基于多线程的SAR图像CFAR自适应快速检测方法

摘要

本发明公开了一种基于多线程的SAR图像CFAR自适应快速检测方法，属于船舰检测系统领域，首先，使用直方图统计CFAR算法求取全局阈值完成图像中可能目标点的快速筛选，获取索引矩阵；然后，通过索引矩阵对筛选出的可能目标点进行基于K分布的滑动窗口检测，该过程运用了多线程技术来提高局部检测速度；最后对局部检测中所得的目标点作四连通区域面积统计，根据最小的船像素面积筛选出可能的船只；通过分析该算法对SAR图像的检测结果，得出该算法更适合运用到船舰检测系统中的结论。本发明提出的快速检测方法与Salazar算法相比，在检测准确率没有降低的情况下，检测速度得到了很大的提升,更适合运用到船舰检测系统中。

主权项

一种基于多线程的SAR图像CFAR自适应快速检测方法，其特征在于：按照如下步骤进行：步骤1：输入SAR图像；步骤2：对整幅SAR图像进行全局检测，通过直方图统计设定CFAR值或者自定义方法求取全局阈值；步骤3：获取索引矩阵，具体按照如下步骤进行：步骤3.1：比较SAR图像中每一个像素点的值和通过步骤2计算出的全局阈值；若：SAR图像中像素点的值小于全局阈值，则将SAR图像中像素点的值设置为0；或SAR图像中像素点的值大于全局阈值，则将SAR图像中像素点的值设置为1，并将这些像素点作上标记，称为标记点；步骤3.2：判断SAR图像中所有像素点的值和全局阈值是否比较完；若：判断结果是SAR图像中所有像素点的值和全局阈值已经比较完，则得到索引矩阵；或判断结果是SAR图像中所有像素点的值和全局阈值还没比较完，则执行步骤3.1；步骤4：将SAR图像分为四个区域，具体按照如下步骤进行：步骤4.1：将SAR图像平均分为四个区域；步骤4.2：统计SAR图像中所有标记点个数和四个区域中平均含有的标记点个数，分别记为N_f、Nm；步骤4.3：重新划分SAR图像，将SAR图像平均分配为四个区域，分别标号为A1、A2、A3、A4，相应地四个区域中标记点的个数分别记为N₁、N₂、N₃、N₄；步骤4.4：比较N₁、N₂、N₃、N₄，假设N₄最大，则标记点最多的区域为A4区域；步骤4.5：比较N₄与2×Nm，若N₄大于2×Nm，则对四个区域重新划分；步骤4.6：比较与A4区域相邻的A2区域和A3区域中的标记点个数；若：N₂>N₃，则需对A4区域和A3区域重新划分，即将A4区域中的部分区域移除补给到A3区域中；否则，对A4区域和A2区域重新划分，即将A4区域中的部分区域移除补给到A2区域中；步骤5：对重新划分后的四个区域中的标记点通过多线程同时进行局部检测，计算局部阈值，具体按照如下步骤进行：步骤5.1：以索引矩阵中的标记点为中心，建立滑动窗口：目标窗口、保护窗口、背景窗口；步骤5.2：去掉背景窗口中所有像素点的像素值大于全局阈值的像素点；步骤5.3：对背景窗口中的剩余像素点使用K分布概率密度模型进行统计，计算出背景窗口的阈值即局部阈值；步骤5.4：比较目标窗口中的标记点的像素值与背景窗口的阈值大小，如果目标窗口中的标记点的像素值大于背景窗口的阈值，则该目标窗口中的标记点为船只目标点，如果目标窗口中的标记点的像素值小于背景窗口的阈值，则该目标窗口中的标记点为海洋杂波；步骤6：判断整幅SAR图像是否检测完毕；若：判断结果是整幅SAR图像检测完毕，则执行步骤7；或判断结果是整幅SAR图像没有检测完毕，则这些步骤5；步骤7：对根据步骤5局部检测出的像素点组成的每个四连通区域面积进行统计，根据最小船的像素面积筛选出可能的船只，具体按照如下步骤进行：步骤7.1：将船面积最小的船定义为：长M米、宽N米、分辨率为R，则最小船的像素面积为步骤7.2：比较每个四连通区域面积与最小船的像素面积的大小，如果四连通区域面积小于最小船的像素面积的大小，则将该四连通区域去除，剩下的四连通区域就是检测出的船只。