[发明专利]一种基于SAR图像全局-局部特征的舰船目标检测方法

权利要求书

1.一种基于SAR图像全局-局部特征的舰船目标检测方法，其特征在于，该方法首先获取一张SAR图像，对该SAR图像建立对应的混合高斯模型，并对该图像进行超像素分割；然后分别计算每个超像素的费雪向量，以及每个费雪向量的全局密度对比度、全局密度距离对比度以及局部对比度；对全局密度对比度、全局密度距离对比度和局部对比度求积得到每个超像素的检验统计量，对每个检验统计量进行判定，最终得到SAR图像的舰船检测结果；该方法包括以下步骤：

1)获取一张SAR图像，该图像像素数量为N；设置超像素尺寸S，则该图像中超像素个数为表示向上取整；设置正则化参数λ＞0；

2)建立该SAR图像对应的混合高斯模型GMM，表达式如下：

其中，ω_q,μ_q,σ_q分别表示GMM中第q个高斯分布的权重、均值和标准差；Q0为混和高斯模型阶数；x表示图像中像素的灰度，f(x)表示GMM的概率密度函数，表示GMM中第q个高斯分布；

3)超像素分割；

将超像素的尺寸S、正则化参数λ、以及SAR图像作为输入，利用简单线性迭代聚类SLIC算法获得该SAR图像中的所有超像素；

4)计算每个超像素的费雪向量α_l：

其中，

其中，l为超像素的索引，l＝1,2,…,L；表示费雪向量α_l中的零阶信息，表示费雪向量α_l中的一阶信息，表示费雪向量α_l中的二阶信息，l＝1,2,…,L,q＝1,2,…,Q,p＝1,2,…,P_l，P_l表示第l个超像素中包含的像素的数量，x_l,p表示第l个超像素中的第p个像素；

β_q和为中间变量，表达式分别如下：

令α_l←sign(α_l)|α_l|^1/2，并进行2范数归一化；sign()表示符号函数，若该函数输入为正,则sign()为1，否则为-1；

5)计算每个费雪向量的全局密度对比度κ_l：

κ_l＝1-Nom(ρ_l) (6)

其中ρ_l表示第l个超像素的费雪向量密度，表示第l个和第个超像素的费雪向量距离，表示图像中除了第l个超像素外其他超像素的索引；D_c＞0表示截断距离，Nom(a)表示对a进行归一化的函数；

6)计算每个费雪向量的全局密度距离对比度ψ_l：

其中，表示比第l个超像素费雪向量密度低的超像素的集合；

7)计算每个费雪向量的局部对比度

其中，med{}表示选择集合中数据的中值，G(l)表示第l个超像素的邻域超像素，表示第l个超像素的邻域超像素的索引，和分别表示第l个和第超像素内部像素灰度的均值；

8)获取SAR图像的舰船检测结果；具体步骤如下：

8-1)计算每个超像素的检验统计量T_l：

8-2)计算决策阈值τ：

其，和分别表示{T_l,l＝1,2,…,L}的均值和标准差，ξ为尺度因子；

8-3)利用下式分别对每个检验统计量T_l进行判定：

所有T_l判定完毕后，最终得到SAR图像的舰船检测结果。