本發(fā)明屬于雷達(dá)目標(biāo)檢測技術(shù)領(lǐng)域，特別涉及一種基于超像素的sar圖像艦船目標(biāo)快速檢測方法，適用于合成孔徑雷達(dá)sar圖像中快速、有效檢測艦船目標(biāo)的方法。

背景技術(shù)：

作為一種主動微波傳感器，合成孔徑雷達(dá)sar系統(tǒng)不受光照、天氣等條件的限制，能夠?qū)δ繕?biāo)進(jìn)行全天候、全天時的觀測，因此廣泛用于軍用和民用領(lǐng)域。

sar圖像目標(biāo)檢測是自動目標(biāo)識別中的關(guān)鍵技術(shù)，在現(xiàn)有的sar圖像目標(biāo)檢測方法中，雙參數(shù)恒虛警cfar檢測方法應(yīng)用廣泛。該檢測算法基于背景雜波服從高斯分布的假設(shè)，設(shè)置由目標(biāo)窗口、保護(hù)窗口和背景窗口三部分組成的滑動窗口，利用該滑動窗口遍歷整幅sar圖像中的像素；雙參數(shù)cfar方法的缺點主要在于：復(fù)雜場景下背景雜波建模不準(zhǔn)確，造成目標(biāo)檢測準(zhǔn)確率下降；目標(biāo)檢測采用滑動窗口實現(xiàn)，每次滑動過程中均需對背景雜波參數(shù)進(jìn)行估計，導(dǎo)致算法速度偏慢。

隨著sar技術(shù)水平的發(fā)展，sar圖像分辨率不斷提高，這雖然有利于獲得更為精細(xì)的目標(biāo)信息，但也給常規(guī)基于像素強(qiáng)度的目標(biāo)檢測帶來了困難。由于高分辨sar圖像中目標(biāo)尺寸遠(yuǎn)大于雷達(dá)距離分辨單元，目標(biāo)的多個散射中心擴(kuò)展到不同距離單元，回波能量被分散，造成目標(biāo)像素灰度起伏，目標(biāo)區(qū)域中存在弱像素點，僅基于單個像素的強(qiáng)度進(jìn)行目標(biāo)檢測時，這些弱目標(biāo)像素點容易被漏檢，造成檢測結(jié)果中出現(xiàn)目標(biāo)的斷裂和不連續(xù)現(xiàn)象。另外，高分辨sar圖像中的目標(biāo)不僅是高亮像素點的簡單集合，目標(biāo)像素之間的空間關(guān)系更體現(xiàn)了目標(biāo)的結(jié)構(gòu)和形狀特征，而現(xiàn)有的sar圖像目標(biāo)檢測算法大多以單個像素為處理單位，并未考慮像素之間的空間關(guān)系。

超像素分割算法在圖像處理中應(yīng)用廣泛，根據(jù)像素點之間的相似程度對圖像中的像素點進(jìn)行分組得到局部的圖像塊，稱之為超像素。高分辨sar圖像中的目標(biāo)可視為由一個或多個相鄰的超像素組合而成，因此將超像素作為目標(biāo)檢測的基本單元，不僅可以獲得圖像的結(jié)構(gòu)信息，而且由于超像素的個數(shù)遠(yuǎn)小于圖像中的像素總數(shù)，有利于降低目標(biāo)檢測過程的運(yùn)算量。

余文毅等人在文章“superpixel-basedcfartargetdetectionforhigh-resolutionsarimages，ieeegeosci.remotesens.lett.,vol.13,no.5,pp.730–734,may.2016.”中提出了一種基于超像素的恒虛警cfar目標(biāo)檢測方法，為和本發(fā)明作區(qū)分，將其稱為滑窗超像素cfar方法；這種方法將超像素和雙參數(shù)cfar目標(biāo)檢測思想相結(jié)合，設(shè)置超像素滑窗進(jìn)行目標(biāo)檢測，獲得了比常規(guī)像素級的cfar方法更好的檢測結(jié)果，但是這種方法的缺點在于需要利用滑窗對sar圖像中的超像素進(jìn)行遍歷處理，導(dǎo)致運(yùn)算量大，不滿足目標(biāo)檢測實時性的要求。

技術(shù)實現(xiàn)要素：

針對上述已有技術(shù)的不足，本發(fā)明提出了一種基于超像素的sar圖像艦船目標(biāo)快速檢測方法，該種基于超像素的sar圖像艦船目標(biāo)快速檢測方法能夠有效減少虛警和漏警，保證目標(biāo)檢測的精度，同時具有計算復(fù)雜度低的優(yōu)點，能夠滿足算法實時性要求。

本發(fā)明方法的基本思路：首先在sar圖像中生成超像素，然后通過對超像素進(jìn)行描述和統(tǒng)計分析，采用兩級恒虛警cfar目標(biāo)檢測算法進(jìn)行目標(biāo)檢測，得到待檢測二值圖像，最后通過對待檢測二值圖像進(jìn)行虛警剔除，完成sar圖像目標(biāo)檢測；其中，兩級恒虛警cfar包括采用全局恒虛警cfar篩選候選目標(biāo)超像素，以及采用局部窗口恒虛警cfar對候選目標(biāo)超像素進(jìn)行檢測，得到包含疑似目標(biāo)區(qū)域目標(biāo)的二值圖像。

為達(dá)到上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實現(xiàn)。

一種基于超像素的sar圖像艦船目標(biāo)快速檢測方法，包括以下步驟：

步驟1，確定待檢測的sar圖像，所述待檢測的sar圖像包含h個目標(biāo)，每個目標(biāo)都可視為由一個或多個目標(biāo)超像素組成；然后對待檢測的sar圖像進(jìn)行超像素分割，得到n個超像素；n、h分別為大于0的正整數(shù)；

步驟2，對n個超像素進(jìn)行全局恒虛警處理，得到m個候選目標(biāo)超像素和n-m個雜波超像素；m為大于0的正整數(shù)；

步驟3，對m個候選目標(biāo)超像素進(jìn)行局部窗口恒虛警目標(biāo)檢測處理，得到m個候選目標(biāo)超像素對應(yīng)的二值圖像集合，記為待檢測二值圖像a；

步驟4，對待檢測二值圖像a進(jìn)行目標(biāo)超像素篩選處理，得到q個目標(biāo)超像素集合，然后對q個目標(biāo)超像素集合進(jìn)行聚類處理，得到聚類處理后的g個目標(biāo)超像素，g≤q，q<m，所述g個目標(biāo)超像素分別包含待檢測的sar圖像內(nèi)包含的艦船目標(biāo)；g、q分別為大于0的正整數(shù)。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點：

第一，本發(fā)明方法利用加權(quán)信息熵描述超像素的統(tǒng)計特性，能夠更好地區(qū)分目標(biāo)超像素和雜波超像素。

第二，本發(fā)明方法采用兩級恒虛警cfar目標(biāo)檢測方法，通過篩選候選目標(biāo)超像素，大大減少了運(yùn)算量，顯著提高了算法實時性。

第三，本發(fā)明方法采用超像素作為目標(biāo)檢測的基本單元，對比像素級的目標(biāo)檢測方法，能夠保存目標(biāo)結(jié)構(gòu)的完整性和目標(biāo)邊緣，使目標(biāo)具有良好的連續(xù)性。

附圖說明

下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步詳細(xì)說明。

圖1是本發(fā)明的一種基于超像素的sar圖像艦船目標(biāo)快速檢測方法實現(xiàn)流程圖。

圖2是本發(fā)明仿真使用的terrasar-x高分辨sar圖像。

圖3為對圖2進(jìn)行超像素分割后得到的結(jié)果示意圖。

圖4(a)為圖2中的超像素的加權(quán)信息熵分布直方圖；

圖4(b)為利用全局閾值篩選得到的候選目標(biāo)超像素示意圖；

圖5(a)為使用雙參數(shù)cfar方法對圖2進(jìn)行檢測后得到的結(jié)果示意圖；

圖5(b)為使用滑窗超像素cfar方法對圖2進(jìn)行檢測后得到的結(jié)果示意圖；

圖5(c)為使用本發(fā)明方法對圖2進(jìn)行檢測后得到的結(jié)果示意圖；

圖6為對圖2分別用雙參數(shù)cfar方法、滑窗超像素cfar方法和本發(fā)明方法檢測結(jié)果的roc曲線圖；

圖7為移除虛警區(qū)域及聚類處理后的目標(biāo)檢測結(jié)果示意圖。

具體實施方式

參照圖1，為本發(fā)明的一種基于超像素的sar圖像艦船目標(biāo)快速檢測方法實現(xiàn)流程圖；其中所述基于超像素的sar圖像艦船目標(biāo)快速檢測方法，包括以下步驟：

步驟1，確定待檢測的sar圖像，所述待檢測的sar圖像包含h個目標(biāo)，每個目標(biāo)都可視為由一個或多個目標(biāo)超像素組成，即每個目標(biāo)都可視為目標(biāo)超像素的組合，且目標(biāo)超像素中可能包含雜波像素點；然后對待檢測的sar圖像進(jìn)行超像素分割，得到n個超像素；n、h分別為大于0的正整數(shù)。

具體地，所述超像素為根據(jù)像素點之間的相似程度對圖像中的像素點進(jìn)行分組得到的局部圖像塊；本實施例通過文章“slicsuperpixelscomparedtostate-of-the-artsuperpixelmethods，radhakrishnaachantaetal.，ieeetpami，2012”中提出的簡單線性迭代聚類(slic)方法對待檢測的sar圖像進(jìn)行超像素分割，得到n個超像素，將第n個超像素記為sn，第n個超像素包含pn個像素點，n＝1,2,…,n，n為超像素的個數(shù)，pn為第n個超像素包含的像素點個數(shù)，且n、pn分別為大于0的正整數(shù)。

n個超像素中包含n'個目標(biāo)超像素，1≤n'<n，設(shè)第n'個目標(biāo)超像素包含p1n'個像素點，1≤n'≤n'，第n'個目標(biāo)超像素內(nèi)的tp1n'個像素點都為目標(biāo)像素點，0≤tp1n'≤p1n'。

將n個超像素中減去目標(biāo)超像素包含的n'個超像素，記為雜波超像素，所述雜波超像素包含n-n'個超像素，且每個目標(biāo)超像素都可能包含雜波像素點；由于目標(biāo)像素點的輻射強(qiáng)度通常高于雜波像素點的輻射強(qiáng)度，因此目標(biāo)超像素中輻射強(qiáng)度高于圖像平均散射強(qiáng)度的像素點所占比例大于雜波超像素中輻射強(qiáng)度高于圖像平均散射強(qiáng)度的像素點所占比例，其中圖像為待檢測的sar圖像。

步驟2，為了降低目標(biāo)檢測過程的運(yùn)算量，本發(fā)明采用全局雙參數(shù)恒虛警cfar檢測方法篩選出加權(quán)信息熵大于全局恒虛警cfar檢測閾值的超像素作為候選目標(biāo)超像素，所述候選目標(biāo)超像素中可能既包含目標(biāo)超像素又包含雜波超像素，需要進(jìn)一步通過局部恒虛警cfar檢測剔除雜波超像素。

對n個超像素進(jìn)行全局恒虛警cfar處理篩選候選目標(biāo)超像素，得到m個候選目標(biāo)超像素和n-m個雜波超像素，m為大于0的正整數(shù)，具體過程為：

2a)計算第n個超像素sn內(nèi)pn個像素點的強(qiáng)度平均值n＝1,2,…,n。

2b)統(tǒng)計第n個超像素sn中像素點灰度級i的出現(xiàn)頻率pn(i)，i∈{0,1,...,l-1}，l為第n個超像素中的像素點灰度級數(shù)，0≤pn(i)≤1，進(jìn)而得到第n個超像素對應(yīng)的強(qiáng)度直方圖pn，所述第n個超像素對應(yīng)的強(qiáng)度直方圖pn的二維坐標(biāo)分別為第n個超像素中的l個像素點灰度級和每個像素點灰度級的出現(xiàn)概率。

2c)計算第n個超像素sn對應(yīng)的加權(quán)信息熵hn：

其中，log表示求以10為底的對數(shù)操作，當(dāng)pn(i)＝0時，log(pn(i))＝0。

加權(quán)信息熵能夠充分表征超像素的統(tǒng)計特性，使得目標(biāo)超像素和雜波超像素具有更大的可分性。

2d)根據(jù)第n個超像素sn對應(yīng)的加權(quán)信息熵hn，n＝1,2,…,n，計算得到n個超像素對應(yīng)的加權(quán)信息熵集合，進(jìn)而計算n個超像素的均值μh和n個超像素的標(biāo)準(zhǔn)差σh：

2e)設(shè)置全局閾值th，th＝μh+tσh，t為調(diào)整全局閾值的常數(shù)，t＝φ^-1(1-pglobal)，pglobal為設(shè)定的全局虛警概率，φ為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，上標(biāo)-1表示求逆操作；為避免目標(biāo)超像素漏檢，調(diào)整全局閾值的常數(shù)t取值范圍為[1,2)，設(shè)定的全局虛警概率pglobal的取值范圍為(0.023,0.159]。

2f)根據(jù)設(shè)置的全局閾值th，按下式計算得到第n個超像素sn的二值標(biāo)簽vn：

其中，hn表示第n個超像素sn對應(yīng)的加權(quán)信息熵，當(dāng)vn＝1時，則將第n個超像素{sn}作為第m個候選目標(biāo)超像素，并令m加1，m初始值為1；否則，將第n個超像素sn作為第m'個雜波超像素，并令m'加1，m'初始值為1；由此得到第m個候選目標(biāo)超像素cm或第m'個雜波超像素cm'，m∈{1,…,m}，m'∈{1,…,n-m}，m為候選目標(biāo)超像素的個數(shù)。

2g)令n分別取1至n，重復(fù)執(zhí)行2f)，進(jìn)而分別得到m個候選目標(biāo)超像素和n-m個雜波超像素。

步驟3，對m個候選目標(biāo)超像素進(jìn)行局部窗口恒虛警cfar目標(biāo)檢測處理，得到m個候選目標(biāo)超像素對應(yīng)的二值圖像集合，記為待檢測二值圖像a。

3a)分別設(shè)定目標(biāo)的實際最大長度為lmax，設(shè)定待檢測sar圖像的分辨率為△r，并且設(shè)置局部檢測窗口尺寸為s，s>2lmax/△r。

初始化：令m表示第m個候選目標(biāo)超像素，m∈{1,…,m}，m的初始值為1，m表示候選目標(biāo)超像素的個數(shù)。

3b)計算得到第m個候選目標(biāo)超像素cm的中心坐標(biāo)(xm,ym)，xm為cm內(nèi)包含的所有像素點的橫坐標(biāo)均值，ym為cm內(nèi)包含的所有像素點的縱坐標(biāo)均值。

3c)以第m個候選目標(biāo)超像素cm的中心坐標(biāo)(xm,ym)為中心、以局部檢測窗口尺寸s為邊長，得到第m個候選目標(biāo)超像素cm的cfar檢測局部窗口，所述第m個候選目標(biāo)超像素cm的cfar檢測局部窗口包含k個待選背景超像素，分別記為cm1,cm2,…,cmk,…,cmk，cmk表示第m個候選目標(biāo)超像素的cfar檢測局部窗口中的第k個待選背景超像素，k∈{1,2,…,k}，k表示第m個候選目標(biāo)超像素cm的cfar檢測局部窗口內(nèi)包含的待選背景超像素個數(shù)，k<n。

3d)為避免候選目標(biāo)超像素混入待選背景超像素中，對k個待選背景超像素分別進(jìn)行背景雜波剔除，即若k個待選背景超像素第k'個超像素sk'的二值標(biāo)簽vk'值為1，則將第k'個超像素sk'剔除；若第k'個超像素sk'的二值標(biāo)簽vk'值為0，則將第k'個超像素sk'作為第n″個背景超像素，并令n″加1，k'∈{1,2,…,k}，n″的初始值為1。

3e)令k'分別取1至k，重復(fù)執(zhí)行3d)，直到得到第k'個背景超像素，n″∈{1,2,…,k'}，k'≤k，并將此時得到的第1個背景超像素至第k'個背景超像素，作為第m個候選目標(biāo)超像素cm的背景雜波像素集合bm。

3e)按照下式分別計算得到第m個候選目標(biāo)超像素cm的背景雜波像素集合bm的均值μm和第m個候選目標(biāo)超像素cm的背景雜波像素集合bm的標(biāo)準(zhǔn)差σm，其表達(dá)式分別為：

其中，im(j)表示第m個候選目標(biāo)超像素對應(yīng)的背景雜波像素集合bm中第j個像素點的強(qiáng)度，j∈{1,2,…,pm}，pm為第m個候選目標(biāo)超像素對應(yīng)的背景雜波像素集合bm包含的像素點個數(shù)。

3f)設(shè)定局部虛警概率pfa，本實施例中局部虛警概率取值為10^-5；然后根據(jù)第m個候選目標(biāo)超像素cm的背景雜波像素集合bm的均值μm和第m個候選目標(biāo)超像素cm的背景雜波像素集合bm的標(biāo)準(zhǔn)差σm，計算第m個候選目標(biāo)超像素對應(yīng)的檢測閾值tm：

tm＝σmφ^-1(1-pfa)+μm

其中，φ為標(biāo)準(zhǔn)正態(tài)分布函數(shù)。

3g)根據(jù)下式對第m個候選目標(biāo)超像素cm中包含的pm個像素點分別進(jìn)行判斷，即將第m個候選目標(biāo)超像素cm中強(qiáng)度大于tm的所有像素點都作為目標(biāo)像素點，并將作為目標(biāo)像素點的對應(yīng)像素點索引都置為1；反之，將第m個候選目標(biāo)超像素cm中強(qiáng)度小于或等于tm的所有像素點都作為雜波像素點，將作為雜波像素點的所有對應(yīng)像素點索引都置為0；進(jìn)而得到第m個候選目標(biāo)超像素對應(yīng)的二值圖像am，所述第m個候選目標(biāo)超像素對應(yīng)的二值圖像am包含個像素點，將其中第k″個像素點值記為am(k″)，其表達(dá)式為：

其中，im(k″)表示第m個候選目標(biāo)超像素cm中第k″個像素點的強(qiáng)度，表示第m個候選目標(biāo)超像素對應(yīng)的二值圖像am包含的像素點個數(shù)。

3h)令m加1，依次重復(fù)執(zhí)行3b)至3g)，直到得到第m個候選目標(biāo)超像素對應(yīng)的二值圖像am，此時得到的第1個候選目標(biāo)超像素對應(yīng)的二值圖像a1至第m個候選目標(biāo)超像素對應(yīng)的二值圖像am，為m個候選目標(biāo)超像素對應(yīng)的二值圖像集合，記為待檢測二值圖像a。

步驟4，對待檢測二值圖像a進(jìn)行目標(biāo)超像素篩選處理，得到q個目標(biāo)超像素集合，然后對q個目標(biāo)超像素集合進(jìn)行聚類處理，得到聚類處理后的g個目標(biāo)超像素，g≤q，q<m，所述g個目標(biāo)超像素分別包含待檢測的sar圖像內(nèi)包含的艦船目標(biāo)，g、q分別為大于0的正整數(shù)，g＝h。

具體地，剔除待檢測二值圖像a中的雜波超像素，并對剔除雜波超像素后的目標(biāo)超像素進(jìn)行聚類處理，其具體過程為：

4a)設(shè)定比例閾值tr，本實施例中tr取值為0.3；計算第m個候選目標(biāo)超像素cm對應(yīng)在待檢測二值圖像a中的目標(biāo)像素點個數(shù)占第m個候選目標(biāo)超像素cm中像素點總個數(shù)的比例rm；如果rm大于tr，則將第m個候選目標(biāo)超像素cm作為第q個目標(biāo)超像素，q的初始值為1，并令q加1；如果rm小于或等于tr，則將第m個候選目標(biāo)超像素cm作為第q'個雜波超像素，q'的初始值為n-m+1，并令q'加1。

4b)令m分別取1至m，重復(fù)執(zhí)行4a)，直到得到第q個目標(biāo)超像素，并將此時得到的第1個目標(biāo)超像素至第q個目標(biāo)超像素，記為q個目標(biāo)超像素集合，q∈{1,2,...,q}，q<m。

4c)根據(jù)目標(biāo)的最大長度lmax和待檢測sar圖像的分辨率△r，設(shè)置距離門限dmax，dmax＝lmax/△r，然后使用西安電子科技大學(xué)由王英華、余文毅等人于2015.06.03公開的公開號為cn104680538a的發(fā)明專利“基于超像素的sar圖像cfar目標(biāo)檢測檢測方法”中的聚類處理方法對q個目標(biāo)超像素集合進(jìn)行聚類處理，得到待檢測sar圖像內(nèi)的g個目標(biāo)超像素，所述g個目標(biāo)超像素分別包含待檢測的sar圖像內(nèi)的艦船目標(biāo)，g＝h。

通過以下仿真實驗對本發(fā)明效果作進(jìn)一步驗證說明。

(一)實驗條件

實驗運(yùn)行平臺：matlabr2014a，intel(r)core(tm)i7-4790cpu@3.6ghz，內(nèi)存8gb。

(二)實測數(shù)據(jù)

如圖2所示，本實驗所用的實測數(shù)據(jù)為一幅terrasar-x高分辨sar圖像，其分辨率為2.03m×3.30m，尺寸為2000×1300個像素；對圖2進(jìn)行超像素分割后，得到結(jié)果如圖3所示。

(三)仿真實驗內(nèi)容

仿真1，驗證利用全局cfar篩選目標(biāo)超像素的可行性，圖4(a)為圖2中的超像素的加權(quán)信息熵分布直方圖，可以看出目標(biāo)超像素和雜波超像素在直方圖上間隔很大，能夠有效地區(qū)分開。

設(shè)定全局閾值th＝μh+1.5σh，圖4(b)為利用全局閾值篩選得到的候選目標(biāo)超像素示意圖；從圖4(b)中可以看出，目標(biāo)超像素均可被篩選出來，同時需要作進(jìn)一步檢測的雜波超像素總數(shù)大大減少，能夠極大程度地降低運(yùn)算量。

仿真2，設(shè)定虛警概率為pfa＝10-⁵，分別采用雙參數(shù)cfar方法、滑窗超像素cfar方法和本發(fā)明方法對圖2進(jìn)行檢測，檢測結(jié)果分別為圖5(a)、圖5(b)和圖5(c)所示，從圖5(a)、圖5(b)和圖5(c)直觀的對比可以看出，本發(fā)明得到的檢測結(jié)果中虛警像素點更少。

為定量地評估目標(biāo)檢測性能，分別定義目標(biāo)檢測率dr和虛警率far：

目標(biāo)檢測率dr＝ndt/ntt，ndt為檢測到的目標(biāo)像素點數(shù)，ntt為目標(biāo)像素總數(shù)；虛警率far＝ndc/ntc，ndc為雜波像素中被誤判為目標(biāo)像素的虛警數(shù)，ntc為雜波像素總數(shù)。

雙參數(shù)cfar方法、滑窗超像素cfar方法和本發(fā)明方法各自的性能對比如表1所示(虛警概率pfa＝10^-5)。

表1

從表1可以看出，在相同的虛警概率下，本發(fā)明方法能夠獲得更高的目標(biāo)檢測率，同時虛警率保持在較低水平，而運(yùn)行時間則僅約為雙參數(shù)cfar方法的1/68和滑窗超像素cfar方法的1/25，極大地提高了運(yùn)算效率。

圖6為對圖2分別用雙參數(shù)cfar方法、滑窗超像素cfar方法和本發(fā)明方法檢測結(jié)果的roc曲線圖，從圖6中可以更為清晰地看出在相同虛警率下，本發(fā)明方法的檢測率均高于兩種對比算法。

圖7為移除虛警區(qū)域及聚類處理后的目標(biāo)檢測結(jié)果示意圖，從圖7中可以看出本發(fā)明方法能夠保持目標(biāo)的輪廓和內(nèi)部結(jié)構(gòu)的完整性，獲得精確的目標(biāo)檢測結(jié)果。

綜上所述，仿真實驗驗證了本發(fā)明的正確性，有效性和可靠性。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍；這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。