[发明专利]SAR图像车辆目标的快速检测与定位方法

摘要

本发明提供一种SAR图像车辆目标的快速检测与定位方法。技术方案是首先利用高斯分布和双参数恒虚警率算法来构建车辆目标检测方法，然后对检测结果进行形态学滤波、尺寸滤波和聚类处理，来获取车辆目标的像素集合，以此计算车辆目标的中心坐标，作为车辆目标的图像位置坐标，实现车辆目标的定位。本发明只涉及一些简单的算术运算，运算量小，检测与定位精度高，处理效率较高，便于工程实现。

主权项

1.SAR图像车辆目标的快速检测与定位方法，其特征在于，包括下述步骤：第一步：获取任意像素的局部邻域数据集：设待测SAR图像为S＝{s(i，j)，1≤i≤M，1≤j≤N}，M和N为SAR图像的行数和列数，s(i，j)为SAR图像中坐标为(i，j)像素值；待测SAR图像的距离向分辨率和方位向分辨率都为r；感兴趣的车辆目标的长度和宽度分别为L和W，则其长度和宽度在待测SAR图像分别有L₀和W₀个像素，其中L₀＝Ceil(L/r)，W₀＝Ceil(W/r)，Ceil(·)表示取上限整数值，车辆目标在待测SAR图像上的面积为N_T＝L₀×W₀；对s(i，j)进行加窗处理，该正方形的环形窗的中心像素为s(i，j)，外边长为L₁个像素，内边长为L₂个像素，其中L₂≥L₀+1，且L₂＝L₁-2；环形窗内的像素构成了像素s(i，j)的局部邻域数据集Ω_c(i，j)；第二步：计算任意像素背景杂波统计分布函数利用下式计算待测SAR图像像素s(i，j)局部背景杂波分布函数中均值和标准差u^c(i,j)=1Nc(i,j)Σ(i′,j′)∈Ωc(i,j)s(i′,j′)]]>    (一)σ^c(i,j)=1Nc(i,j)Σ(i,j)∈Ωc(i,j)(s(i,j)-u^c(i,j))2]]>    (二)公式(一)和公式(二)中N_c(i，j)是局部邻域数据集Ω_c(i，j)的像素数目；利用下式计算像素s(i，j)的背景杂波分布函数p_s(i，j)(t)，其中t表示像素的任意取值：ps(i,j)(t)=12πσ^c(i,j)exp(-(t-u^c(i,j))22σ^c2(i,j))]]>    (三)第三步：计算任意像素的CFAR判决阈值根据需要设定CFAR检测的虚警概率为p_fa，利用下式计算像素s(i，j)的CFAR判决阈值T_s(i，j)：1-pfa=∫0Ts(i,j)ps(i,j)(t)dt]]>    (四)第四步：对任意像素进行目标检测的判决处理如果像素s(i，j)满足将像素s(i，j)判为异常像素，在目标检测图像F中对应像素(i，j)位置处，设定像素f(i，j)＝1；否则，将像素s(i，j)判为背景像素，在目标检测图像F中对应像素(i，j)位置处，设定像素f(i，j)＝0；第五步：对目标检测结果图像进行形态学滤波处理对目标检测结果图像F进行如下处理：①连通运算；首先对图像F′赋初值，即F′＝F；如果图像F中任意像素f(i，j)＝0且η₄(i，j)是f(i，j)对应的4邻域，则f′(i，j)＝1；否则f′(i，j)＝0；②填充运算；首先对图像F″赋初值，即F″＝F′；如果图像F′中任意像素f′(i，j)＝0且η₈(i，j)是f′(i，j)对应的8邻域，则f″(i，j)＝1；否则f"(i，j)＝0；③清除运算；首先对图像F″′赋初值，即F″′＝F″；如果图像F″中任意像素f″(i，j)＝1且η₈(i，j)是f″(i，j)对应的8邻域，则f″′(i，j)＝0，否则f″′(i，j)＝1；第六步：对形态学滤波处理的结果图像进行尺寸滤波处理设图像F″′中有p个不连通的像素集合，分别为C_a，a＝1，…，p，其中第a个像素集合的面积为N_a；设定尺寸滤波器判决阈值的上限为N_max＝a₀·N_T，a₀是放大系数，判决阈值下限为N_min＝a₁·N_T，a₁是缩小系数；a₀和a₁根据车辆目标的实际情况进行调整；尺寸滤波器的判决：如果N_min≤N_a≤N_max，将C_a判为候选目标像素集合；否则，将C_a判为虚假目标像素集合；若像素集合C_a被判为虚假目标像素集合，则C_a内部的像素值全部被置为0；设图像F″′经过上述尺寸滤波处理后，得到新的图像Z；第七步：像素集合的聚类处理设图像Z中有q个的候选目标像素集合，分别为Z_b，b＝1，…，q，其中第b个候选目标像素集合Z_b的像素数目为M_b，该集合中各像素的坐标构成空间按照下式来计算候选目标像素集合Z_b的中心坐标iZb=Ceil[1MbΣ(i′′,j′′)∈ΩZbi′′]]]>    (五)jZb=Ceil[1NbΣ(i′′,j′′)∈ΩZbj′′]]]>    (六)在图像Z中任意两个候选目标像素集合Z_b和Z_h的距离d_bh为：dbh=(iZb-iZh)2+(jZb-jZh)2]]>    (七)是候选目标像素集合Z_h的中心坐标；根据需要设定聚类合并的阈值为D；如果d_bh≤D，则判定集合Z_b和Z_z同属于一个目标，将Z_b和Z_h的像素集合进行合并，两个像素集合合并后的中心坐标为：iZb′=iZb·Mb/(Mb+Mh)+iZh·Mh/(Mb+Mh)]]>    (八)jZb′=jZb·Mb/(Mb+Mh)+jZh·Mh/(Mb+Mh)]]>         (九)上式M_h中候选目标像素集合Z_h的像素数目；如果d_bh>D，则判定集合Z_b和Z_h不属于同一个目标，对应Z_b和Z_h的中心坐标不进行合并处理；按照上述聚类处理的判决方法，对图像Z中所有的候选目标像素集合进行聚类合并处理，直至合并处理后的目标像素集合之间的距离都大于阈值D，以此获得到车辆目标的像素集合；设聚类处理后的结果图像为Z′；第八步：计算车辆目标的数量和车辆目标对应的图像位置坐标在图像Z′中，目标像素集合为Z′_k，k=1，…，q′，则检测到的车辆目标数量是q′；在第七步处理过程中，得到了每一个目标像素集合Z′_k的中心坐标为则各个车辆目标对应的图像位置坐标就是