[发明专利]基于素描图与低秩分解的SAR图像目标检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及合成孔径雷达SAR图像目标检测技术领域中的一种基于素描图与低秩分解的合成孔径雷达图像(SyntheticApertureRadar，SAR)的目标检测方法。本发明能够准确的检测出合成孔径雷达SAR图像的人工目标，并且可用于后续合成孔径雷达SAR图像的目标识别。

背景技术

合成孔径雷达SAR图像的目标检测主要是利用目标和背景在纹理与后向散射强度统计特性上的差异，从原始合成孔径雷达SAR图像中检测和提取出潜在目标的感兴趣区域，实现目标与背景的分离。作为合成孔径雷达SAR图像自动目标识别系统中的第一步和基础环节，目标检测的性能与效果的优劣程度直接影响并作用于后续目标鉴别和目标识别阶段的效率高低和效果的好坏程度。

目前，已经发展出很多针对SAR图像的目标检测算法。其中，恒虚警(ConstantFalseAlarmRate，CFAR)检测算法以其简单、快速、实时性强的特点而被广泛应用于合成孔径雷达SAR图像目标检测中。此外，根据不同类型的目标在SAR图像上具有不同的表征形式，也相应的具有不同的检测方法，例如用于检测合成孔径雷达SAR图像中具有特定尺寸的地面目标的扩展分形的目标检测方法，针对高分辨合成孔径雷达SAR图像中的地面军事目标特点所设计的基于分割思想的目标检测方法，一般常用阈值化法和区域生长法等实现分割来进行目标检测，这些方法对SAR图像的先验信息如目标的类型尺寸以及背景杂波的统计分布模型具有较大的依赖性。

西安电子科技大学在其申请的专利“基于PrimalSketch算法的SAR图像目标检测方法”(专利申请号201110102855.1，公开号CN102129559A)中公开了一种基于PrimalSketch算法的合成孔径雷达SAR图像目标检测方法。该方法根据人工目标的规整性特征对原始合成孔径雷达SAR图像在PrimalSketch稀疏表示域上得到的线段定义规整度属性，然后根据线段规整度属性选择出种子线段集合，定义能够体现人工目标规整性特征的生长规则对种子线段进行区域生长提取出候选目标区域，并根据这些已经检测到的候选目标区域的规整度和线密度，选择出感兴趣的目标区域得到目标检测结果。该方法存在的不足之处是，所使用的PrimalSketch模型并不适用于合成孔径雷达SAR图像中的乘性噪声，并且没有考虑原始合成孔径雷达SAR图像中像素空间的特征，最终导致目标检测结果不准确，目标区域中包含的虚警较多。

西安电子科技大学在其申请的专利“基于区域标记与灰度统计的SAR图像目标检测方法”(专利申请号201210011612.1，公开号CN102622598A)中公开了一种基于区域标记与灰度统计的SAR图像目标检测方法。该方法在人工目标区域标记和合成孔径雷达SAR图像上对应的人工目标潜在区域的基础上，利用合成孔径雷达SAR图像的灰度信息和人工目标潜在区域的像素分布特征，使用最大类间方差图像阈值化算法(OTSU)将合成孔径雷达SAR图像中的像素进行分类，然后利用人工目标的像素灰度呈明暗相间分布的特征，使用区域生长算法定位人工目标完成对合成孔径雷达SAR图像中人工目标的检测。该方法存在的不足之处是，在区域生长时会受到相干斑噪声的影响，并且对于灰度一致性较弱的人工目标定位效果不好，导致目标检测结果不准确。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于素描图与低秩分解的SAR图像目标检测方法。本发明克服了当前合成孔径雷达SAR图像目标检测方法中对于目标的类型尺寸以及背景杂波的统计分布模型具有较大依赖性的问题，同时，充分考虑了合成孔径雷达SAR图像像素空间的特征，提高了合成孔径雷达SAR图像目标定位的准确性。

为实现上述目的，本发明具体实现步骤包括如下：

(1)SAR图像素描化：

采用合成孔径雷达SAR素描模型，获得输入合成孔径雷达SAR图像的素描图；

(2)提取人工目标潜在区域：

采用基于种子线段的区域生长方法，在合成孔径雷达SAR图像的素描图上提取以种子线段为基准的候选目标区域，在合成孔径雷达SAR图像上提取与候选目标区域对应的人工目标潜在区域；

(3)剔除虚警目标区域：

(3a)按照下式，计算每个候选目标区域的线密度：