[发明专利]一种船载雷达原始图像的高亮目标快速分割方法

说明书

本发明提供一种船载雷达原始图像的高亮目标快速分割方法，包括以下步骤：S1：将图像变换至笛卡尔坐标系下表示；S2：对笛卡尔坐标系下的图像中的同频干扰噪声进行降噪处理；S3：抑制降噪处理后的图像中的海浪像元；S4：从抑制海浪像元处理后的图像中确定初步分割的高亮目标像元；S5：剔除小于像元数量阈值的斑点噪声，完成从图像中分割出高亮目标；S6：将分割后的图像变换回极坐标系下表示。本发明提供一种船载雷达原始图像的高亮目标快速分割方法，避免大量繁琐的计算，实现快速地分割高亮目标，解决了目前从船载雷达原始图像中提取高亮目标效率低的问题。

技术领域

本发明涉及海洋数据监测技术领域，更具体的，涉及一种船载雷达原始图像的高亮目标快速分割方法。

背景技术

船载雷达原始图像中含有丰富的图像信息，包括海上船舶、海岸线(大陆与岛屿)、灯塔、海浪、溢油、海冰等。

陆瑛，应士君，孙振，施朝健，邹绪平，基于最大似然估计的航海雷达目标检测算法[J]。上海海事大学学报，2012，33(04)：1-4，结合船舶自动识别系统(AutomaticIdentification System，AIS)信息，提出一种利用最大似然估计(Maximum LikelihoodEstimate，MLE)分割海杂波中较亮目标的分割方法，主要用于海上搜救的目标检测。这种方法需要AIS系统提供船舶目标的数量、长度与位置等信息，结合雷达图像，生成样本集，忽略了尚未安装AIS的小型船舶，以及灯塔、陆地、岛屿等高亮目标的分割。

C.Nishizaki,Y.Niwa,M.Imasato,et al.A method for feature extractionand classification of marine radar images[C].2014World Automation Congress(WAC),Waikoloa,HI,2014,pp.48-53，尝试利用船载雷达图像进行处理和聚类分析，实现对船舶目标的自动分割。这种方法对含有船舶的船载雷达图像自动检测准确度较高。但在没有船舶的图像中，往往会检测到假阳性目标。

D.Yulian,R.Hidayat,H.A.Nugroho,et al.Automated ship detection withimage enhancement and feature extraction in FMCW marine radars[C].2017International Conference on Radar,Antenna,Microwave,Electronics,andTelecommunications(ICRAMET),Jakarta,2017,pp.58-63，将FMCW航海雷达进行岸基安装，结合电子海图系统，提出利用图像增强和特征提取技术实现图像中的船舶自动检测方法。这种方法首先需要剔除掉雷达图像中的陆地、岛屿、浅滩等区域，再利用高亮目标的大小、轮廓弧度、灰度强度值等特征对船舶图像和非船舶图像进行分类。这种方法适用于低噪声的船载雷达图像，对噪声较高的原始图像适用度较低。

胡晨曦，基于深度学习的航海雷达目标识别技术[J]。信息化研究，2018，44(02)：63-67，将预处理后的船载雷达图像分割成切片。利用深度学习识别器对雷达图像切片进行分类，实现了船舶、海岸线、海杂波与背景的分类。该方法能取得较好的识别效果。但是船舶和陆地都是高亮的目标，当两者都存在于图像中时，会出现错误的分类结果。

王海霞，徐进，王庆名等人，航海雷达目标快速识别方法研究[J]。无线电通信技术，2020，46(1)：126-132，采用自动多级阈值法对预处理效果较好的船载雷达图像中的高亮目标进行分割。该方法的实验结果表现较好。但由于计算多级阈值比较耗时，整体效率相对较低。

发明内容

本发明为克服现有技术从船载雷达原始图像中提取高亮目标效率低的技术缺陷，提供一种船载雷达原始图像的高亮目标快速分割方法。

为解决上述技术问题，本发明的技术方案如下：