[發明專利]一種SAR圖像艦船目標檢測方法在審
| 申請號： | 201810546541.2 | 申請日： | 2018-05-31 |
| 公開（公告）號： | CN108765491A | 公開（公告）日： | 2018-11-06 |
| 發明（設計）人： | 王海江;鄧洋洋;劉說;孫敏;高夢青;韓景紅;冉元波 | 申請（專利權）人： | 成都信息工程大學 |
| 主分類號： | G06T7/73 | 分類號： | G06T7/73;G06T7/13;G06T7/11;G06T7/136 |
| 代理公司： | 北京元本知識產權代理事務所 11308 | 代理人： | 常桑 |
| 地址： | 610225 四川省成都*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 艦船目標 檢測結果 像素塊 檢測 斑塊 加權信息 角點檢測 鄰域 像素 虛警 艦船 信息論 圖像分割 像素分割 像素生成 雜波抑制 檢測率 漏檢率 失真率 虛警率 角點 濾除 算法 拓展 剔除 增長率 圖像 改進 | ||
1.一種SAR圖像艦船目標檢測方法，其特征在于，包括以下步驟：
對原始SAR艦船圖像進行雜波抑制；
生成超像素斑塊；
計算每個超像素斑塊的自信息值；
根據所述自信息值進行離群值檢測，得到候選超像素斑塊；
對所述候選超像素斑塊進行基于加權信息熵的虛警濾除；
對艦船目標進行Harris角點檢測，并判斷目標角點數目實現虛警濾除且對目標進行定位。
2.根據權利要求1所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述對原始SAR艦船圖像進行雜波抑制之后還包括：判斷SAR圖像中有無陸地，若有則進行陸地屏蔽。
3.根據權利要求2所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述陸地屏蔽用最大類間方差閾值分割法和形態學腐蝕膨脹處理來得到，具體包括以下步驟：
根據最大類間方差閾值分割法獲取一個閾值將整幅SAR圖像進行二值化處理；
對二值化處理后的圖像進行膨脹處理；
對膨脹處理后的圖像進行腐蝕處理，去掉海面上不連續的目標，只保留陸地區域；
對腐蝕處理后的圖像進行二次膨脹處理；
將二次膨脹處理后圖像中的陸地區域灰度值置為255，海洋區域灰度值置為0；
將上一步驟處理后的圖像作為掩膜，在雜波抑制后的圖像上將陸地區域去掉，即可完成海陸分割，屏蔽陸地。
4.根據權利要求1所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述超像素斑塊的自信息值為：
其中，a2為超像素斑塊Sn中像素點的數量；PI(·)是SAR圖像I的概率分布，Sn(k)是超像素斑塊Sn中第k個像素點對應的灰度值。
5.根據權利要求1所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述離群值檢測，包括以下步驟：
對超像素斑塊的自信息值進行統計，建立對應的分布直方圖；
求取對應的均值與方差；
對每個超像素斑塊對應的自信息值進行離群值檢測：
式中，H(Sn)為第n個超像素斑塊Sn對應的自信息值，w為超像素斑塊的數量；變量un和δn為第n個超像素斑塊對應的自信息值直方圖分布的均值和方差，變量T1為離群值檢測閾值。
6.根據權利要求1所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述對候選超像素斑塊進行基于加權信息熵的虛警濾除，包括以下步驟：
計算所述候選超像素斑塊四個方向拓展鄰域的加權信息熵；
判斷候選超像素斑塊屬于目標超像素斑塊還是背景超像素斑塊。
7.根據權利要求6所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述候選超像素斑塊四個方向拓展鄰域ST(d)的加權信息熵E(ST(d))的計算公式為：
式中，是d方向拓展鄰域灰度值均值，為d方向拓展鄰域超像素斑塊灰度值為r的概率。
8.根據權利要求6所述的一種SAR圖像艦船目標檢測方法，其特征在于，所述判斷候選超像素斑塊屬于目標超像素斑塊還是背景超像素斑塊，具體為：
其中，是拓展鄰域加權信息熵增長率，T2是第二閾值，
V(ST)＝arg min(E(ST(d)))-E(ST) (5)
E(ST(d))是候選超像素斑塊四個方向拓展鄰域ST(d)的加權信息熵，E(ST)是候選超像素斑塊ST的加權信息熵。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于成都信息工程大學，未經成都信息工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810546541.2/1.html，轉載請聲明來源鉆瓜專利網。
