[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

说明书

本发明公开了一种基于空域混合模型的高分辨SAR图像车辆目标检测方法，它属于图像处理技术领域，主要解决传统目标检测方法在检测超高分辨SAR图像目标时出现目标不连续、虚警等问题。其检测过程为：建立混合模型并从图像中提取样本进行训练得到四阶函数分布、高斯分布和广义伽马分布参数，并对图像进行联合建模；对待检测图像提取混合分布参数；对图像加窗并计算分布参数，并将其分布逼近已得到的混合模型，基于混合模型进行分类得到目标、背景和目标阴影；利用阴影面积、阴影与目标的距离等先验知识补偿目标得到目标检测结果。本发明具有检测结果区域一致性好，目标连续完整等优点，检测结果可用于SAR图像目标识别等。

技术领域

本发明属于图像处理领域，是一种采用混合模型对高分辨SAR图像进行目标检测的方法。

背景技术

合成孔径雷达是一种全天时、全天候的高分辨率雷达，在军事，农业，自然灾害监测等诸多领域有着广泛的应用。SAR与其它遥感成像系统，光学成像系统等相比有很多差异和优点。在军事目标识别方面，SAR图像有分割、分类、目标识别等诸多应用，而目标识别是SAR图像在军事方面的终极目标。与自然图像不同，SAR本质上反映的是目标的电磁散射特性和结构特性，SAR的成像不受天气，光线等的影响，而在很大程度上依赖于雷达自身特性和成像区域的地形地貌和地物特征。受合成孔径雷达特性的影响，SAR图像与传统光学图像不同，SAR图像灰度级变化较为缓慢，而且伴随有大量的相干斑噪声，因此传统的用于光学图像的目标检测与识别方法并不适用于SAR图像；

针对SAR图像的这些特性，有许多基于分布模型的SAR图像处理算法：

基于相干班抵制的方法。这类方法首先对SAR图像用滤波的方法抵制相干斑，在处理过后的较为平滑的图像上采用光学图像的方法分割、分类或检测目标。常用的滤波方法包括Sigma滤波、均值滤波、中值滤波、Kuan滤波、Lee滤波等方法。经过滤波抵制相干斑后处理在效果表现上有所提升，但由于滤波过程会导致边缘信息的丢失，这会导致检测结果轮廓不准确，对精确打击造成困难；

基于SAR图像分布模型的分类和目标检测方法。这类方法首先对SAR图像进行建模。最常用的方法是恒虚警(CFAR)的方法，但随着当前合成孔径雷达的不断发展，SAR图像的分辨越来越高，传统SAR图像模型算法已经不适用于当前高分辨SAR图像，这种不适应性主要体现在两个方面，一是传统SAR图像模型不能很好的逼近高分辨SAR图像的分布，二是高分辨SAR图像的背景分布变化具有一定连续性，而传统SAR图像分布模型不能很好的模拟这种连续性，导致检测结果不能成为一个整体；

基于广义伽马分布的恒虚警(CFAR)目标检测方法。在空域CFAR检测中，最典型的方法是CA-CPAR(Cell-Averaging CFAR)，参见Jung,Chul H.；Korea AerospaceUniversity,Korea；Yang,Hee J.；Song,Woo Y.；Kwag,Young K.Multi-Target DetectionUsing 2-D Distributed Cell-Averaging CFAR in High Resolution SAR Images,Synthetic Aperture Radar(EUSAR),2010 8th European Conference on,2010,10(7):978-3-8007-3272-2。OS-CFAR(Ordered statistic CFAR)，参见Cho,C.-M.；Dept.ofElectr.Eng.,State Univ.of New York,Stony Brook,NY,USA；Barkat,M.Moving orderedstatistics CFAR detection for nonhomogeneous backgrounds,Radar and SignalProcessing,IEE Proceedings F(Volume:140,Issue:5):0956-375X-4522124。