基于变化检测技术的SAR图像舰船目标鉴别方法

摘要

本发明提供一种基于变化检测技术的SAR图像舰船目标鉴别方法。技术方案是：首先利用ROI切片灰度数据构建变化检测量，生成标准灰度差异图像；然后，通过对差异图像进行阈值分割，获取潜在目标像素数量和真实目标像素数量；最后，根据真实目标像素数量与潜在目标像素数量之比，利用目标的像素聚集度对ROI切片进行鉴别。本发明能够有效提高SAR图像中舰船目标和海面杂波虚警的区分能力和鉴别方法的适应能力。

主权项

一种基于变化检测技术的SAR图像舰船目标鉴别方法，所述SAR是指合成孔径雷达，其特征在于，包括下述步骤：第一步，构建变化检测量：记SAR图像ROI切片为I，切片为正方形，尺寸为N×N，ROI切片中像素位置坐标为(i,j)的灰度表示为I(i,j)，其中i,j＝1,2,3...N，ROI是指感兴趣区域，利用下式计算ROI切片四角位置的四个正方形区域的灰度均值μ₁，μ₂，μ₃，μ₄，其中M＝[N/4]，[·]表示四舍五入取整操作：$\left\{\begin{array}{c}{\mu }_1=\frac{1}{M\times M}\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}I(i,j)\\ {\mu }_2=\frac{1}{M\times M}\underset{i=1}{\overset{M}{\Sigma }}\underset{j=N-M+1}{\overset{N}{\Sigma }}I(i,j)\\ {\mu }_3=\frac{1}{M\times M}\underset{i=N-M+1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}I(i,j)\\ {\mu }_4=\frac{1}{M\times M}\underset{i=N-M+1}{\overset{N}{\Sigma }}\underset{j=N-M+1}{\overset{N}{\Sigma }}I(i,j)\end{array}\right.$    (公式一)则背景杂波均值μ为：μ＝(μ₁+μ₂+μ₃+μ₄)/4    (公式二)利用下式计算似然比变化检测量η(i,j)：$\eta (i,j)=\frac{\mu }{I(i,j)+1}+\frac{I(i,j)+1}{\mu }$    (公式三)其中η(i,j),i,j＝1,2,3...N；利用线性变换方法，将似然比变化检测量η(i,j)的取值范围线性变换至[0,255]，得到标准灰度差异图像D(i,j),i,j＝1,2,…N；第二步，自适应阈值分割：对标准灰度差异图像D(i,j)，令p_k为D(i,j)＝k的概率，即灰度级k的出现概率，k＝0,1,…255；对任意阈值T∈[1,254]，利用下式计算熵H(T)：$H\left(T\right)=\ln P_T(1-P_T)+\frac{H_T}{P_T}+\frac{H-H_T}{1-P_T}$    (公式四)其中，$P_T=\underset{k=0}{\overset{T}{\Sigma }}{p}_k,H=-\underset{k=0}{\overset{255}{\Sigma }}{p}_k·\ln p_k,H_T=-\underset{k=0}{\overset{T}{\Sigma }}{p}_k\ln p_k;$令阈值用阈值T₀对标准灰度差异图像D(i,j)进行分割得到二值图像B：即灰度值大于阈值T₀的像素赋值为1，否则为0；在二值图像B中设赋值为1的像素为潜在目标像素，统计潜在目标像素数量，记为N₁；第三步，目标像素聚集度分析：对二值图像B进行区域生长，计算二值图像B中心区域连通像素的个数，记为N₂，计算目标像素聚集度根据实际场景设定判决阈值t，若ρ＞t，则认为当前的ROI切片中存在舰船目标，否则不存在舰船目标。