[发明专利]星载SAR图像中的飞机目标检测与鉴别方法

摘要

本发明属于雷达图像处理技术领域，具体为一种星载SAR图像中的飞机目标检测与鉴别方法。本发明的主要步骤为：机场检测：包括机场粗检测、机场目标精确分割，其中采用鉴别算子对目标进行粗定位，采用替代滤波法，减少图像干涉横条纹造成的影响及采用图像分割技术对机场目标精确定位；飞机目标检测：采用基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法；最后通过面积追踪与长宽比鉴别提取得到飞机目标。本发明能够高效、准确地检测出复杂背景中的飞机目标；本发明提出的飞机检测算法适用于复杂的SAR图像背景，鲁棒性高，实时性好，具有推广应用前景。

主权项

1.一种复杂背景SAR图像中的飞机目标检测与鉴别方法，其特征在于，具体步骤如下：(1)首先采用机场粗检测算法，对大场景中机场目标进行粗定位；(2)其次采用机场区域精确分割算法，对机场目标进行精确分割；(3)然后采用基于Canny算子的边缘检测方法，提取机场区域中的可疑目标；(4)最后采用基于卷积神经网络识别算法及虚警鉴别算子，对可疑目标进行识别及虚警鉴别；步骤(1)所述的采用机场粗检测算法，对大场景中机场目标进行粗定位，是利用孔洞鉴别算子、形状鉴别算子及面积鉴别算子，通过对图像分割提取的连通域进行鉴别，对大场景SAR图像中机场目标进行粗定位；其中：孔洞鉴别算子：连通域孔洞填充后面积与原面积差占原面积比；形状鉴别算子：连通域面积与其最小外接矩形框面积之比；面积鉴别算子：连通域面积与该幅图像中最大连通域面积之比；复合鉴别算子：步骤(2)中所述的机场区域精确分割算法，包括：替代滤波及图像分割；步骤(3)中所述的基于Canny算子的边缘检测方法，包括：基于Canny算子的边缘检测和利用最优距离匹配算法对飞机离散目标进行组合；步骤(4)中所述的基于卷积神经网络识别算法及虚警鉴别算子，包括基于googLeNet的卷积神经网络目标识别及面积追踪与长宽比鉴别；步骤(1)基于鉴别算子的机场目标粗检测算法流程为，首先通过图像均值滤波对图像杂波与噪声进行抑制，然后通过Otsu方法确定全局阈值对图像进行二值化处理；对二值化图像进行先膨胀后腐蚀操作，减少背景杂波影响；提取面积排名前10的连通域，利用孔洞鉴别算子，形状鉴别算子及面积鉴别算子对连通域目标进行鉴别，对大场景SAR图像中飞机目标进行粗定位；步骤(2)所述的基于图像处理的机场区域精确分割的流程为，对粗定位后目标区域进行灰度调整，二值化及取反等图像处理步骤，通过提取连通域对机场区域进行精确分割；其中，所述的替代滤波流程为，先检测横条纹，然后采用图像中横条纹附近图像值替代横条纹处图像值；步骤(3)所述的基于Canny算子的边缘检测方法的流程为，首先采用Canny算子对图像边缘进行提取，然后对边缘提取后的图像进行膨胀与腐蚀操作，并对边缘虚警进行剔除，实现目标粗分割；所述的最优距离匹配算法流程为，将包含飞机离散部件与虚警的小边界框与包含飞机目标虚较大虚警的大边界框一一匹配，选取最短距离组合进行匹配，确定飞机整体目标的可能位置；步骤(4)中所述的基于卷积神经网络识别算法流程为，基于GoogLeNet网络结构，首先利用已有数据进行数据增强后对网络进行训练，然后对上述流程输出的可疑目标边界框进行多灰度识别；所述的飞机目标鉴别流程为，对多灰度目标识别的结果，基于面积鉴别算子，长宽比鉴别算子及目标识别算子，对飞机虚警目标进行鉴别。