[发明专利]基于贝叶斯显著性的SAR图像目标检测方法

摘要

本发明公开了一种基于贝叶斯显著性的SAR图像目标检测方法，主要解决现有SAR图像目标检测技术中检测准确率低及检测二值图上目标结构不完整的问题。其实现步骤为：对原始SAR图像进行超像素分割；利用超像素分割结果分别构建先验显著图、前景似然图、背景似然图；在贝叶斯框架下融合先验显著图、前景似然图、背景似然图的结果得到贝叶斯后验显著图；对该贝叶斯后验显著图进行分割得到含有疑似目标区域的二值图；对二值图进行聚类、虚警区域移除后在原始SAR图像上提取疑似目标切片，完成SAR图像目标检测。本发明相比于双参数CFAR检测具有检测准确率高和检测二值图上目标结构较完整的优点，适用于复杂场景下SAR图像目标检测。

主权项

1.基于贝叶斯显著性的SAR图像目标检测方法，包括如下步骤：(1)对一幅尺寸为W×H的原始SAR图像A进行超像素分割，得到超像素{ri}， i＝1,...,N， 其中，N为超像素的个数；(2)对每个超像素rk计算其基于全局对比的先验显著度pg(rk)， 得到与原始SAR图像A尺寸相同的先验图C，并对先验图C进行最大值归一化处理得到先验显著图D；其中，对每个超像素rk计算其基于全局对比的先验显著度pg(rk)，按下式进行：其中，Ds(rk,ri)表示第k个超像素与第i个超像素在空间上的欧氏距离，σs是控制空间欧氏距离对于第k个超像素先验显著度的贡献程度的常数，w(ri)是第i个超像素的像素点个数，Dr(rk,ri)是第k个超像素与第i个超像素的强度直方图之间的欧氏距离；(3)利用基于尺度选择的中心‑周边差法，对原始SAR图像A进行处理得到似然显著图E，对似然显著图E分割得到标注原始SAR图像A的前景区域F和背景区域B的二值图V；(4)分别统计原始SAR图像A的前景区域F和背景区域B的像素点的强度值出现的频率，得到前景强度直方图Hf和背景强度直方图Hb；(5)分别根据前景强度直方图Hf和背景强度直方图Hb计算原始SAR图像A上每个像素点z(j)的前景似然概率值pf(z(j))和背景似然概率值pb(z(j))，其中，j＝1,2,...,W×H， 然后把原始SAR图像A每个像素点z(j)的前景似然概率值pf(z(j))和背景似然概率值pb(z(j))分别按照原始SAR图像A每个像素点z(j)所在的对应位置进行排列，得到与原始SAR图像A尺寸相同的前景似然图Mf和背景似然图Mb；(6)在贝叶斯框架下根据先验显著图D、前景似然图Mf、背景似然图Mb，计算原始SAR图像A每个像素点z(j)的贝叶斯后验概率值pB(z(j))，然后把每个像素点z(j)的贝叶斯后验概率值pB(z(j))按照原始SAR图像A每个像素点z(j)的对应位置进行排列，得到与原始SAR图像A尺寸相同的贝叶斯后验显著图P；(7)对贝叶斯后验显著图P进行分割得到标注有贝叶斯后验显著图P前景和背景的二值图O；(8)根据感兴趣的目标尺寸设置最大聚类距离dmax，用该最大聚类距离dmax对标注有贝叶斯后验显著图P前景和背景的二值图O进行聚类处理，得到聚类后的二值图Q；(9)统计聚类后的二值图Q中每一聚类区域像素点个数，对聚类后的二值图Q中不满足目标面积要求的聚类进行置零操作， 即去除虚警区域，得到去除虚警区域后的二值图Y；(10)根据去除虚警区域后的二值图Y，在原始SAR图像A上进行切片提取处理，得到疑似目标切片，即原始SAR图像A最终的目标检测结果：10a)计算去除虚警区域后的二值图Y上每一聚类区域的质心坐标(cenx,ceny)：其中，x(b)、 y(b)为去除虚警区域后的二值图Y上每一类区域中每一像素点的坐标， b＝1,2,...,Nb， Nb为去除虚警区域后的二值图Y上每一类区域的像素点个数；10b)根据最大目标尺寸设置正方形切片的边长为Cs，在原始SAR图像A上以二值图Y上每一聚类区域的质心坐标(cenx,ceny)为中心，提取边长为Cs的正方形区域作为疑似目标切片。