基于素描線段拓撲結構的sar圖像目標檢測方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，更進一步設及一種SAR圖像的目標檢測方法，可用 于后續SAR圖像的目標定位與識別。
【背景技術】
[0002] 合成孔徑雷達SAR圖像的目標檢測主要是利用目標和背景在紋理與后向散射強度 統計特性上的差異，從原始SAR圖像中檢測和提取出包含潛在目標的感興趣區域，并在感興 趣區域中對人工目標進行定位，實現目標與背景的分離。SAR圖像目標檢測是進一步實現目 標識別和跟蹤的前提，是計算機視覺和智能控制等領域的熱點研究課題。
[000引目前，SAR圖像的目標檢測中最常用的方法是恒虛警率CFAR檢測算法，CFARW其簡 單、快速、實時性強的特點而被廣泛應用于SAR圖像目標檢測中。其它可用于SAR圖像目標檢 測的方法主要有W下Ξ種：
[0004] -是用于檢測SAR圖像中具有特定尺寸地面目標的基于擴展分形的目標檢測方 法，二是利用BP神經網絡進行艦船目標的檢測與分類的方法，Ξ是基于先驗知識的SAR圖像 目標檢測方法，運些方法都是根據不同類型的目標在SAR圖像上的表征形式對目標建模來 進行目標檢測，是針對特定類型目標進行檢測，對SAR圖像的先驗信息如目標的類型尺寸W 及背景雜波的統計分布模型具有較大的依賴性。
[0005] 近期劉芳、宋建梅提出了一種基于Primal Sketch算法的SAR圖像目標檢測方法 (專利申請號201110102855.1，公開號CN102129559A)。該方法首先使用Primal化etch模型 得到表示原SAR圖像稀疏結構信息的線段集合；根據人工目標的規整性特征對所有在 Primal Sketch稀疏表示域上的線段定義規整度等屬性集;然后根據線段屬性選取種子線 段集，并對種子線段按照一定的規則進行生長提取出候選目標區域;最后根據運些已檢測 到的候選目標區域的規整度和線密度，選擇出感興趣的目標區域，最終完成對目標的檢測。 該方法雖然可W較徹底的檢測到橋梁、港口、建筑等不同類型的人工目標，適用于目標類型 多且大小不一致的SAR圖像目標檢測，具有較強的通用性，但是由于該方法所使用的Primal Sketch模型是針對光學圖像的壓縮重構設計的，并不能很恰當的表征SAR圖像中的邊線特 征，而且該方法使用遞歸的規則進行區域生長，在遞歸生長過程中線段誤差的疊加，使得檢 測到的目標區域中包含較大比例的森林、±地和田野等虛警目標，影響了目標檢測結果的 準確性。
【發明內容】
[0006] 本發明的目的在于針對上述已有技術的不足，提出一種基于素描線段拓撲結構的 SAR圖像目標檢測方法，W提高后續SAR圖像目標定位與識別的準確性。
[0007] 為實現上述目的，本發明的技術方案如下：
[0008] (1)素描化SAR圖像得到素描圖，按照素描圖中素描點的位置得到用來表示SAR圖 像稀疏結構信息的素描線段Si，i = l，. . .，n，n為素描線段的總條數；
[0009] (2)構造素描線段的自適應幾何結構窗口，計算規整度Ri和規整比率RTi;
[0010] (3)根據規整度Ri的大小對素描線段Si進行排序，選取規整度大于闊值δ的素描線 段構成種子線段集合Ε;
[0011] (4)定義區域擴充規則，W種子線段集合Ε中的每一條種子線段Ej的自適應幾何結 構窗口為基準進行區域擴充，將得到的矩形區域作為素描圖上的規整區域，并將其映射在 SAR圖像上的區域作為候選目標區域；
[0012] (5)采用規整區域的線密度和候選目標區域的灰度方差特征，剔除虛警目標區域， 得到人工目標區域集合；
[0013] (6)構造人工目標區域的觀測矩陣；
[0014] (7)采用低秩分解的方法對觀測矩陣進行分解，定位人工目標，得到最終的人工目 標檢測結果。
[0015] 本發明與現有技術相比具有如下優點：
[0016] 1.本發明采用SAR圖像的素描模型，能夠得到更好表示SAR圖像稀疏結構特征的素 描線段集合。
[0017] 2.本發明所構造的自適應幾何結構窗口，能夠更好的表示素描線段鄰域內的規整 拓撲結構關系。
[0018] 3.本發明在區域擴充時采用非遞歸策略，減少了在區域擴充時加入規整線段集合 中的素描線段與種子線段之間的累積誤差，使得候選目標區域中虛警目標的比例降低，能 得到較為準確的目標檢測結果。
【附圖說明】
[0019] 圖1是本發明的實現流程圖；
[0020] 圖2是本發明仿真實驗使用的SAR原圖像；
[0021 ]圖3是本發明中根據SAR原圖像的素描模型提取的素描圖；
[0022] 圖4是本發明中素描線段的自適應幾何結構窗口示意圖；
[0023] 圖5是本發明的仿真實驗得到的港口目標；
[0024] 圖6是本發明的仿真實驗得到的橋梁目標；
[0025] 圖7是本發明的仿真實驗得到的建筑物目標；
[0026] 圖8是本發明的仿真實驗得到的虛警目標；
[0027] 圖9是本發明的仿真實驗得到的目標檢測結果圖。
【具體實施方式】
[0028] W下結合附圖對本發明實施例和效果做進一步說明。
[0029] 參照圖1，本發明的具體實施步驟如下：
[0030] 步驟1，根據SAR素描模型素描化SAR圖像，得到素描圖。
[0031] 所述的SAR素描模型，參見Jie-Wu等人于2014年發表在IE趾Transactions on Geoscience and Remote Sensing雜志上的文章 《Local maximal homogenous region search for SAR speckle reduction with sketch-based geometrical kernel 化nction》，按照文中所述的SAR素描模型，提取SAR圖像的素描圖步驟如下：
[0032] (1.1)構造具有不同方向和尺度的邊、線模板，并利用模板的方向和尺度信息構造 各向異性高斯函數來計算該模板中每一點的加權系數，其中尺度個數取值為3~5,方向個 數取值為18;
[0033] (1.2)輸入圖2所示的SAR圖像，按照下式，計算模板不同區域對應在輸入SAR圖像 中像素的均值和方差：
[0036] 其中，μ表示區域Ω對應在輸入SAR圖像中像素的均值，Ω表示模板中的一個區域， g表示區域Ω中一個像素點的位置，e表示屬于符號，wg表示區域Ω中位置g處的權重系數， wg的取值范圍為wg e [ 0，1 ]，Ag表示區域Ω中位置g對應在輸入SAR圖像中的像素值，V表示區 域Ω對應在輸入SAR圖像中像素的方差；
[0037] (1.3)計算輸入SAR圖像中每個像素對比值算子的響應值：
[00；3 引
[0039] 其中，R表示輸入SAR圖像中每個像素對比值算子的響應值，min{ ·}表示求最小值 操作，a和b分別表示模板中任意兩個不同區域的編號，μ。和Wb分別為根據（1.2)得到的表示 區域a和區域b的輸入SAR圖像中對應像素的均值；
[0040] (1.4)計算輸入SAR圖像中每個像素對相關性算子的響應值：
[0041]
[0042] 其中，C表示合成孔徑雷達SAR圖像中每個像素對相關性算子的響應值，a和b分別 表示模板中任意兩個不同區域的編號，va和vb分別表示根據(1.2)得到的區域a和區域b對應 在輸入SAR圖像中像素的方差，μ。和化分別表示根據（1.2)得到的區域a和區域b對應在輸入 SAR圖像中像素的均值；
[0043] (1.5)根據（1.3)和（1.4)得到的結果，計算輸入SAR圖像中每個像素對各個模板的 響應值：
[0044]
[0045] 其中，F表示輸入SAR圖像中每個像素對各個模板的響應值，R和C分別表示輸入SAR 圖像中像素對比值算子和相關性算子的響應值；
[0046] (1.6)選擇具有最大響應值的模板作為輸入SAR圖像中像素的模板，并將最大響應 值作為該像素的強度，將具有最大響應值的模板的方向作為該像素的方向，獲得輸入圖像 的邊線響應圖和方向圖；
[0047] (1.7)利用輸入SAR圖像中每個像素所選擇的模板，獲得其對應的的梯度圖；
[0048]