[发明专利]基于伽玛分布和邻域信息的SAR图像显著性区域检测方法

摘要

本发明公开了一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，主要解决斑点噪声下现有算法不能稳定有效检测SAR图像显著性区域的问题。其实现步骤是：(1)利用8个灰度变化值检测窗口得到像素点的变化值和变化方向；(2)在不同尺度下构建像素点的变化值和变化方向的二维直方图对，计算邻域变化不一致性度量，并确定像素点邻域的显著性和显著性尺度；(3)通过斑点噪声的伽玛分布模型估计像素点在显著性尺度邻域的灰度直方图，计算显著性尺度的局部显著性度量以及像素点的显著性度量；(4)通过迭代方法得到稳定的显著性区域坐标及其区域半径。本发明减少了斑点噪声的影响，检测的稳定性以及有效性均得到提高，可用于SAR图像配准、变化检测和目标识别。

主权项

1.一种基于伽玛分布和邻域信息的SAR图像显著性区域检测方法，包括以下步骤：(1)输入一幅I×J大小的SAR图像，利用8个不同的3×3灰度变化值检测窗口，计算该图像的每个像素点在8个方向上的灰度变化值；(2)将每个像素点在8个方向上灰度变化值的最大值，记录为该像素点的变化值，并将灰度变化值的最大值产生方向，记录为该像素点的变化方向，其中变化方向标记为1到8的整数；(3)将坐标为第i行第j列的像素点(i,j)的变化值和变化方向分别表示为xc_i,j和xd_i,j，1≤i≤I，1≤j≤J；(4)根据每个像素点(i,j)的变化值和变化方向，1≤i≤I，1≤j≤J，计算初始显著性矩阵Y_T：4a)计算像素点(i,j)的每个尺度r的二维直方图对{ch_i,j(xc,xd,r),h_i,j(xc,xd,r)}，2≤r≤r_max：chi,j(xc,xd,r)=Σ(m,n)∈Ri,jr-1δxc,xcm,n×δxd,xdm,n×xcxcmax,]]>hi,j(xc,xd,r)=chi,j(xc,xd,r)+Σ(m,n)∈(Ri,jr-1,Ri,jr]δxc,xcm,n×δxd,xdm,n×(gmin+g×r-g)(2×g×gmin+g2)gmin2×g×(2×gmin+2×g×r-g)×xcxcmax,]]>其中，ch_i,j(xc,xd,r)为像素点(i,j)在尺度r下对应的尺度r-1邻域内像素点的变化值和变化方向二维直方图，h_i,j(xc,xd,r)为像素点(i,j)的尺度r邻域内像素点的变化值和变化方向二维直方图，xc包含图像上像素点的变化值的所有取值，xd包含像素点的8个变化方向标记，xc_max为整个图像上最大的灰度变化值，xc_m,n为像素点(m,n)的变化值，xd_m,n为像素点(m,n)的变化方向，表示像素点(m,n)包含于距离像素点(i,j)不超过g_min+g×(r-1)-g个像素点数的圆形邻域内，表示像素点(m,n)包含于距离像素点(i,j)大于g_min+g×(r-1)-g个像素点数又不超过g_min+g×r-g个像素点数的环形邻域内，g_min是尺度1邻域半径的像素点数，g是相邻尺度邻域半径增量的像素点数，为关于xc和xc_m,n的克罗内克函数，δxc,xcm,n=1,xcm,n=xc0,xcm,n≠xc,δxd,xdm,n]]>为关于xd和xd_m,n的克罗内克函数，δxd,xdm,n=1,xdm,n=xd0,xdm,n≠xd;]]>4b)利用4a)的(r_max-1)个二维直方图对，计算像素点(i,j)的每个尺度r的邻域变化不一致性度量2≤r≤r_max：Wi,jr=Σxc=0xcmaxΣxd=18|chi,j(xc,xd,r)/gmin2-hi,j(xc,xd,r)/(gmin2+2g×gmin+g2)|×gmin2/(gmin+g×r-g)2;]]>4c)从所有求得的(r_max-1)个邻域变化不一致性度量中找出最大的邻域变化不一致性度量,如果最大的邻域变化不一致性度量对应的尺度为2或r_max，则像素点(i,j)不具有显著性区域，不再定义该像素点的显著性度量；否则，定义最大的邻域变化不一致性度量对应的尺度为像素点(i,j)的显著性尺度，并用r′_i，j表示；4d)利用斑点噪声的伽玛分布,估计像素点(i,j)在显著性尺度r′_i,j邻域的灰度直方图hci,jri,j′(y)=Σx∈Dxy2ENLi,jri,j′ENLi,jri,j′(xy)ENLi,jri,j′-1Γ(ENLi,jri,j′)exp(-ENLi,jri,j′(xy))hi,jri,j′(x),]]>其中，y包含从0到255的所有整数灰度值，x是灰度值，x∈D表示x在灰度值范围D内取值，D包含从0到255的所有整数灰度值，是像素点(i,j)在显著性尺度r′_i,j邻域的灰度直方图，Γ(·)是伽玛函数，是像素点(i,j)的显著性尺度r′_i，j邻域的等效视数；4e)利用4d)中估计得到的显著性尺度r′_i,j邻域的灰度直方图计算像素点(i,j)的显著性尺度r′_i,j的局部显著性度量4f)利用显著性尺度r′_i,j的局部显著性度量和邻域变化不一致性度量计算像素点(i,j)的显著性度量S_i,j，并将行向量(i,j,g_min+g×(r′_i,j-1),S_i,j)加入初始显著性矩阵Y_T；(5)选取初始显著性矩阵Y_T中的前ε%个最大的显著性度量对应的行构建显著性矩阵Y_T′，0＜ε≤100，再通过迭代方法得到稳定显著性矩阵Y_S，提取稳定显著性矩阵Y_S每一行的前两个元素作为圆心的行列坐标以及第3个元素作为圆半径的像素数，在SAR图像中画出相应的圆形显著性区域。