒虚警率p
fa
，通过对切片图像全局统计特性的计算，利用得到全局的目标检测阈值x0；然后采用逐点处理方式，将图像内各像素值与阈值进行比较，大于阈值判为目标点，该像素值置为255，否则判为背景，像素值置为0，直至完成整幅图像的处理，形成目标分割二值图。其中，p(x)为sar图像杂波分布模型的概率密度函数，选用瑞利分布。
70.需要说明的是，目标二值图的获取并不限于上述cfar算法，也可采用最大类间分割算法，通过滑窗计算方式的将图像各像素与阈值进行比较，大于阈值判为目标点，该像素值置为255，否则判为背景，像素值置为0，直至完成整幅图像的处理，形成目标分割二值图。
71.步骤s14：根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。
72.本技术实施例中，基于目标二值图中的船只目标区域，采用数学处理方法计算并标识出船只目标的最小外接矩形。如此一来，便实现了基于高分辨率sar海面舰船目标散射旁瓣抑制的目标最小外接矩形提取。
73.如图3所示，为本技术实施例中的高分辨率sar海面船只目标散射旁瓣抑制的目标最小外接矩形提取方法流程图，自上而下为其处理的顺序。应该明白，公开的过程中，步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于的特定顺序或层次。
74.如图4所示则为根据本发明实施例的高分辨率sar海面船只目标切片散射旁瓣抑制区界定结果及目标最小外接矩形提取对比结果图。通过图中可以看出，(a)为包含舰船目标的sar图像切片；(b)则展示了界定的抑制区域；(c)为未加抑制时对目标提取的最小外接矩形；(d)为本方案提取目标的最小外接矩形。显而易见的是，(c)中由于拖尾现象提取的最小外接矩形已经严重偏离了真实目标的mbr，而本方案的方法则可以对散射旁瓣拖尾区域范围的界定和抑制，最终提高目标mbr提取的准确度。
75.本技术中，首先获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；然后筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；最后根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。可见，通过统计高分辨率sar海面舰船目标的切片图像的行、列亮度总值，搜索图像中可能存在目标的散射旁瓣引起的“十字”或“一字”拖尾亮线，然后通过图像均值和散射旁瓣强度关
系界定散射旁瓣干扰的边界位置，不依赖于人工参数设定等先验知识，充分考虑了计算效率和现有迭代搜索处理随旁瓣散射消减可能导致的目标强散射部位被误搜索和处理的问题，在保证自动处理的前提下，满足高分辨率sar海面舰船目标切片中目标散射旁瓣引起的“十字”或“一字”拖尾亮线范围的准确界定。另外，采用邻域区域对目标散射旁瓣区进行处理，在此基础上，进行海面舰船目标的分割处理和目标mbr的准确提取，达到抑制和消除目标散射旁瓣干扰的效果，实现舰船目标的最小外接矩形自适应提取，具有计算量小、处理速度快、全过程无人工干预且提取较为准确的优点，贴近了sar海面舰船目标自动处理的应用需求。通过本技术采用基于sar原始切片图像的目标散射旁瓣抑制代替传统基于目标分割二值图的旁瓣抑制处理，避免了后者在形态学处理过程中扩大或腐蚀真实目标区域，导致目标mbr提取失真严重。
76.本技术实施例公开了一种具体的基于高分辨率sar的目标检测方法，参见图5所示，该方法包括：
77.步骤s21：获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值。
78.其中，关于上述步骤s21更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
79.步骤s22：筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并构建用于界定所述散射旁瓣抑制区域的范围的阈值关系式，基于所述阈值关系式，利用所述亮度均值与所述目标行的亮度值确定出第一结果阈值，利用所述亮度均值与所述目标列的亮度值确定出第二结果阈值。
80.本技术实施例中，基于逐行、逐列统计的行、列亮度总值与图像亮度均值，构建用于界定目标散射旁瓣抑制区域范围的阈值计算公式。在一种具体的实施方式中，根据图像行亮度最大值c
max
和图像均值构建用于界定图像行方向的目标散射旁瓣抑制区域边界的阈值计算公式在另一种实施方式中，根据图像列亮度最大值r
max
和图像均值之间的落差关系，构建用于界定图像列方向的目标散射旁瓣抑制区域边界的阈值计算公式
81.步骤s23：以所述目标行为中心，将在所述目标行两侧的预设像素范围内的其他行的行亮度总值与所述第一结果阈值相比较，当所述其他行的行亮度总值小于所述第一结果阈值，则判定所述其他行的位置为散射旁瓣抑制区域的边界位置。
82.本技术实施例中，以目标行为中心，在两侧一定范围内搜索散射旁瓣抑制区域边界，向两侧依次将统计的图像行的行亮度总值与计算的目标散射旁瓣抑制区域范围界定阈值进行比较，当搜索行处于搜索范围内且其ci值小于第一结果阈值时，确定所在行为散射旁瓣抑制区域边界，否则认定为无抑制边界。
83.示例性的，当统计得到各图像的行亮度总值ci后，以记录的亮度最大行c
max
为中心在其两侧各30个像素的范围内，分别将两侧各行的亮度总值ci值与步骤s22中的bc进行比较，当搜索行偏移未达到30像素且其ci值小于该阈值时，则所在行确定为散射旁瓣抑制区域的边界；否则认定为该一侧无抑制边界，直接将其边界位置置为c
max+30
。最终得到居于亮度最大行两侧的行方向散射旁瓣抑制区域边界位置p
c1
和p
c2
(p
c1
《p
c2
)。
84.步骤s24：以所述目标列为中心，将在所述目标列两侧的所述预设像素范围内的其他列的列亮度总值与所述第二结果阈值相比较，当所述其他列的列亮度总值小于所述第二结果阈值，则判定所述其他列的位置为散射旁瓣抑制区域的边界位置。
85.本技术实施例中，以目标列为中心，在两侧一定范围内搜索散射旁瓣抑制区域边界，向两侧依次将统计的图像列的列亮度总值与计算的目标散射旁瓣抑制区域范围界定阈值进行比较，当搜索行处于搜索范围内且其ri值小于第二结果阈值时，确定所在列为散射旁瓣抑制区域边界，否则认定为无抑制边界。
86.示例性的，当统计得到各图像的行亮度总值ri后，以记录的亮度最大行r
max
为中心在其两侧各30个像素的范围内，分别将两侧各行的亮度总值ri值与步骤s22中的br进行比较，当搜索行偏移未达到30像素且其ri值小于该阈值时，则所在列确定为散射旁瓣抑制区域的边界；否则认定为该一侧无抑制边界，直接将其边界位置置为r
max+30
。最终得到居于亮度最大列两侧的列方向散射旁瓣抑制区域边界位置p
r1
和p
r2
(p
r1
《p
r2
)。
87.步骤s25：当所述边界位置之间的间隔小于预设像素值时，则判定所述边界位置之间存在散射旁瓣，然后对所述切片图像进行散射旁瓣抑制处理，以得到目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图。
88.本技术实施例中，目标散射旁瓣抑制处理与否取决于步骤s23、步骤s24中搜索得到的两个边界值之间的间隔大小，当间隔小于预设像素值时，认为目标散射旁瓣存在，则进行抑制处理，否则不予处理。
89.本技术实施例中，在对目标切片图像进行散射旁瓣抑制处理时，基于所述目标行的亮度值与所述目标行对应的边界位置确定出用于替换所述散射旁瓣抑制区域内的图像行的像素值，以对所述图像行进行所述散射旁瓣抑制处理；基于所述目标列的亮度值与所述目标列对应的边界位置确定出用于替换所述散射旁瓣抑制区域内的图像列的像素值，以对所述图像列进行所述散射旁瓣抑制处理。
90.需要指出的是，基于散射旁瓣抑制区域左右邻域图像，采用逐点进行处理的方式，依次计算抑制区域内各点在一定邻域范围内左右邻近像素的均值，并用其替换抑制区内该点的像素值，以此完成图像行、列方向的散射旁瓣抑制处理。
91.在一种具体的实施方式中，基于步骤s23搜索得到的p
c1
和p
c2
，当p
c2
与p
c1
的间隔小于20个像素时，认为图像行方向的散射旁瓣存在，采用如下公式进行图像行方向的散射旁瓣抑制处理：
92.pos1＝(c
max-p
c1
)+(c
max-i)(p
c1
《i《p
c2
)；
93.pos2＝(c
max-p
c2
)+(c
max-i)(p
c1
《i《p
c2
)；
[0094][0095]
在另一种具体的实施方式中，基于步骤s33搜索得到的p
r1
和p
r2
，当p
r1
与p
r2
的间隔小于20个像素时，认为图像列方向的散射旁瓣存在，采用公式进行图像行方向的散射旁瓣抑制处理：
[0096]
pos1＝(r
max-p
r1
)+(r
max-i)(p
r1
《i《p
r2
)；
[0097]
pos2＝(r
max-p
r2
)+(r
max-i)(p
r1
《i《p
r2
)；
[0098]
[0099]
步骤s26：根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。
[0100]
其中，关于上述步骤s26更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0101]
由此可见，通过统计高分辨率sar海面舰船目标的切片图像的行、列亮度总值，搜索图像中可能存在目标的散射旁瓣引起的“十字”或“一字”拖尾亮线，然后通过图像均值和散射旁瓣强度关系界定散射旁瓣干扰的边界位置，不依赖于人工参数设定等先验知识，充分考虑了计算效率和现有迭代搜索处理随旁瓣散射消减可能导致的目标强散射部位被误搜索和处理的问题，在保证自动处理的前提下，满足高分辨率sar海面舰船目标切片中目标散射旁瓣引起的“十字”或“一字”拖尾亮线范围的准确界定。另外，采用邻域区域对目标散射旁瓣区进行处理，在此基础上，进行海面舰船目标的分割处理和目标mbr的准确提取，达到抑制和消除目标散射旁瓣干扰的效果，实现舰船目标的最小外接矩形自适应提取，具有计算量小、处理速度快、全过程无人工干预且提取较为准确的优点，贴近了sar海面舰船目标自动处理的应用需求。通过本技术采用基于sar原始切片图像的目标散射旁瓣抑制代替传统基于目标分割二值图的旁瓣抑制处理，避免了后者在形态学处理过程中扩大或腐蚀真实目标区域，导致目标mbr提取失真严重。
[0102]
相应的，本技术实施例还公开了一种基于高分辨率sar的目标检测装置，参见图6所示，该装置包括：
[0103]
切片图像获取模块11，用于获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；
[0104]
散射旁瓣抑制区域确定模块12，用于筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；
[0105]
散射旁瓣抑制处理模块13，用于基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；
[0106]
最小外接矩形确定模块14，用于根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所述舰船目标进行检测。
[0107]
其中，关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0108]
由此可见，通过本实施例的上述方案，首先获取基于高分辨率sar的包含海面舰船目标的切片图像，并确定所述切片图像的亮度均值以及所述切片图像中每一行的行亮度总值和每一列的列亮度总值；然后筛选出所述行亮度总值中亮度最大的目标行和所述列亮度总值中亮度最大的目标列，并基于所述亮度均值以及所述目标行的亮度值和所述目标列的亮度值确定出各自对应的散射旁瓣抑制区域的边界位置；基于预设条件，利用所述边界位置之间的间隔确定出需要对所述切片图像进行散射旁瓣抑制处理的目标切片图像，并对处理后的所述目标切片图像利用目标检测算法进行处理，以得到目标二值图；最后根据所述目标二值图中的所述舰船目标所在的区域确定出所述舰船目标的最小外接矩形，以便对所
述舰船目标进行检测。可见，通过统计高分辨率sar海面舰船目标的切片图像的行、列亮度总值，搜索图像中可能存在目标的散射旁瓣引起的“十字”或“一字”拖尾亮线，然后通过图像均值和散射旁瓣强度关系界定散射旁瓣干扰的边界位置，不依赖于人工参数设定等先验知识，充分考虑了计算效率和现有迭代搜索处理随旁瓣散射消减可能导致的目标强散射部位被误搜索和处理的问题，在保证自动处理的前提下，满足高分辨率sar海面舰船目标切片中目标散射旁瓣引起的“十字”或“一字”拖尾亮线范围的准确界定。另外，采用邻域区域对目标散射旁瓣区进行处理，在此基础上，进行海面舰船目标的分割处理和目标mbr的准确提取，达到抑制和消除目标散射旁瓣干扰的效果，实现舰船目标的最小外接矩形自适应提取，具有计算量小、处理速度快、全过程无人工干预且提取较为准确的优点，贴近了sar海面舰船目标自动处理的应用需求。通过本技术采用基于sar原始切片图像的目标散射旁瓣抑制代替传统基于目标分割二值图的旁瓣抑制处理，避免了后者在形态学处理过程中扩大或腐蚀真实目标区域，导致目标mbr提取失真严重。
[0109]
进一步的，本技术实施例还公开了一种电子设备，图7是根据一示例性实施例示出的电子设备20结构图，图中内容不能认为是对本技术的使用范围的任何限制。
[0110]
图7为本技术实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的基于高分辨率sar的目标检测方法中的相关步骤。另外，本实施例中的电子设备20具体可以为合成孔径雷达。
[0111]
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本技术技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
[0112]
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222及数据223等，数据223可以包括各种各样的数据。存储方式可以是短暂存储或者永久存储。
[0113]
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是windows server、netware、unix、linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的基于高分辨率sar的目标检测方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
[0114]
进一步的，本技术实施例还公开了一种计算机可读存储介质，这里所说的计算机可读存储介质包括随机存取存储器(random access memory，ram)、内存、只读存储器(read-only memory，rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中，所述计算机程序被处理器执行时实现前述基于高分辨率sar的目标检测方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0115]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装
置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0116]
结合本文中所公开的实施例描述的基于高分辨率sar的目标检测或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0117]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0118]
以上对本发明所提供的基于高分辨率sar的目标检测方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。