[发明专利]一种基于目标数量后验的SAR图像集群目标检测方法

说明书

本发明属于雷达遥感或图像处理技术，具体的说是涉及一种基于目标数量后验的SAR图像集群目标检测方法。本发明通过对SAR图像提取感兴趣区域，并在每个感兴趣区域提取强散射中心，以此估计可能存在目标的数量的范围。在该范围类选取目标数量的估计值，基于该数量约束下，利用分割算法将感兴趣区域内的散射中心分割为目标区域。通过得到的目标区域的空间尺寸以及强度分布，分析目标区域相似度，计算目标数量估计值的后验概率。最后，通过迭代地比较不同目标数量下的检测结果，找到具有最大后验概率的估计值，将其对应的目标区域作为本方法的集群目标检测结果。本发明实现了SAR图像中集群目标的检测与分割，能更准确地区分目标集群中的不同个体。

技术领域个

本发明属于雷达遥感或图像处理技术领域，具体的说是涉及一种基于目标数量后验的SAR图像集群目标检测方法。

背景技术

传统的SAR图像目标检测方法被用于提取孤立目标区域，当SAR图像场景中存在目标集群时，这类检测方法则不能正确地提取出每个目标。于是，针对集群目标改进检测方法对提高雷达的信号探测能力具有十分重要的意义。随着SAR成像技术的日趋进步，以及SAR图像检测技术的应用日益广泛，对场景更加复杂的SAR图像进行目标检测的算法研究已经成为近年的热点。SAR图像中的目标一般由多个散射中心构成，检测算法在提取出目标的散射中心的同时，还应判断每一个散射中心属于哪一个目标。对于不同的孤立目标，其散射中心在空间上相距较远，因此基于距离测度即可判断散射中心是否属于某一孤立目标。但是，当多个目标不是空间上相互孤立，而是位于共同的集群之中时，相邻的目标也会降低传统检测方法的检测性能。此外，传统方法也不能通过简单的距离测度把相邻的散射中心分割到不同目标。例如，对于利用背景建模的检测方法，待检测目标周围的其他目标被当作局部背景区域时，该类方法的背景建模准确性可能降低，难以实现正确的目标检测。对于利用边缘信息的目标检测方法，由于集群目标的空间距离很小使得目标的边缘变得模糊，该类方法往往难于提取连续的边缘，导致多个物体被分割为一个目标，从而无法获得准确的目标检测结果。

对于集群目标检测，不仅不能忽略相邻目标的互相影响，而且应当充分利用目标间的特性提高检测性能。G.Gao等人利用特定的距离来判断目标是否形成集群，指出SAR图像中的集群目标具有空间距离近的特点。于是，对于集群内的不同目标，无法通过距离阈值直接进行划分，而只能利用其他的目标特性，例如目标尺寸、目标数量等，来提高检测性能。其中，目标尺寸能够通过局部区域的目标数量进行计算，而目标数量则是未知参数。X.Liang等人通过优化目标检测框的的位置和重叠关系，来消除可能性较低的目标检测框，使检测框的数目接近真实的目标数目，从而使每个检测框包含单独的目标。因此，针对SAR图像集群目标检测问题，需要解决的难点在于估计局部区域所包含的目标数量，从而将该区域分割为特定数目的个体，实现每一个目标的正确检测。该问题可以表示为计算目标数量的概率，并找到具有最大概率的目标数量作为估计值。在实际检测中，只能得到当前观测到的SAR图像计算目标数量的后验概率。为了通过最大后验概率方法得到目标数量的估计，首先要确定估计的范围，以保证方法在有限的时间得到结果。高分辨率SAR图像中目标由多个散射中心构成，每一个散射中心的起伏特性决定了目标在SAR图像中的形状和特点。同时，由于目标至少包含一个散射中心，目标数目不大于散射中心的数目。其次，检测方法需要计算每一个目标数目的后验概率。针对光学图像目标检测，X.Liang和J.Zhang等人利用训练图像得到多个目标检测框的后验概率，当检测框出现较大重叠时，目标数量后验概率相应地较低。这种方法提取的模型来源于真实图像，对目标信息利用充分，但是其缺点也非常明显。该类检测方法依赖大量训练数据的支持，而SAR图像难以提供足够的训练样本。此外，训练样本中的目标检测框需要适用于测试图像目标检测，而当训练与测试所用图像来源与不同SAR系统时，目标检测框的后验概率可能不准确。因此，需要设计对不同SAR图像能自适应地计算目标数量后验概率的检测方法。

发明内容