本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種SAR(Synthetic Aperture Radar，合成孔徑雷達(dá))圖像人造目標(biāo)提取方法，特別是涉及基于相鄰灰度直方圖比閾值選擇的SAR圖像人造目標(biāo)提取方法。

背景技術(shù)：

SAR圖像解譯技術(shù)內(nèi)容豐富，針對不同的應(yīng)用蔓延出很多分支。其中，引人注目的一個分支是：致力于解決從復(fù)雜的地物場景中有效提取出感興趣的人造目標(biāo)(如建筑物、車輛、艦船、飛機等)。人造目標(biāo)主要由金屬及混凝土構(gòu)成，由于其具有較強的雷達(dá)回波，在SAR圖像上表現(xiàn)為具有和周圍環(huán)境反差較大的對比度。在SAR圖像中，各種目標(biāo)提取算法的構(gòu)建本質(zhì)上都是圍繞目標(biāo)與雜波電磁散射特性的差別進(jìn)行的。因此，基于灰度特征的人造目標(biāo)提取方法在目前所有提取方法中最為有效，其應(yīng)用也最為廣泛。SAR圖像中人造目標(biāo)提取的工作原理是對SAR圖像中疑似目標(biāo)像素選擇合適的提取閾值，根據(jù)設(shè)定的判決條件對圖像進(jìn)行提取，滿足條件的即為感興趣目標(biāo)，不符合條件的即為雜波虛警。

SAR圖像人造目標(biāo)提取的本質(zhì)是根據(jù)人造目標(biāo)和雜波的散射特性的不同所表現(xiàn)的特征差異來完成提取的。概括來說，SAR圖像人造目標(biāo)提取方法可分為以下幾類：(1)基于對比度的一類提取算法；(2)基于圖像的其它特征的一類提取算法；(3)基于復(fù)圖像特征的一類提取算法。

基于對比度的人造目標(biāo)提取算法主要有：(1)CFAR檢測算法；(2)廣義似然比檢驗(GLRT)檢測算法；(3)能量環(huán)(PR)檢測算法。CFAR方法是SAR圖像人造目標(biāo)提取領(lǐng)域研究最為廣泛、最為深入，也是目前較為實用的一類方法。由于對比度僅僅是能夠發(fā)掘人造目標(biāo)與雜波電磁散射特性差異的一種特征，當(dāng)然還存在圖像的其它特征能夠揭示這種差異?；趫D像的其它特征的一類算法就是利用了兩者在圖像上表現(xiàn)出尺寸、形狀、紋理等特征的差異來進(jìn)行人造目標(biāo)的提取。前兩類算法實際上都只利用了幅度信息，損失了可用于人造目標(biāo)提取的相位等信息，而基于復(fù)圖像特征的人造目標(biāo)提取算法則充分利用了幅度與相位信息，這方面有代表性的研究包括：(1)子孔徑相干法；(2)相干空間濾波法。

雖然SAR圖像人造目標(biāo)提取算法在過去的近二十年里得到了蓬勃的發(fā)展，但這些方法都或多或少地都存在一些不足：基于對比度的人造目標(biāo)提取算法對雜波統(tǒng)計模型的要求很高，某些算法還需要目標(biāo)先驗信息，檢測閾值也無法自適應(yīng)地選擇。由于特征不易獲取，基于圖像其它特征的人造目標(biāo)提取算法其實用性不足?；趶?fù)圖像特征的人造目標(biāo)提取算法絕大多數(shù)只具有低頻SAR提取特色，對于高頻SAR，通常不能提供算法必須的目標(biāo)特征信息。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有人造目標(biāo)提取算法雜波統(tǒng)計建模能力不足、算法效率低、算法提取精度不足、算法自適應(yīng)能力弱等缺點，提出一種基于相鄰灰度直方圖比閾值選擇的SAR圖像人造目標(biāo)提取方法，能夠有效提高SAR圖像中人造目標(biāo)和雜波虛警的區(qū)分能力和提取方法的適應(yīng)能力。

本發(fā)明技術(shù)方案的思路是：首先利用SAR圖像灰度數(shù)據(jù)構(gòu)建變化檢測量，生成標(biāo)準(zhǔn)灰度差異圖像；在此基礎(chǔ)上，利用標(biāo)準(zhǔn)灰度差異圖像的直方圖特征計算出標(biāo)準(zhǔn)灰度差異圖像中變化與未變化像素的閾值，隨后利用該閾值來獲取人造目標(biāo)提取的最終閾值，實現(xiàn)對SAR圖像人造目標(biāo)的提取。

為解決上述技術(shù)問題，本發(fā)明提出一種基于相鄰灰度直方圖比的SAR圖像人造目標(biāo)提取方法，技術(shù)方案包括下述過程：

在SAR圖像中心區(qū)域選取參考圖像，將參考圖像對應(yīng)的矩形邊框在SAR圖像中分別沿右下、右上、左下、左上四個方向平移相同像素值，獲得四幅不同的待檢測圖像；

利用似然比變化檢測量計算參考圖像和每一幅待檢測圖像的差異圖像，利用線性變換計算每幅差異圖像的標(biāo)準(zhǔn)灰度差異圖像，統(tǒng)計每幅標(biāo)準(zhǔn)灰度差異圖像的直方圖；

對每一幅標(biāo)準(zhǔn)灰度差異圖像的直方圖進(jìn)行下述操作：在直方圖峰值對應(yīng)的灰度值到最大灰度值(通常為255)這個區(qū)間內(nèi)，依次計算相鄰灰度值的直方圖比值，將第一個滿足比值小于1所對應(yīng)的灰度值作為原始閾值，統(tǒng)計標(biāo)準(zhǔn)灰度差異圖像中原始閾值到最大灰度值255區(qū)間內(nèi)變化的像素數(shù)目，記為標(biāo)準(zhǔn)灰度差異圖像變化像素數(shù)；

在SAR圖像的直方圖中從灰度值255往下進(jìn)行搜索統(tǒng)計，當(dāng)下降到某一灰度值時，若上述搜索區(qū)間內(nèi)的像素數(shù)目大于標(biāo)準(zhǔn)灰度差異圖像變化像素數(shù)，則將該灰度值作為提取閾值，根據(jù)四幅標(biāo)準(zhǔn)灰度差異圖像獲得四個不同的提取閾值；

將上述四個提取閾值取平均作為最終閾值，最后利用該最終閾值對SAR圖像進(jìn)行提取獲得二值圖像，實現(xiàn)人造目標(biāo)的提取。

采用本發(fā)明可以達(dá)到以下技術(shù)效果：

1、本發(fā)明在構(gòu)建似然比變化檢測量過程中涉及變化檢測的思想，即通過平移原始圖像獲得不同的原始圖像數(shù)據(jù)來構(gòu)建變化檢測量，從而生成標(biāo)準(zhǔn)差異圖像數(shù)據(jù)，便于將目標(biāo)從雜波背景中分離出來。

2、本發(fā)明無需對背景雜波進(jìn)行統(tǒng)計建模，閾值的選取簡單有效，相鄰灰度直方圖比的閾值選擇算法具有明顯的物理意義，算法簡單、穩(wěn)健、易實現(xiàn)，能夠滿足目標(biāo)提取的實時化處理要求。

3、本發(fā)明自適應(yīng)地計算提取閾值，即可得到包含潛在目標(biāo)的二值圖像，無需先驗知識，不僅提取效果理想而且自適應(yīng)性強。通過對SAR圖像中強散射的人造目標(biāo)進(jìn)行提取，證明了該方法穩(wěn)健、計算效率高、性能好。

附圖說明

圖1是SAR圖像人造目標(biāo)提取方法的流程圖；

圖2是隔離區(qū)以及參考圖像選取示意圖；

圖3是SAR圖像、參考圖像、待檢測圖像以及標(biāo)準(zhǔn)灰度差異圖像的示意圖；

圖4是標(biāo)準(zhǔn)灰度差異圖像的直方圖；

圖5是直方圖比值原始閾值選取方法示意圖；

圖6是SAR數(shù)據(jù)目標(biāo)提取實驗結(jié)果。

具體實施方式

下面結(jié)合附圖對本發(fā)明的實施方式進(jìn)行詳細(xì)說明。

圖1是SAR圖像人造目標(biāo)提取方法的流程圖，包括構(gòu)建變化檢測量、自適應(yīng)閾值選取、人造目標(biāo)提取三個步驟：

第一步，構(gòu)建變化檢測量：

記SAR圖像為I，尺寸為H×W，其左上角點坐標(biāo)為(1,1)，右下角點坐標(biāo)為(H,W)。在SAR圖像四周建立寬度為ΔH(ΔH＞0)的隔離區(qū)，取圖像中心數(shù)據(jù)塊作為參考圖像，記為I₁，則I₁的左上角點坐標(biāo)為(ΔH+1,ΔH+1)，右下角點坐標(biāo)為(H-ΔH,W-ΔH)，尺寸為(H-2ΔH)×(W-2ΔH)。通常，ΔH的選取根據(jù)圖像I的大小來確定，一般不超過其短邊長的百分之十。將參考圖像I₁的對應(yīng)矩形邊框沿水平方向和豎直方向在SAR圖像I中進(jìn)行平移，水平方向和豎直方向平移像素數(shù)均為ΔW(0＜ΔW≤ΔH)，因此，可沿右下、右上、左下、左上四個方向分別獲得四幅平移數(shù)據(jù)I_{2_k},k＝1,2,3,4。根據(jù)平移方向的不同(定義向右平移為正，向下平移為正)按公式一可確定I_{2_k}左上角(LT)及右下角(RT)點坐標(biāo)。平移數(shù)據(jù)I_{2_k},k＝1,2,3,4為矩形，尺寸大小均為(H-2ΔH)×(W-2ΔH)，將其視為變化檢測中的待檢測圖像。

參考圖像I₁和待檢測圖像I_{2_k}中位置坐標(biāo)為(i,j)的像素灰度表示為I₁(i,j)、I_{2_k}(i,j)。利用公式二通過M×M(M為奇數(shù)，M＝2m+1)大小窗口計算似然比變化檢測量η_k(i,j)，M的取值根據(jù)實際情況確定，一般不超過10。

其中η_k(i,j),k＝1,2,3,4代表第k幅差異圖像的像素灰度值；利用線性變換方法，將似然比變化檢測量η_k(i,j)的取值范圍按公式三線性變換至[0,255]，得到第k幅標(biāo)準(zhǔn)灰度差異圖像D_k，位置坐標(biāo)為(i,j)的灰度值D_k(i,j)為；

其中η_{k_max}、η_{k_min}分別代表第k幅差異圖像最大灰度值以及最小灰度值，[]代表四舍五入取整。

第二步，自適應(yīng)閾值選?。?/p>

統(tǒng)計第k幅標(biāo)準(zhǔn)灰度差異圖像D_k的直方圖，令T_{k_max}為直方圖中的峰值所對應(yīng)的灰度值，由于最佳提取閾值即原始閾值處于直方圖峰值右側(cè)的下降通道，在直方圖中統(tǒng)計區(qū)間[T_{k_max},255]內(nèi)每個灰度值的數(shù)目N_k(i)，即獲取T_{k_max}點右側(cè)所有灰度值所對應(yīng)的直方圖，然后利用公式四計算直方圖在區(qū)間[T_{k_max},255]相鄰點的比值S_k(i)：

對相鄰直方圖比值S_k(i)進(jìn)行搜索，將第一個滿足比值S_k(i)＜1所對應(yīng)的灰度值作為原始閾值T_{0_k}，這表明從該位置開始，直方圖已經(jīng)由單調(diào)遞減區(qū)進(jìn)行振蕩區(qū)，該位置所對應(yīng)的灰度值即為遞減區(qū)與振蕩區(qū)的過渡點。統(tǒng)計直方圖在區(qū)間[T_{0_k},255]內(nèi)所有像素數(shù)目，即第k幅標(biāo)準(zhǔn)灰度差異圖像D_k中發(fā)生變化的像素數(shù)量CN_k；在SAR圖像I的直方圖中從灰度值255往下進(jìn)行搜索統(tǒng)計，當(dāng)下降到某一灰度值G_{0_k}時，若區(qū)間[G_{0_k},255]內(nèi)所有像素數(shù)目CT_k滿足CT_k＞CN_k，此時即認(rèn)為提取閾值T_k＝G_{0_k}。

第三步，人造目標(biāo)提取：

通過第二步利用四組標(biāo)準(zhǔn)灰度差異圖像獲得四個不同的提取閾值T_k,k＝1,2,3,4，此時，最終閾值根據(jù)公式五計算所得：

用最終閾值T對SAR圖像I進(jìn)行提取得到二值圖像B：即灰度值大于最終閾值T的像素賦值為1，否則為0；在二值圖像B中設(shè)賦值為1的像素即為人造目標(biāo)像素。

圖2是隔離區(qū)以及參考圖像選取示意圖。外矩形包含部分為SAR圖像I，內(nèi)矩形包含部分為參考圖像I₁，畫斜線的陰影部分代表隔離區(qū)。隔離區(qū)的寬度為ΔH。

圖3至圖5是利用本發(fā)明進(jìn)行SAR圖像人造目標(biāo)提取實驗的結(jié)果。

圖3是SAR圖像、參考圖像、待檢測圖像以及標(biāo)準(zhǔn)灰度差異圖像的示意圖。(a)為SAR圖像，圖像大小為645×912像素。取ΔH＝30，取ΔW＝20，(b)為在SAR圖像中心區(qū)域選取的參考圖像，圖像大小為585×852像素。(c)、(e)、(g)、(i)分別為將參考圖像對應(yīng)的矩形邊框在SAR圖像中向右下、右上、左下、左上各平移20個像素所獲得的數(shù)據(jù)塊，將其作為構(gòu)建變化檢測量的待檢測圖像。(d)、(f)、(h)、(j)為利用似然比變化檢測量通過加5×5大小窗口(M＝5)再經(jīng)過線性變換后得到的標(biāo)準(zhǔn)灰度差異圖像。

圖4是標(biāo)準(zhǔn)灰度差異圖像的直方圖。(a)、(b)、(c)、(d)分別為四組標(biāo)準(zhǔn)灰度差異圖的直方圖，其峰值點對應(yīng)的灰度值T_{1_max}、T_{2_max}、T_{3_max}、T_{4_max}均為1。

圖5是利用直方圖比值選取原始閾值的示意圖。(a)、(b)、(c)、(d)分別為四組標(biāo)準(zhǔn)灰度差異圖像直方圖比值圖，從(a)-(d)圖中可以看出，第一個比值小于1的灰度值分別為32、37、31、32，因此原始閾值T_{0_1}、T_{0_2}、T_{0_3}、T_{0_4}分別為32、37、31、32；

圖6是SAR圖像目標(biāo)提取實驗結(jié)果，白色像素代表提取出來的人造目標(biāo)。(a)-(d)分別為利用原始閾值T_{0_1}、T_{0_2}、T_{0_3}、T_{0_4}求得提取閾值T₁、T₂、T₃、T₄之后，然后對SAR圖像提取所獲得的結(jié)果圖。在提取閾值的選取過程中，通過計算可以得出四組標(biāo)準(zhǔn)灰度差異圖像中發(fā)生變化的像素數(shù)量CN₁、CN₂、CN₃、CN₄分別為24980、21274、30451、23985，統(tǒng)計SAR圖像的直方圖，可以發(fā)現(xiàn)當(dāng)灰度值由255分別下降至72、79、63、74時，搜索區(qū)間范圍的頻數(shù)分別大于24980、21274、30451、23985，即提取閾值T₁、T₂、T₃、T₄分別為72、79、63、74。通過對四組提取閾值取平均可以得出最終閾值T為72，圖(e)為最終獲得的提取結(jié)果圖。通過人造目標(biāo)提取結(jié)果可以看出，人造目標(biāo)與雜波背景分離效果突出，并且能夠完全提取出感興趣的人造目標(biāo)，閾值選取過程無需考慮背景雜波的統(tǒng)計特性，說明本提取方法穩(wěn)健。