亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于視覺反差和信息熵的sar圖像人造目標(biāo)檢測方法

文檔序號:9647063閱讀:501來源:國知局
基于視覺反差和信息熵的sar圖像人造目標(biāo)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于視覺反差和信息熵的合成孔徑雷達(dá)(SyntheticAperture Radar,SAR)圖像人造目標(biāo)快速檢測方法,屬于遙感圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 目標(biāo)檢測是SAR圖像解譯領(lǐng)域的一項(xiàng)重要研究課題,自SAR技術(shù)達(dá)到實(shí)用化水平 以來,SAR圖像目標(biāo)檢測研究一直受到廣泛關(guān)注。建筑物、橋梁、車輛、船只等人造目標(biāo)是 SAR對地觀測中重點(diǎn)監(jiān)測的對象,這類目標(biāo)的檢測與識別在軍事和民用上均具有重要意義, 已被廣泛地應(yīng)用于軍事偵察、城市規(guī)劃、災(zāi)害監(jiān)測、資源調(diào)查等領(lǐng)域。
[0003] 現(xiàn)有的SAR圖像目標(biāo)檢測算法主要有:基于對比度的目標(biāo)檢測算法,如窗口濾波 法,閾值分割法、恒虛警(CFAR)檢測算法、等等;基于圖像其他特征的目標(biāo)檢測算法,如基 于多分辨率特征的目標(biāo)檢測算法,利用邊緣特征和局部能量的基于活動輪廓的目標(biāo)檢測算 法,基于上下文特征的目標(biāo)檢測算法,基于擴(kuò)展分形特征的目標(biāo)檢測算法,等等;以及基于 復(fù)數(shù)據(jù)特征的目標(biāo)檢測算法,例如子孔徑相干法。其中,關(guān)于恒虛警(CFAR)檢測算法的研 究最多,由于真實(shí)SAR圖像中往往包含多種地物覆蓋類型,且隨著SAR圖像分辨率提高,雜 波背景的不均勻性增強(qiáng),不少學(xué)者嘗試?yán)眯碌慕y(tǒng)計(jì)分布模型進(jìn)行雜波統(tǒng)計(jì)建模,如G0分 布,Alpha穩(wěn)定分布,等等;針對SAR圖像視場大、傳統(tǒng)滑窗CFAR比較費(fèi)時等問題,研究了快 速檢測算法,如全局CFAR與局部CFAR級聯(lián)算法,二次CFAR算法等等。
[0004] 在SAR圖像中,人造目標(biāo)往往具有較強(qiáng)的雷達(dá)回波,上述各類算法被陸續(xù)應(yīng)用于 人造目標(biāo)檢測中。然而,隨著SAR圖像分辨率逐漸提高,統(tǒng)計(jì)模型參數(shù)估計(jì)復(fù)雜、對大視場 圖像檢測精度與檢測效率難以兼顧等問題仍普遍存在。特別是對于一些小型人造目標(biāo)如車 輛、船只、飛機(jī)、部分戰(zhàn)術(shù)目標(biāo)等等,目標(biāo)自身不變特征往往提取困難,而且在大視場圖像中 采用復(fù)雜的算法其計(jì)算代價很大,難以滿足實(shí)用性的要求。
[0005] 近年來,隨著計(jì)算神經(jīng)科學(xué)和認(rèn)知心理學(xué)等學(xué)科的發(fā)展,視覺注意機(jī)制(Visual AttentionMechanism)及其應(yīng)用研究引起了廣泛關(guān)注。視覺注意機(jī)制是靈長類動物處理 視覺信息過程中的一項(xiàng)重要的心理調(diào)節(jié)機(jī)制,它使得人類具備從復(fù)雜環(huán)境中搜索感興趣 目標(biāo)的能力,目前已有不少視覺注意模型被陸續(xù)提出,并已應(yīng)用于目標(biāo)檢測中。最具代表 性模型是由Itti等人于1998年提出基于底層視覺特征的模型(簡稱Itti模型),參見 IttiL,KochC,NieburE.AModelofSaliency-BasedVisualAttentionforRapid SceneAnalysis[J].IEEETransactiononPatternAnalysis&MachineIntelligen ce,1998, 20 (11) : 1254-1259.還有Hou等人于2007年提出的基于空間頻域分析的譜殘差 模型(簡稱SR模型),參見HouX,ZhangL.SaliencyDetection:ASpectralResidual Approach[C]. 2007IEEEConferenceonComputerVisionandPatternRecognition,IEEE ComputerSociety,2007:1-8.但是由于現(xiàn)有的視覺注意模型多數(shù)都是針對自然圖像的,在 SAR圖像中的應(yīng)用比較有限,檢測結(jié)果也不令人滿意。近期有學(xué)者對Itti模型進(jìn)行了改進(jìn), 但處理效率較低,不便于工程實(shí)現(xiàn)。

【發(fā)明內(nèi)容】

[0006] 為解決現(xiàn)有技術(shù)的不足,本發(fā)明的目的在于提供一種基于視覺反差和信息熵的 SAR圖像人造目標(biāo)快速檢測方法,進(jìn)行三次下采樣,減少了檢測過程需要處理的數(shù)據(jù)量,提 高了運(yùn)算效率。
[0007] 為了實(shí)現(xiàn)上述目標(biāo),本發(fā)明采用如下的技術(shù)方案:
[0008] -種基于視覺反差和信息熵的SAR圖像人造目標(biāo)檢測方法,其特征是,包括如下 步驟:
[0009] 1)對待檢測的SAR圖像進(jìn)行高斯金字塔分解,通過下采樣處理建立4層影像金字 塔,處理后圖像分別記為Ic,Ii,12和13,其中Ic為原圖像尺寸,Ii,12和I3圖像依次分別是 原圖像尺寸的1/2,1/4,1/8;
[0010] 2)根據(jù)生物視覺特性,通過模擬初級視覺皮層中的簡單細(xì)胞來提取圖像的局部反 差信息,對輸出的四幅不同尺寸圖像'Ii,12和13分別進(jìn)行中央周邊差處理,提取簡單單 元S;
[0011] 3)學(xué)習(xí)計(jì)算池模型,利用Maximum模型將S單元整合為復(fù)雜單元C,并進(jìn)行高斯濾 波處理,生成全局顯著圖G;
[0012] 4)根據(jù)信息熵最大原則對步驟3)生成的全局顯著圖G進(jìn)行閾值分割處理,處理后 的二值圖像記為B;
[0013] 5)對處理后的二值圖像B進(jìn)行形態(tài)學(xué)濾波處理:進(jìn)行連通、填充和清除運(yùn)算,消除 孤立的像素集合,提高像素集合的連通性;
[0014] 6)從步驟5)處理后的二值圖像中提取目標(biāo)的輪廓線,將其顯示在原始SAR影像 上,得到目標(biāo)檢測結(jié)果。
[0015] 前述的基于視覺反差和信息熵的SAR圖像人造目標(biāo)檢測方法,其特征是,所述步 驟1)中金字塔下采樣操作按如下公式進(jìn)行:Ιδ(X,y)=Σnw(m,η)Ιδi(2i+m, 2j+n) (1), 其中,δ為圖像層數(shù),w(m,n)為降采樣核函數(shù),m,n為核函數(shù)窗口大小。
[0016] 前述的基于視覺反差和信息熵的SAR圖像人造目標(biāo)檢測方法,其特征是,所 述步驟2)中進(jìn)行中央周邊差操作前,將周邊層{1,2,3}插值后放大到和中央層 C# {0, 1,2}相同尺度,即SJ和Q0尺寸相同,SJ和尺寸相同,SJ和Q2尺寸相同;
[0017] 按公式(2)分別對SJ和Q0,SJ和Ql,SJ和Q2進(jìn)行逐像素的特征差運(yùn)算:Dn =I (Q,SJ = 11 (CJ θ I (SJ I,n e {〇, 1,2} (2),其中,Θ表示跨尺度的減操作,中央尺度 CLe {〇, 1,2},周邊尺度SLe {l,2,3},SL= C^+δ,δ=1。
[0018] 前述的基于視覺反差和信息熵的SAR圖像人造目標(biāo)檢測方法,其特征是,所述步 驟3)中將S單元整合成C單元前,要將D。,Dp%三幅差值圖分別插值到原始圖像大小,得 3。,51,52;根據(jù)公式(3)分別對3。,5 1,52進(jìn)行計(jì)算,得單元(:刃=1&?(5),5£{5。,51,5 2}(3)。
[0019]本發(fā)明所達(dá)到的有益效果:1)運(yùn)用4層高斯金字塔,進(jìn)行三次下采樣,減少了檢 測過程需要處理的數(shù)據(jù)量,提高了運(yùn)算效率;2)利用視覺反差來模擬人眼真實(shí)感受,不需 要提取過多的目標(biāo)特征,計(jì)算復(fù)雜度低,根據(jù)信息熵最大可實(shí)現(xiàn)自動分割,具有良好的普適 性,適用于車輛、船只、飛機(jī)、部分戰(zhàn)術(shù)目標(biāo)等小型人工目標(biāo);3)仿真結(jié)果表明,本發(fā)明方法 較傳統(tǒng)Itti模型和頻域譜殘差模型檢測結(jié)果更有效,且運(yùn)算量小、處理效率更高,便于工 程實(shí)現(xiàn)。
【附圖說明】
[0020] 圖1是本發(fā)明的流程圖;
[0021] 圖2(a) - (f)是本發(fā)明仿真實(shí)驗(yàn)中所采用的高分辨率SAR圖像效果圖;
[0022] 圖3(a) (f)是實(shí)驗(yàn)圖像中人造目標(biāo)的真實(shí)位置圖;
[0023] 圖4(a) - (f)是采用基于Itti模型的目標(biāo)檢測方法得到的仿真結(jié)果效果圖;
[0024] 圖5(a) - (f)是采用基于SR模型的目標(biāo)檢測方法得到的仿真結(jié)果效果圖;
[0025] 圖6(a) - (f)是采用本發(fā)明得到的仿真結(jié)果效果圖。
【具體實(shí)施方式】
[0026] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案,而不能以此來限制本發(fā)明的保護(hù)范圍。
[0027]參照圖1,本發(fā)明的具體實(shí)現(xiàn)步驟如下。
[0028] 步驟1):建立高斯金字塔影像:
[0029] 金字塔是圖像多尺度表示方法之一。它的底部是最原始的圖像,有最高的分辨率, 每向上移動一層,圖像的尺度就減小一半,分辨率也隨著降低。根據(jù)高斯金字塔不同采樣層 數(shù)的圖像特性,以及在多次實(shí)驗(yàn)的基礎(chǔ)上,本發(fā)明建立4層影像金字塔,對SAR圖像進(jìn)行下 采樣操作。設(shè)S為金字塔的層數(shù),則δ=〇,1,2, 3。
[0030] 對于一幅二維圖像I(x,y),LUy)表示最初的圖像,則第δ層的圖像可由以下 公式得到:Ιδ(χ,γ) nw(m,n)I;iAi+mJj+rOQ),其中,δ為圖像層數(shù),w(m,n)為 降采樣核函數(shù),m,n為核函數(shù)窗口大小。經(jīng)過下采樣后,得到4幅不同大小的圖像,分別為 1〇 (X,y),?ι(X,y),12 (X,y)和工3 (X,y)。
[0031] 步驟2):計(jì)算中央周邊差值,獲取簡單單元s,從而提取圖像的局部反差信息。
[0032] 初級視覺皮層的神經(jīng)元分為簡單細(xì)胞(S)和復(fù)雜細(xì)胞(C)。簡單細(xì)胞的感受 野對視場中大反差視覺信息的輸入有強(qiáng)烈變化。本步驟的目的是通過中央周邊差操作 (center-surround)來模擬簡單細(xì)胞感受野的這種特性以獲取S單元。其具體實(shí)現(xiàn)如下:
[0033]
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1