基于貝葉斯顯著性的sar圖像目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)目標(biāo)檢測(cè)領(lǐng)域，尤其涉及一種SAR圖像目標(biāo)檢測(cè)方法，可用于地 面車輛目標(biāo)檢測(cè)。
【背景技術(shù)】
[0002] 雷達(dá)成像技術(shù)是20世紀(jì)50年代發(fā)展起來的，在以后的60年里得到了突飛猛進(jìn)的 發(fā)展，目前，已經(jīng)在軍事、農(nóng)林、地質(zhì)、海洋、災(zāi)害、繪測(cè)等諸多方面得到廣泛的應(yīng)用。
[0003] 合成孔徑雷達(dá)SAR是一種利用微波進(jìn)行感知的主動(dòng)傳感器，其與紅外、光學(xué)等其 他傳感器相比，SAR成像不受光照、天氣等條件的限制，可以對(duì)感興趣的目標(biāo)進(jìn)行全天時(shí)、全 天候的觀測(cè)。因而SAR成為目前對(duì)地觀測(cè)和軍事偵察的重要手段，SAR圖像自動(dòng)目標(biāo)識(shí)別 技術(shù)受到越來越廣泛的關(guān)注。
[0004] SAR自動(dòng)目標(biāo)識(shí)別ATR技術(shù)通常采取美國(guó)林肯實(shí)驗(yàn)室提出的三級(jí)處理流程。該流 程采用一種分層注意機(jī)制，其實(shí)現(xiàn)過程是：首先，對(duì)整幅SAR圖像進(jìn)行檢測(cè)處理，除去圖像 中明顯不是目標(biāo)的區(qū)域，得到潛在目標(biāo)區(qū)域；然后，對(duì)潛在的目標(biāo)區(qū)域進(jìn)行目標(biāo)鑒別處理， 以剔除其中的自然雜波和部分人造雜波虛警；通過目標(biāo)的檢測(cè)和鑒別階段，得到目標(biāo)感興 趣區(qū)域R0I;最后，再對(duì)目標(biāo)R0I進(jìn)行分類識(shí)別。在這種處理機(jī)制中，數(shù)據(jù)處理方法越來越 復(fù)雜，因此計(jì)算量會(huì)越來越大，但需要處理的數(shù)據(jù)量卻是在逐步減少的，這樣就能提高目標(biāo) 識(shí)別系統(tǒng)的效率。
[0005] SAR圖像目標(biāo)檢測(cè)是SAR自動(dòng)目標(biāo)識(shí)別ATR中的第一步，其重要性不言而喻。如何 準(zhǔn)確并有效地檢測(cè)出潛在目標(biāo)區(qū)域也是近年來SAR圖像解譯應(yīng)用的一大研究熱點(diǎn)。
[0006] 在現(xiàn)有的SAR圖像目標(biāo)檢測(cè)方法中，雙參數(shù)恒虛警CFAR檢測(cè)算法應(yīng)用最為廣泛。
[0007] 雙參數(shù)CFAR檢測(cè)算法是一種經(jīng)典的像素級(jí)的SAR圖像目標(biāo)檢測(cè)方法，該方法應(yīng)用 的前提是在SAR圖像上目標(biāo)與背景雜波具有較高的對(duì)比度。雙參數(shù)CFAR檢測(cè)算法中設(shè)置了 目標(biāo)窗口、保護(hù)窗口和背景窗口這3個(gè)窗口。其中，目標(biāo)窗口是可能含有目標(biāo)像素的窗口， 保護(hù)窗口是為了防止目標(biāo)像素混入背景雜波中而設(shè)置的窗口，背景窗口是含有背景雜波的 窗口。傳統(tǒng)的雙參數(shù)CFAR是基于背景雜波的統(tǒng)計(jì)分布模型是高斯分布的假設(shè)。通過滑動(dòng) 窗口，對(duì)SAR圖像中的每個(gè)像素進(jìn)行遍歷。在每次滑動(dòng)窗口的過程中，通過計(jì)算背景窗口內(nèi) 的所有像素的均值和方差來對(duì)背景雜波進(jìn)行參數(shù)估計(jì)并以此來確定一個(gè)閾值，如果目標(biāo)窗 口內(nèi)的像素大于這個(gè)閾值就認(rèn)為是目標(biāo)像素，否則就認(rèn)為其是雜波像素。雖然雙參數(shù)CFAR 是廣泛應(yīng)用的經(jīng)典SAR圖像目標(biāo)檢測(cè)算法，但其主要存在兩方面的問題：首先，由于背景雜 波的統(tǒng)計(jì)分布模型并不一定服從高斯分布，復(fù)雜場(chǎng)景下的SAR圖像尤為明顯，導(dǎo)致這種目 標(biāo)檢測(cè)方法存在雜波統(tǒng)計(jì)模型參數(shù)估計(jì)不準(zhǔn)確導(dǎo)致其容易產(chǎn)生虛警和漏警，目標(biāo)檢測(cè)準(zhǔn)確 率較低；其次，由于雙參數(shù)CFAR是一種像素級(jí)的目標(biāo)檢測(cè)方法，沒有考慮目標(biāo)的結(jié)構(gòu)信息， 檢測(cè)得到的二值圖上目標(biāo)像素點(diǎn)較離散、結(jié)構(gòu)不完整，導(dǎo)致這種目標(biāo)檢測(cè)方法提取的疑似 目標(biāo)切片中存在大量的只切到部分目標(biāo)的切片，且多數(shù)目標(biāo)沒有位于切片的中央，目標(biāo)檢 測(cè)精度較低。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出了一種基于貝葉斯顯著性的 SAR圖像目標(biāo)檢測(cè)方法，以減少虛警和漏警，提高SAR圖像目標(biāo)檢測(cè)的準(zhǔn)確率和精度。
[0009] 實(shí)現(xiàn)上述目的的技術(shù)方案包括如下：
[0010] (1)對(duì)一幅尺寸為WXH的原始SAR圖像A進(jìn)行超像素分割，得到超像素{Γι}，i= 1，...，N，其中，N為超像素的個(gè)數(shù)；
[0011] (2)對(duì)每個(gè)超像素rk計(jì)算其基于全局對(duì)比的先驗(yàn)顯著度pg(rk)，得到與原始SAR 圖像A尺寸相同的先驗(yàn)圖C，并對(duì)先驗(yàn)圖C進(jìn)行最大值歸一化處理得到先驗(yàn)顯著圖D;
[0012] (3)利用基于尺度選擇的中心-周邊差法，對(duì)原始SAR圖像A進(jìn)行處理得到似然顯 著圖E，對(duì)似然顯著圖E分割得到標(biāo)注原始SAR圖像A的前景區(qū)域F和背景區(qū)域B的二值圖 V;
[0013] (4)分別統(tǒng)計(jì)原始SAR圖像A的前景區(qū)域F和背景區(qū)域B的像素點(diǎn)的強(qiáng)度值出現(xiàn) 的頻率，得到前景強(qiáng)度直方圖Hf和背景強(qiáng)度直方圖Hb;
[0014] (5)分別根據(jù)前景強(qiáng)度直方圖Hf和背景強(qiáng)度直方圖Hb計(jì)算原始SAR圖像A上 每個(gè)像素點(diǎn)z(j)的前景似然概率值pf(z(j))和背景似然概率值pb(z(j))，其中，j= 1，2,. . .，WXH，然后把原始SAR圖像A每個(gè)像素點(diǎn)z(j)的前景似然概率值pf(z(j))和背 景似然概率值Pb(z(j))分別按照原始SAR圖像A每個(gè)像素點(diǎn)z(j)所在的對(duì)應(yīng)位置進(jìn)行排 列，得到與原始SAR圖像A尺寸相同的前景似然圖Mf和背景似然圖Mb;
[0015] (6)在貝葉斯框架下根據(jù)先驗(yàn)顯著圖D、前景似然圖Mf、背景似然圖Mb，計(jì)算原始 SAR圖像A每個(gè)像素點(diǎn)z(j)的貝葉斯后驗(yàn)概率值pB(z(j))，其中，j= 1，2，...，WXH，然后 把每個(gè)像素點(diǎn)z(j)的貝葉斯后驗(yàn)概率值PB(z(j))按照原始SAR圖像A每個(gè)像素點(diǎn)z(j)的 對(duì)應(yīng)位置進(jìn)行排列，得到與原始SAR圖像A尺寸相同的貝葉斯后驗(yàn)顯著圖P;
[0016] (7)對(duì)貝葉斯后驗(yàn)顯著圖P進(jìn)行分割得到標(biāo)注有貝葉斯后驗(yàn)顯著圖P前景和背景 的二值圖〇 ;
[0017] (8)根據(jù)感興趣的目標(biāo)尺寸設(shè)置最大聚類距離d_，用該最大聚類距離d_對(duì)標(biāo)注 有貝葉斯后驗(yàn)顯著圖P前景和背景的二值圖〇進(jìn)行聚類處理，得到聚類后的二值圖Q;
[0018] (9)統(tǒng)計(jì)聚類后的二值圖Q中每一聚類區(qū)域像素點(diǎn)個(gè)數(shù)，對(duì)聚類后的二值圖Q中不 滿足目標(biāo)面積要求的聚類進(jìn)行置零操作，即去除虛警區(qū)域，得到去除虛警區(qū)域后的二值圖 Y;
[0019] (10)根據(jù)去除虛警區(qū)域后的二值圖Y，在原始SAR圖像A上進(jìn)行切片提取處理，得 到疑似目標(biāo)切片，即原始SAR圖像A最終的目標(biāo)檢測(cè)結(jié)果。
[0020] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：
[0021] 1.檢測(cè)準(zhǔn)確率高
[0022] 本發(fā)明是基于貝葉斯顯著性的SAR圖像目標(biāo)檢測(cè)方法，該方法與傳統(tǒng)的雙參數(shù) CFAR目標(biāo)檢測(cè)方法不同的是其不需要對(duì)雜波進(jìn)行統(tǒng)計(jì)建模。本發(fā)明由于引入了超像素， 使得構(gòu)建SAR圖像先驗(yàn)顯著圖時(shí)不是尋找顯著的單個(gè)強(qiáng)散射點(diǎn)而是尋找顯著的強(qiáng)散射區(qū) 域-超像素，可以有效的防止目標(biāo)像素的漏檢；同時(shí)由于采用貝葉斯框架融合先驗(yàn)圖和觀 測(cè)似然概率圖得到貝葉斯顯著圖，可以綜合考慮先驗(yàn)顯著圖和基于尺度選擇的中心-周邊 差法得到的顯著圖的結(jié)果，貝葉斯顯著圖可以相對(duì)完整地凸顯原先在原始SAR圖像上離散 的車輛目標(biāo)，以及和目標(biāo)強(qiáng)度相當(dāng)?shù)慕ㄖ?、樹木等?qiáng)雜波，最終可以采用聚類、去除虛警 區(qū)域等后續(xù)操作將大部分不符合目標(biāo)先驗(yàn)尺寸的建筑物、樹木等雜波虛警去除，保留感興 趣的目標(biāo)。
[0023] 2.檢測(cè)二值圖上物體結(jié)構(gòu)完整，檢測(cè)精度高
[0024] 本發(fā)明是基于貝葉斯顯著性的SAR圖像目標(biāo)檢測(cè)方法，由于超像素的引入以及貝 葉斯框架融合兩種顯著圖的原因使得其得到的二值圖中目標(biāo)結(jié)構(gòu)相對(duì)完整，區(qū)域連通性較 好，在聚類等后續(xù)處理中很容易將同一個(gè)目標(biāo)聚為一類，而由聚類結(jié)果提取的切片中目標(biāo) 大多也位于切片的中心，檢測(cè)精度較高，有利于SAR ATR的第二階段-目標(biāo)鑒別的特征提 取。
【附圖說明】
[0025] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0026]圖2是本發(fā)明實(shí)驗(yàn)中使用的原始SAR圖像；
[0027] 圖3是本發(fā)明方法對(duì)圖2檢測(cè)得到的去除虛警區(qū)域后的二值圖；
[0028] 圖4是本