[发明专利]一种基于目标数量后验的SAR图像集群目标检测方法

摘要

本发明属于雷达遥感或图像处理技术，具体的说是涉及一种基于目标数量后验的SAR图像集群目标检测方法。本发明通过对SAR图像提取感兴趣区域，并在每个感兴趣区域提取强散射中心，以此估计可能存在目标的数量的范围。在该范围类选取目标数量的估计值，基于该数量约束下，利用分割算法将感兴趣区域内的散射中心分割为目标区域。通过得到的目标区域的空间尺寸以及强度分布，分析目标区域相似度，计算目标数量估计值的后验概率。最后，通过迭代地比较不同目标数量下的检测结果，找到具有最大后验概率的估计值，将其对应的目标区域作为本方法的集群目标检测结果。本发明实现了SAR图像中集群目标的检测与分割，能更准确地区分目标集群中的不同个体。

主权项

1.一种基于目标数量后验的SAR图像集群目标检测方法，其特征在于，包括以下步骤：/nS1、根据原始SAR图像，提取感兴趣区域，具体包括：/nS11、将原始SAR图像划分为具有固定尺寸且不重叠的切片，基于这些规则的切片内的像素强度值计算其加权信息熵：/n首先，将一副大场景SAR图像划分为多个切片：/n /n其中I和P分别表示原始SAR强度图像和局部切片，其尺寸大小分别为H×W和h×w个像素点；符号代表每一个像素的强度位于实数域；总的切片数量为个，其中为向下取整运算符号；/n在每一个切片中，强度直方图由图像中强度值的概率组成：/n /n /n其中，h为直方图向量，其维度为整数L；SAR图像量化后的像素强度取值范围为[0，L]之间的整数；强度等于i的像素的数量为n_i，该强度的概率值表示为p(i)；于是利用强度直方图进行加权信息熵计算的公式如下：/n /n符号μ为切片中像素强度的均值，en_P为切片P的加权信息熵；/nS12、对步骤S11中得到的切片进行筛选，找到可能包含目标的切片，并将其融合为感兴趣区域：/n采用拉普拉斯滤波的方法筛选SAR图像中背景区域的切片：/ns_P＝max(0，LoG(en_P)-en_P)/n拉普拉斯滤波表示为LoG(en_P)，其输出为切片P的加权信息熵en_P与其周围切片加权信息熵经过高斯平滑后的二阶差分；筛选后切片的信息量值表示为s_P；然后，将筛选后所有信息量为正的相邻切片合并为连通区域，每一个连通区域即可能包含目标的感兴趣区域；/nS2、从步骤S1所得感兴趣区域中提取强散射中心，对区域中的局部极大值按强度进行降序排列，依次提取局部极大值对应的散射中心，具体为：/nS21、以感兴趣区域强度均值为阈值，将区域中强度低于该阈值的像素标记为背景，其余像素为前景，对前景图像进行平滑滤波，再从前景像素中搜索出局部极大值：/n /n /n感兴趣区域为R，总共包含n_R个像素，则阈值th等于该区域的均值；其中，x，y为区域中某一像素在图像平面上的坐标，且i(x，y)为该像素的强度值，强度低于阈值的像素被置零，而大于等于阈值的像素则通过平均滤波器进行平滑处理，x+Δx，y+Δy为滤波像素其八邻域像素的坐标；/n对平滑后的像素计算其一阶梯度i′(x，y)和二阶梯度i″(x，y)的值：/n /n /n于是，搜索到局部极大值应满足：/ni′(x_p，y_p)≈0∨i″(x_p，y_p)＜＜-m/ni(x_p，y_p)＞i(x_p+Δx，y_p+Δy)/n其中，局部极大值坐标为x_p，y_p；m为常数，其取值范围为[0，2L]之间的正实数；/nS22、将所有n_p个局部极大值按其强度大小进行排序，依次对每个局部极大值提取其散射中心；/n极大值排序结果表示如下：/n /n然后，从强度最大的局部极大值开始搜索，先以其强度为基准提取支持区域，即强度大于该局部极大值的强度的一半的所有像素组成的区域：/n /n支持区域S被限制在图像平面空间的局部范围内，该范围由常数θ与SAR图像空间分辨率r决定；在支持区域中利用核密度估计和质心公式估计散射中心坐标：/n /n /n支持区域中像素数目为n_s，利用高斯核函数K(·)计算每个像素的核密度估计为d(x，y)，k为该核函数的常系数，其取值针对不同实验进行选择；估计得到的散射中心为(x_c，y_c)，保存该散射中心和支持区域内的像素，并开始搜索下一个局部极大值及其散射中心；/nS3、根据步骤S2所得散射中心数目，确定感兴趣区域中可能存在的目标数量范围，针对范围中的每一个目标数量假设值，将散射中心及其支持区域分割到等量的目标区域，具体为：/nS31、确定感兴趣区域中目标数量的取值范围；/n感兴趣区域中目标数量将不大于散射中心的数目，基于此前提，目标数量的取值范围为：/n /n散射中心的数目为n_c；/nS32、从步骤S31的取值范围内的某一值n_t，基于该目标数量约束，将散射中心合并为目标区域；/n当n_t取0时，假设感兴趣区域中不存在目标，即所有散射中心被分割为背景；当n_t取1时，所有散射中心被分割为一个目标；当n_t＝n_c时，每个散射中心代表一个目标；这三种情况下，不需要额外的分割算法，所得目标直接被用于步骤S4的后验概率计算；除此之外，当n_t取其他值时，部分散射中心需要被融合为同一目标区域，利用测地距离来表示SAR图像散射中心间距离：/n /n测地距离是在图像强度曲面上，连接两个散射中心c_i，c_j的最短路径的线积分，其中积分函数为像素强度的负指数e^-i(x，y)；/n然后，通过严格地约束目标数量为n_t，使分割过程在达到预设目标时终止；感兴趣区域中散射中心的支持区域的面积已知，可计算出假设存在n_t个目标时，其每个目标的平均面积为：/n /n其中，A为感兴趣区域散射中心的支持区域的外接矩形的总面积；于是，以每个散射中心为初始点，通过近似传播分割方法合并相邻散射中心，直到当前分割区域的总面积接近a_t；近似传播方法每次将一个散射中心合并到与其距离最近的散射中心：/n /n通过迭代运行两个散射中心的合并过程，当合并的区域面积最接近a_t时，该区域内的所有散射中心被存储为一个目标，且不再继续合并；算法移到其他初始点，重复运行该过程，直到所有散射中心已被处理；/n合并完成后，检查已存储的目标数量是否等于n_t；当已存储目标较多时，将存储的面积最小的目标的散射中心重新合并到其相邻的目标；反之，当已存储目标较小时，将存储的面积最大的目标的散射中心重新分割；重复调整已存储的目标，直到其数量等于n_t；/n然后，从步骤S31的取值范围中取另一个目标数量，重复步骤S32的分割过程，直到该范围内所以取值均已被处理；/nS4、利用步骤S3在不同目标数量取值下所存储的目标区域，计算相应目标数量的后验概率，查找具有最大后验概率的目标数量取值，作为感兴趣区域内可能存在目标的数量估计值，其对应的目标区域作为最终集群目标检测结果，具体为：/nS41、利用目标区域的相似度计算检测后验概率；/n利用相似度来衡量目标数量的后验概率，将目标区域的强度分布和尺寸作为特征，计算目标区域两两相似的程度，并取所有相似程度的均值，利用高斯分布函数将其值域进行规范化：/n /n当目标数量为n_t时，目标区域集合为目标区域的特征表示为向量f，其由目标区域的强度直方图与目标区域的长和宽串联而成，高斯函数的方差σ²为与目标数量无关的常数，用于将所有相似程度转化到特定实数区间；/nS42、计算目标区域与感兴趣区域中的背景相似性，利用其对步骤S41的后验概率进行加权；/n利用目标区域与背景的相似性后验概率加权：/n /n /n其中，en_T，en_B分别为所有目标区域的加权信息熵与背景区域的加权信息熵，最终的后验概率为/nS43、比较步骤S42所得全部目标数量后验概率，将具有最大后验概率的目标数量取值作为感兴趣区域中可能存在的目标数量的估计值，其对应的目标区域作为最终检测结果。/n