本發(fā)明隸屬于合成孔徑雷達(dá)圖像目標(biāo)檢測(cè)領(lǐng)域，涉及一種滿足雷達(dá)圖像目標(biāo)實(shí)時(shí)性檢測(cè)需求的檢測(cè)方法，適用于包含大量不均勻的海雜波區(qū)域和斑點(diǎn)噪聲等復(fù)雜海況下艦船目標(biāo)檢測(cè)監(jiān)視的高分辨率合成孔徑雷達(dá)圖像。

背景技術(shù)：

合成孔徑雷達(dá)(syntheticapertureradar，sar)具有全天時(shí)、全天候、大范圍等特點(diǎn)，是海洋監(jiān)測(cè)與監(jiān)視的重要組成部分，其中艦船目標(biāo)檢測(cè)日益成為研究熱點(diǎn)。sar圖像艦船目標(biāo)檢測(cè)是其分類和識(shí)別的前提和基礎(chǔ)，是sar圖像應(yīng)用的重要方面。

隨著radarsat-2、terrasar-x以及高分三號(hào)等新一代sar傳感器的發(fā)射運(yùn)行，sar逐漸向高分辨率、大幅寬、多極化方向發(fā)展。然而隨著高分辨率sar圖像尺寸逐漸變大，傳統(tǒng)地采用基于圖像的逐點(diǎn)計(jì)算處理速度緩慢，大數(shù)據(jù)量的sar圖像信息和有限的計(jì)算機(jī)處理能力之間的矛盾，難以達(dá)到實(shí)時(shí)處理的要求。其次，現(xiàn)階段傳統(tǒng)低分辨率sar圖像檢測(cè)方法應(yīng)用于高分辨率sar圖像時(shí)檢測(cè)準(zhǔn)確性不高，在改善由斑點(diǎn)噪聲和不均勻的海雜波背景對(duì)檢測(cè)結(jié)果帶來的虛警方面仍然存在不足，難以滿足圖像中目標(biāo)準(zhǔn)確智能檢測(cè)需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)方法，旨在解決現(xiàn)有sar圖像目標(biāo)檢測(cè)中多虛警問題，滿足檢測(cè)智能化需求和實(shí)時(shí)性要求。

本發(fā)明所述的一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)方法，具體包括以下技術(shù)措施：視覺顯著模型的獲取采用一種頻譜殘差法的全局顯著區(qū)域求取算法，基于頻域的快速傅里葉變換實(shí)現(xiàn)，將一幅圖像的頻譜中有別于相同形狀的部分即蘊(yùn)含著目標(biāo)信息的頻譜殘差部分予以提取；根據(jù)顯著圖的圖像性質(zhì)對(duì)已得到的顯著圖進(jìn)行兩步操作，即顯著圖的二值化處理和感興趣區(qū)域的提取。完成此步驟需通過對(duì)顯著圖進(jìn)行兩次閾值分割處理實(shí)現(xiàn)，首先通過第一個(gè)閾值將視覺顯著圖中潛在艦船區(qū)域分割，第二次閾值分割通過兩個(gè)閾值將顯著圖中的像素進(jìn)行分類，通過對(duì)分類后的部分進(jìn)行篩選以精確地完成后續(xù)目標(biāo)區(qū)域及背景區(qū)域灰度直方圖的近似擬合；根據(jù)機(jī)器學(xué)習(xí)的理論，以分類的角度來分析艦船目標(biāo)檢測(cè)問題，設(shè)計(jì)一個(gè)局部的最大后驗(yàn)概率分類器進(jìn)一步對(duì)圖像中顯著區(qū)域進(jìn)行艦船目標(biāo)檢測(cè)，將目標(biāo)檢測(cè)問題轉(zhuǎn)化為潛在目標(biāo)區(qū)域各個(gè)像素點(diǎn)的二元假設(shè)檢驗(yàn)問題；根據(jù)分類器的判決準(zhǔn)則，對(duì)給定類別下待測(cè)像素點(diǎn)的條件概率和待測(cè)像素點(diǎn)屬于各類別的先驗(yàn)概率進(jìn)行參數(shù)估計(jì)求取，結(jié)合估計(jì)得到的分類器參數(shù)，對(duì)顯著區(qū)域的艦船潛在目標(biāo)區(qū)域內(nèi)像素點(diǎn)實(shí)現(xiàn)二次檢測(cè)。

本發(fā)明提出的一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)方法，可改善高分辨率sar圖像艦船目標(biāo)檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性，借鑒視覺注意理論和機(jī)器學(xué)習(xí)理論進(jìn)行圖像處理，有效避免檢測(cè)中較高的虛警問題。

附圖說明

圖1是一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)流程圖；

圖2是一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)示意圖。

具體實(shí)施方式

本發(fā)明提出的一種基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)方法的技術(shù)方案包括以下步驟：

步驟1.1：計(jì)算模型使用全局搜索方式的顯著區(qū)域求取算法，是一種基于圖像頻域的視覺顯著性區(qū)域提取方法，采用快速傅里葉變換實(shí)現(xiàn)，通常情況下，一幅圖像的頻譜中有別于相同形狀的部分即蘊(yùn)含著目標(biāo)信息的頻譜殘差部分，視覺顯著模型將對(duì)此殘留部分予以提??；假設(shè)i(x)為一幅圖像，圖像的頻譜fft[i(x)]可分解成幅度譜a(f)和相位譜p(f)兩部分；

p(f)＝fft[i(x)]/|{fft[i(x)]}|(1)

r(f)＝bp(f)·p(f)(2)

s(f)＝fft^-1[r(f)](3)

其中，fft和fft^-1表示圖像的快速傅里葉變換及其反變換，p(f)是原圖像相位譜，r(f)表示頻譜殘差，bp(f)為帶通濾波器，模型中采用中心頻率為f0、截止頻率為△f的高斯濾波器；s(f)為顯著圖；本發(fā)明中基于視覺注意機(jī)制的高分辨率sar圖像艦船檢測(cè)方法中頻譜殘差顯著性計(jì)算模型主要包含兩步運(yùn)算：一是原始頻譜的歸一化處理，二是頻域帶通濾波；

步驟1.2：采用上一步操作中頻譜殘差法得到視覺顯著圖，對(duì)得到的顯著圖進(jìn)行兩步操作：一是顯著圖的二值化處理；二是感興趣區(qū)域的提取。我們采用兩次閾值分割，首先將視覺顯著圖中的顯著區(qū)域分割出來，以實(shí)現(xiàn)從視覺注意計(jì)算模型篩選出圖像中的顯著性區(qū)域即是潛在的艦船區(qū)域。第二次閾值分割通過設(shè)定兩個(gè)閾值將顯著圖中的像素進(jìn)行分割，更精確的完成后續(xù)目標(biāo)區(qū)域及背景區(qū)域灰度直方圖的近似。

步驟2.1：從機(jī)器學(xué)習(xí)中分類的思想來分析艦船目標(biāo)檢測(cè)問題，艦船目標(biāo)檢測(cè)即為一個(gè)兩類分類問題，設(shè)計(jì)一個(gè)局部最大后驗(yàn)概率分類器對(duì)視覺顯著區(qū)域閾值分割后的潛在艦船目標(biāo)區(qū)域進(jìn)行二次檢測(cè)：依據(jù)貝葉斯理論，將高分辨率sar圖像艦船目標(biāo)檢測(cè)問題轉(zhuǎn)化為對(duì)數(shù)據(jù)矢量x的二元假設(shè)檢驗(yàn)問題；數(shù)據(jù)樣本分為兩類，樣本類別ωi分別為ω1和ω0，標(biāo)記為目標(biāo)的樣本類別為ω1，標(biāo)記為背景的樣本類別為ω0；設(shè)p(ωi)表示輸入像素屬于ωi的先驗(yàn)概率，此二元假設(shè)檢測(cè)的貝葉斯準(zhǔn)則為：

其中，p(ω1|x)和p(ω0|x)分別指被檢測(cè)像素為目標(biāo)和背景的后驗(yàn)概率，p(x|ωi)是在給定類別ωi下的條件概率，p(x)指獲取像素的概率；

根據(jù)貝葉斯準(zhǔn)則以及最大后驗(yàn)概率估計(jì)準(zhǔn)則，分類器定義為：

目標(biāo)存在時(shí)滿足的條件為：

反之，目標(biāo)不存在時(shí)滿足的條件為：

局部最大后驗(yàn)概率分類器的判決準(zhǔn)則為：

步驟2.2：求取給定類別下待測(cè)像素點(diǎn)的條件概率p(x|ωi)：

對(duì)局部分類器進(jìn)行參數(shù)估計(jì)，第一步需要求取條件概率p(x|ωi)，即為目標(biāo)及背景的概率密度函數(shù)，設(shè)定兩個(gè)閾值t1、t2，其中t2>t1；對(duì)顯著圖進(jìn)行閾值分割及相應(yīng)原圖像中近似目標(biāo)及背景區(qū)域灰度直方圖擬合操作，此過程對(duì)背景和目標(biāo)都進(jìn)行建模：

a)采用兩閾值對(duì)顯著圖進(jìn)行分割，提取待檢測(cè)圖像中對(duì)應(yīng)顯著圖內(nèi)大于閾值t1部分的所有像素，得到灰度直方圖，采用gamma分布、weibull分布、log-normal分布等分布模型進(jìn)行近似灰度直方圖擬合，以求取艦船目標(biāo)的概率分布；

b)如同上述子步驟a)的方法，提取原圖像中對(duì)應(yīng)顯著圖中小于閾值t2的區(qū)域內(nèi)所有像素，作為背景區(qū)域的近似，進(jìn)行灰度直方圖擬合，作為背景概率分布的近似；

c)根據(jù)直方圖擬合所得的概率分布求取艦船目標(biāo)和雜波背景的概率密度函數(shù)，得到分類器中需要求取目標(biāo)及背景的條件概率p(x|ωi)。

步驟2.3：求取待測(cè)像素點(diǎn)屬于各類別的先驗(yàn)概率p(ωi)：

通過一個(gè)滑動(dòng)窗口求取待測(cè)像素點(diǎn)屬于ωi的先驗(yàn)概率，先驗(yàn)概率p(ωi)定義為：

其中，xt表示當(dāng)前待檢測(cè)像素灰度值，x1、x2,...,xn是滑動(dòng)窗口內(nèi)所有屬于背景區(qū)域的像素點(diǎn)。g是sar圖像灰度級(jí)最大值，a是調(diào)整先驗(yàn)概率的一個(gè)經(jīng)驗(yàn)參數(shù)，a∈(0,1]；此步操作中采用滑動(dòng)窗口對(duì)目標(biāo)潛在區(qū)域進(jìn)行先驗(yàn)概率的計(jì)算，滑窗設(shè)計(jì)中各個(gè)參數(shù)需要依據(jù)sar圖像中艦船目標(biāo)所占的像素面積、尺寸及其分布情況而定；

步驟2.4：結(jié)合得到的先驗(yàn)概率和條件概率，對(duì)顯著區(qū)域的艦船潛在目標(biāo)區(qū)域內(nèi)像素點(diǎn)實(shí)現(xiàn)二次檢測(cè)，采用設(shè)計(jì)的局部最大后驗(yàn)概率分類器對(duì)圖像中顯著區(qū)域內(nèi)所有像素點(diǎn)進(jìn)行艦船目標(biāo)檢測(cè)，得到最后的檢測(cè)結(jié)果。