基于区域提取的双参数恒虚警检测方法
【技术领域】
[0001] 本发明属于雷达技术领域，特别涉及一种恒虚警检测方法，可用于在合成孔径雷 达SAR图像中快速、有效地检测目标。
【背景技术】
[0002] 雷达成像技术是20世纪50年代发展起来的，在以后的60年里得到了突飞猛进的 发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。
[0003] 合成孔径雷达SAR是一种利用微波进行感知的主动传感器，其与红外、光学等其 他传感器相比，SAR成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天候、全 天时的观测，SAR图像自动目标识别受到越来越广泛的关注。
[0004] SAR自动目标识别ATR方法通常采取美国林肯实验室提出的三级处理流程。该流 程采用一种分层注意机制，其实现过程是：首先，对整幅SAR图像进行检测处理，除去图像 中明显不是目标的区域，得到潜在目标区域；然后，对潜在的目标区域进行目标鉴别处理， 以剔除其中的自然杂波虚警，或剔除明显比目标大或者小的区域；通过目标的检测和鉴别 阶段，得到目标感兴趣区域R0I ;最后，再对目标R0I进行分类识别。在这种处理机制中，需 要处理的数据量在逐步减少，这样就能提高目标识别系统的效率。
[0005] SAR图像目标检测是自动目标识别ATR流程设计中的第一步，其重要性不言而喻。 如何快速有效的检测出潜在目标区域也是近年来SAR图像解译应用的一大研究热点。
[0006] 在现有的SAR图像目标检测方法中，双参数CFAR检测算法应用最为广泛。双参数 CFAR检测算法是一种传统的SAR图像目标检测方法，该方法应用的前提是在SAR图像上目 标与背景杂波具有较高的对比度。双参数CFAR检测算法中设置了目标窗口、保护窗口和背 景窗口这3个窗口。其中，目标窗口是可能含有目标像素的窗口，保护窗口是为了防止目标 像素混入背景杂波中而设置的窗口，背景窗口是含有背景杂波的窗口。双参数CFAR是基于 背景杂波的统计分布模型是高斯分布的假设。通过滑动窗口，对SAR图像中的每个像素进 行遍历。在每次滑动窗口的过程中，通过计算背景窗口内的所有像素的均值和方差来对背 景杂波进行参数估计并以此来确定一个阈值，如果目标窗口内的像素大于这个阈值就认为 是目标像素，否则就认为其是杂波像素。由于该算法需要对SAR图像中每个像素点重复做 相同的处理，造成了这种方法检测时间过长，同时该方法要根据SAR图像目标的先验信息 设置目标窗口、保护窗口、背景窗口，对于尺寸差别太大的目标，参数设置不合理会导致背 景杂波参数估计不准，从而导致目标的漏检，同时对相距比较近的目标，也会因为聚类距离 不合理而被视为一个目标，出现在同一个检测区域，对检测后的后续处理造成困难。
【发明内容】
[0007] 本发明的目的在于针对上述现有技术的不足，提出一种基于区域提取的双参数恒 虚警检测方法，以减小目标的检测时间，提高目标的检测精度。
[0008] 为实现上述目的，本发明的技术方案包括如下步骤：
[0009] (1)在带有标记的训练集Tr中，提取正样本集P和负样本集N ;
[0010] (2)将得到的正负样本集中的正负样本下采样到固定尺寸8X8,对下采样后的每 个样本提取规范梯度特征g'，用所有下采样样本的规范梯度特征构成规范梯度特征集G， 训练线性分类器SVM，得到一个8 X 8的模板W ;
[0011] ⑶构建有效尺寸集合AS :
[0012] (3a)初始36个不同的图像尺寸，构成集合S = {(IXHi)，···（WiXHi)···，（W36X H36)}，其中，Wi，氏分别是第1个图像尺寸的宽和高，1彡1彡36且1为整数；这些尺寸以基 数为 2,幂次从 min T = 3 到 max T = 8 依次增加，即 A，氏 e {8, 16, 32, 64, 128, 256};
[0013] (3b)根据步骤⑴中得到的正样本集P和步骤（3a)初始化的尺寸集合S，得到有 效尺寸集合
1 <ASl<36对应集合S中第 ASlf元素，1 < i < ns且i为整数，ns表示有效尺寸的个数；
[0014] (4)提取测试图像J在有效尺寸集下的区域：
[0015] (4a)根据有效尺寸集合AS中的尺寸，对测试图像J下采样，得到不同尺寸下的下 采样图，并提取下采样图的规范化梯度特征图，构成规范梯度特征图集{匕，.... .，Fns}， 其中R为第i个有效尺寸下规范化梯度特征图，1 < i < ns且i为整数；
[0016] (4b)用步骤⑵中得到的模板W对规范梯度特征图集的，...4..，Fns}中的每 个特征图进行滑窗，得到得分图{Sl，. . . Sl. . .，snJ，对每一幅得分图，用非最大值抑制匪S 选出K个局部最大值，根据局部最大值的位置在测试图像J上提取K个区域，构成区域集合 民，对ns个尺寸做同样的操作，最终得到nsXK个区域，构成区域集R ;
[0017] (5)对步骤（4b)得到的区域集R，将每个区域视为一个整体，用该区域内80%的最 强像素值的均值Μ表示该区域，用该区域外3个像素宽度的空心框内的像素值估计背景杂 波均值^和标准差^，并根据设置的虚警概率Pr，得到每个区域的局部检测阈值Th，把区 域均值Μ大于局部检测阈值Th的区域选为候选区域，得到候选区域集R';
[0018] (6)对步骤（5)得到的候选区域集R'用非最大值抑制匪S去除大量重叠的区域， 剩下的区域构成区域集合R/，即为检测结果。
[0019] 本发明与现有技术相比，具有以下优点：
[0020] 1.检测速度快
[0021] 现有的双参数CAFR检测方法在检测时，由于要对图像中的每个像素点滑窗，并且 在每次滑窗时需要估计参考窗内背景杂波的模型参数，即杂波的均值和标准差，参数估计 主要是加法、乘除法的运算，所以双参数CAFR的算法复杂度只与图像的尺寸有关。本发明 是先得到少量的区域，然后对提取的区域进行双参数恒虚警检测。对区域做双参数恒虚警 检测与双参数的CFAR检测不同的是它将得到的区域作为整体，而不是对每个像素值进行 滑窗，其复杂度主要与提取的区域个数有关。
[0022] 本发明的区域提取是用C++代码写的，同时利用了梯度特征的二值近似，进而利 用计算机内部的位操作，加快了运算速度，避免了双参数CFAR对所有像素点处理的弊端， 可以在较短的时间完成检测任务，加快检测速度。
[0023] 2.能够处理图像中尺度不同的目标，提高目标的检测精度
[0024] 现有双参数CFAR检测方法对图像进行检测时，需要利用图像中目标的先验信息 设置参数，如果图像中目标尺寸差异太大，参数设置不合理，就会导致目标的漏检，同时也 会导致距离相近的目标被试为一个目标，而出现在一个检测区域。而本发明是基于提取的 区域进行检测，将每个区域视为一个整体，避免了双参数CFAR中参数设置不合理带来问 题。
[0025] 以下结合附图和实施例对本发明作进一步详细描述。
【附图说明】
[0026] 图1是本发明的实现流程图；
[0027] 图2是本发明实验中使用的带有标记的训练集；
[0028] 图3中的是本发明实验中使用的测试集，其中图3(a)是含4个目标的测试图像， 图3 (b)是含7个目标的测试图像，图3 (c)是含3个目标的测试图像；
[0029] 图4是用本发明对图3中的测试集得到的检测结果，其中图4(a)是对图3(a)的 检测结果，图4 (b)是对图3 (b)的检测结果，图4 (c)是对图3 (c)的检测结果；
[0030] 图5是用传统的双参数CFAR在统一参数下对测试集的检测结果，其中图5 (a)是 对图3 (a)的检测结果，图5 (b)是对图3 (b)的检测结果，图5 (c)是对图3 (c)的检测结果；
【具体实施方式】
[0031] 参照图1，本发明的实现步骤如下：
[0032] 步骤1，从带有标记的训练集中提取正负样本集。
[0033] (1. 1)输入训练集：
[0034] 设训练集 Tr = {⑴，BJ，· · ·（I j，B) · · ·