[发明专利]基于空域混合模型的高分辨SAR图像目标检测方法

权利要求书

1.一种混合参数模型的高分辨SAR图像车辆目标检测方法，包括如下步骤：

1)对特定区域的高分辨SAR图像人工选取不同类别的训练样本；

2)对上述训练样本采用对数累积量MoLC方法和最小均方误差MMSE方法进行训练，得到四阶函数分布、高斯分布和广义伽马分布的参数，并分别对背景类、目标类以及阴影类采用高斯分布、四阶函数分布和广义伽马分布联合建模，得到混合分布模型；

3)对待检测的高分辨SAR图像基于步骤2)得到由四阶函数分布模型、高斯分布模型和广义伽马分布模型构成的混合模型提取待检测高分辨SAR图像的混合分布的分布参数；

4)基于MMSE的分类，对待检测高分辨SAR图像中的像素点逐个加窗并计算该像素点的分布参数，采用MMSE的方法将图像中当前点和加窗形成的窗口区域分布逼近已得到的混合模型，并基于混合模型进行分类，得到的初步分类结果包括目标、背景和目标阴影；

5)利用先验知识剔除由背景干扰形成的非阴影暗区域，得到由目标形成的阴影，先验知识包括阴影面积大小，阴影与目标区域的距离，阴影与目标的相对方向；

6)利用目标阴影补偿目标点；

7)得到检测结果。

2.根据权利要求1所述的目标检测方法，其中步骤2)按如下过程进行：

2a)根据待检测高分辨SAR图像确定类别数M；

2b)分别对高分辨SAR图像中每一类利用高斯分布、广义伽马分布和四阶函数分布进行建模，分布、广义伽马分布和四阶函数分布的概率函数如下：

高斯分布：

广义伽马分布：

四阶函数分布：f(x)＝ax⁴+bx³+cx²+dx+e

x为高分辨SAR图像某一点处的灰度，

对高斯分布，μ和σ²分别表示高斯分布的均值和方差，同时也是SAR图像灰度的均值和方差；

对四阶函数分布，a、b、c、d、e分别为四阶函数的系数，但对应SAR图像它们没有具体含义；

广义伽马分布的参数并不具有对应于SAR图像的实际含义；

2c)对背景区域根据伽马分布和高斯分布联合建模，对阴影区域根据四阶函数分布进行建模。

3.根据权利要求1所述的目标检测方法，其中步骤4)按如下过程进行：

4a)对SAR图像逐点加窗计算对应的特征参数；

4b)将计算得到的SAR图像参数与已知类别的特征进行拟合，利用MMSE的方法求取最优解；

4c)重复4a)、4b)步骤，直到整幅SAR图像检测完成。

4.根据权利要求1所述的目标检测方法，其中步骤6)按如下过程进行：

6a)由步骤5)中得到的目标和阴影区域，分别求得对应目标中心、阴影中心和矩形边界信息；

6b)由目标中心和阴影中心的相对方向可以得到补偿方向，在这个补偿的方向对目标进行补偿，直到遇到阴影区域，则对当前目标的补偿过程结束；

6c)重复6a)、6b)过程，直到对图像中所有目标补偿完成。