[发明专利]基于超像素局部信息度量的极化SAR舰船目标检测方法

权利要求书

1.基于超像素局部信息度量的极化SAR舰船目标检测方法,包括：

(1)对给定的极化SAR图像I分别进行多尺度超像素分割，得到4个尺度下极化SAR图像超像素分割结果：S₁,S₂,S₃,S₄；

(2)对超像素分割后的结果S_k，利用超像素滑动窗口模型分别计算三种基于超像素级的差异性度量：似然比度量黎曼距离度量散射分量相似性度量其中，k＝1,...,4，表示4个尺度，表示当前尺度分割结果S_k中的超像素个数，j＝1,...,M_i，M_i表示以超像素为中心的滑窗边界上的超像素个数；其中，求解基于超像素级的似然比度量按照如下步骤进行：

2a1)在超像素分割结果S_k中，利用超像素滑动窗口模型计算滑窗中心超像素与滑窗边界上超像素似然比统计量

其中，L(·)是似然函数，n是视数，N_i表示超像素中的像素个数，N_j表示超像素中的像素个数，参数和为中间变量，通过以下公式估计得出：

其中，表示滑窗中心超像素里的第l_i个像素的相干矩阵，表示滑窗边界上超像素里的第l_j个像素的相干矩阵，表示和中的第l个像素的相干矩阵；

2a2)根据步骤2a1)中计算得到的似然比检测统计量计算滑窗中心超像素与滑窗边界上超像素的似然比度量

其中，lnQ_c是一个恒定参数，取值为-150；

(3)将(2)中三种基于超像素级的差异性度量转化为基于像素级的差异性度量向量得到每个像素点在不同分割尺度下融合后的差异性度量向量D_s：

其中，为每个像素点在超像素分割结果S_k下的差异性度量向量，s＝1,...,P，P为极化SAR图像I中所有的像素点个数；

(4)选择高斯核函数，利用核fisher判别分析算法KFDA将(3)中得到的每个像素点在不同分割尺度下融合后的差异性度量向量D_s映射成每个像素点最终的差异性度量值Dis_s；

(5)利用支持向量机分类器SVM，对(4)中映射出的每个像素点最终的差异性度量值Dis_s进行分类，输出每个像素点的类别，实现自动目标检测。

2.根据权利要求1所述的方法，其中步骤(1)进行多尺度的超像素分割，按如下步骤进行；

超像素分割算法包括：SLIC算法、Turbo pixel算法、Normalized-cuts算法和Y.Wang提出的针对极化SAR图像的改进的SLIC算法，根据不同的尺度，利用改进的SLIC算法对极化SAR图像I进行超像素分割，其实现如下：

当尺度为6时，利用改进的SLIC算法，对给定的极化SAR图像I进行超像素分割，得到分割后的结果S₁；

当尺度为9时，利用改进的SLIC算法，对给定的极化SAR图像I进行超像素分割，得到分割后的结果S₂；

当尺度为12时，利用改进的SLIC算法，对给定的极化SAR图像I进行超像素分割，得到分割后的结果S₃；

当尺度为15时，利用改进的SLIC算法，对给定的极化SAR图像I进行超像素分割，得到分割后的结果S₄。