基于区域提取的双参数恒虚警检测方法

摘要

本发明公开了一种基于区域提取的双参数恒虚警检测方法，主要解决现有SAR图像目标检测技术中检测速度慢和参数设置导致目标漏检的问题。其实现步骤为：对带有目标标记的训练图像提取正负样本集，用线性分类器SVM训练一个基于规范梯度特征的模板w，并对提取的正样本集基于初始的图像尺寸选择有效的尺寸集；然后基于模板w和有效的尺寸集对测试图像提取有效尺寸下的区域；再对提取的区域用双参数恒虚警进行检测得到候选区域，并对候选区域用非最大值抑制NMS，去除大量重叠的区域，最后剩下的区域即为最终的检测结果。本发明相比于传统的双参数CFAR检测具有检测速度快和检测概率高的优点，适用于SAR图像目标的快速检测。

主权项

基于区域提取的双参数恒虚警检测方法，包括如下步骤：(1)在带有标记的训练集Tr中，提取正样本集P和负样本集N；(2)将得到的正负样本集中的正负样本下采样到固定尺寸8×8，对下采样后的每个样本提取规范梯度特征g′，用所有下采样样本的规范梯度特征构成规范梯度特征集G，训练线性分类器SVM，得到一个8×8的模板W；(3)构建有效尺寸集合AS：(3a)初始36个不同的图像尺寸，构成集合S＝{(W₁×H₁),...(W_l×H_l)...,(W₃₆×H₃₆)}，其中，W_l,H_l分别是第l个图像尺寸的宽和高，1≤l≤36且l为整数；这些尺寸以基数为2，幂次从minT＝3到maxT＝8依次增加，即W_l,H_l∈{8,16,32,64,128,256}；(3b)根据步骤(1)中得到的正样本集P和步骤(3a)初始化的尺寸集合S，得到有效尺寸集合$AS=\{(W_{{\mathrm{As}}_1}\times H_{{\mathrm{As}}_1}),...(W_{{\mathrm{As}}_i}\times H_{{\mathrm{As}}_i})...,(W_{{\mathrm{As}}_{ns}}\times H_{{\mathrm{As}}_{ns}})\},$1≤As_i≤36对应集合S中第As_i个元素，1≤i≤ns且i为整数，ns表示有效尺寸的个数；(4)提取测试图像J在有效尺寸集下的区域：(4a)根据有效尺寸集合AS中的尺寸，对测试图像J下采样，得到不同尺寸下的下采样图，并提取下采样图的规范化梯度特征图，构成规范梯度特征图集{F₁,...F_i...,F_ns}，其中F_i为第i个有效尺寸下规范化梯度特征图，1≤i≤ns且i为整数；(4b)用步骤(2)中得到的模板W对规范梯度特征图集{F₁,...F_i...,F_ns}中的每个特征图进行滑窗，得到得分图{s₁,...s_i...,s_ns}，对每一幅得分图，用非最大值抑制NMS选出K个局部最大值，根据局部最大值的位置在测试图像J上提取K个区域，构成区域集合R_i，对ns个尺寸做同样的操作，最终得到ns×K个区域，构成区域集R；(5)对步骤(4b)得到的区域集R，将每个区域视为一个整体，用该区域内80％的最强像素值的均值M表示该区域，用该区域外3个像素宽度的空心框内的像素值估计背景杂波均值和标准差并根据设置的虚警概率Pr,得到每个区域的局部检测阈值Th，把区域均值M大于局部检测阈值Th的区域选为候选区域，得到候选区域集R′；(6)对步骤(5)得到的候选区域集R′用非最大值抑制NMS去除大量重叠的区域，剩下的区域构成区域集合R_d′，即为检测结果。