[發(fā)明專利]一種自適應(yīng)閾值的視覺(jué)注意模型SAR艦船檢測(cè)算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611236274.6
• 申請(qǐng)日: 2016-12-28
• 公開(kāi)（公告）號(hào): CN107784655A
• 公開(kāi)（公告）日: 2018-03-09
• 發(fā)明（設(shè)計(jì)）人: 趙爭(zhēng);張忠芳;魏鉅杰;程春泉;楊書(shū)成;盧麗君;郗曉菲
• 申請(qǐng)（專利權(quán)）人: 中國(guó)測(cè)繪科學(xué)研究院;成都四象縱橫遙感科技有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136
• 代理公司: 北京匯信合知識(shí)產(chǎn)權(quán)代理有限公司11335
• 代理人: 陳圣清

技術(shù)領(lǐng)域

本發(fā)明涉及SAR遙感領(lǐng)域，尤其涉及一種自適應(yīng)閾值的視覺(jué)注意模型SAR艦船檢測(cè)算法。

背景技術(shù)

我國(guó)是一個(gè)海洋大國(guó)，周邊個(gè)別國(guó)家的船舶進(jìn)入我國(guó)領(lǐng)海進(jìn)行測(cè)量、監(jiān)聽(tīng)、偷捕等非法活動(dòng)，嚴(yán)重危害我國(guó)海洋安全與海洋權(quán)益。因此，海洋艦船目標(biāo)檢測(cè)具有重要意義。隨著合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)系統(tǒng)與技術(shù)快速發(fā)展，SAR圖像艦船目標(biāo)檢測(cè)越來(lái)越普遍。通常SAR系統(tǒng)成像時(shí)艦船的后向散射系數(shù)較大，在SAR圖像中艦船呈現(xiàn)較亮灰度值；而平穩(wěn)海況下，海雜波的后向散射系數(shù)較小，海面呈現(xiàn)較暗的灰度值，隨海風(fēng)增大，海面的后向散射增加，SAR圖像上艦船目標(biāo)與海洋背景的對(duì)比度減小。目前很多算法都是基于目標(biāo)與背景之間的灰度差異進(jìn)行艦船檢測(cè)的。

現(xiàn)階段SAR圖像艦船目標(biāo)檢測(cè)應(yīng)用較多的是經(jīng)典恒虛警率(Constant false alarm rate，CFAR)算法中的雙參數(shù)CFAR、K-CFAR算法及KSW雙閾值檢測(cè)算法。其中，雙參數(shù)CFAR算法基于背景雜波服從高斯分布的假設(shè)，采用3個(gè)滑動(dòng)窗口遍歷圖像計(jì)算局部閾值進(jìn)行圖像分割。高海況時(shí)，此時(shí)高斯分布不適于描述海雜波的分布，艦船檢測(cè)率下降；K-CFAR算法區(qū)別于雙參數(shù)CFAR算法，采用K分布來(lái)描述海雜波，高海況時(shí)K分布能很好地描述海雜波的長(zhǎng)拖尾現(xiàn)象。但是K分布參數(shù)估計(jì)困難，閾值求解復(fù)雜；KSW雙閾值算法是將信息熵的概念應(yīng)用于圖像分割中，該算法基于圖像分類后各類信息熵之和最大的原則，高海況條件下，海面風(fēng)場(chǎng)較大，海面通常會(huì)引起較為強(qiáng)烈的Bragg共振，其后向散射變強(qiáng)，在SAR影像上往往表現(xiàn)為較亮的區(qū)域，KSW雙閾值算法容易將反射率較高的噪聲檢測(cè)成目標(biāo)產(chǎn)生虛警。針對(duì)這些復(fù)雜情況，需要一種魯棒性強(qiáng)的簡(jiǎn)潔算法在各種海況條件下都能準(zhǔn)確高效地檢測(cè)出艦船目標(biāo)。

近幾年，出現(xiàn)了一種基于人類視覺(jué)注意模型的SAR艦船檢測(cè)方法。人類視覺(jué)機(jī)制可以從復(fù)雜場(chǎng)景中快速的提取出顯著目標(biāo)。2013年，Mehdi Amoon等人提出的基于人類視覺(jué)注意模型SAR艦船目標(biāo)檢測(cè)算法。該算法基于脈沖余弦變換(Pulse Cosine Transform，PCT)變換得到視覺(jué)顯著圖，然后閾值分割進(jìn)行目標(biāo)檢測(cè)，適用于復(fù)雜海況，但需要人工干預(yù)確定經(jīng)驗(yàn)閾值進(jìn)行艦船目標(biāo)檢測(cè)，導(dǎo)致算法自動(dòng)化程度較低。

基于人類視覺(jué)注意模型的SAR艦船檢測(cè)方法其步驟如下：

步驟一：初始閾值分割

給定SAR圖像，通過(guò)其統(tǒng)計(jì)特性及人工經(jīng)驗(yàn)確定閾值，進(jìn)行初始圖像分割，以免復(fù)雜海雜波對(duì)后續(xù)視覺(jué)顯著圖的計(jì)算存在影響。初始圖像分割的計(jì)算如公式(1)所示：

f(x,y)為用于艦船檢測(cè)的SAR圖像，判斷每個(gè)像素(x，y)上的取值f(x,y)是否大于等于閾值T_f，若大于等于T_f，則該像素取值不變，否則該像素取值T_f，S(x,y)為初始閾值分割后的圖像。閾值T_f的計(jì)算方法如公式(2)所示：

T_f＝μ+(α×σ) (2)

其中μ和σ為SAR圖像的均值和標(biāo)準(zhǔn)差；α為經(jīng)驗(yàn)常數(shù)，決定斑點(diǎn)噪聲的消除程度，α越大，斑點(diǎn)噪聲去除的越多，但同時(shí)艦船可能被去除，針對(duì)不同圖像，α值不同。

步驟二：引入視覺(jué)注意模型的核心注意機(jī)制

該方法引入DCT和IDCT變換處理圖像。對(duì)初始閾值分割后的圖像S進(jìn)行離散余弦變換，圖像從空間域變換到頻率域，并進(jìn)行符號(hào)函數(shù)運(yùn)算，只保留輸入圖像在頻率域的系數(shù)，而忽略其在頻率域的幅度大小，如公式(3)所示；然后進(jìn)行圖像重構(gòu)逆變換回空間域，如公式(4)所示；最后采用二維低通高斯濾波得到顯著圖像S_S，如公式(5)所示。

P＝sign[c(S)] (3)

F＝c^-1(P) (4)

其中，sign函數(shù)為符號(hào)函數(shù)；

c和c^-1是二維離散余弦變換(DCT)及其逆變換；F為逆變換回空間域之后的結(jié)果。

S_S＝G*F² (5)

其中，G是二維低通高斯濾波；*為卷積運(yùn)算符；F²是將空間域的像素灰度進(jìn)行平方運(yùn)算，是為了非線性地?cái)U(kuò)大視覺(jué)顯著圖像S_S的對(duì)比度，便于可視化。

步驟三：再次進(jìn)行閾值分割，檢測(cè)出目標(biāo)