[发明专利]基于融合多层级模糊聚类软决策结果的SAR目标检测方法

权利要求书

1.一种基于融合多层级模糊聚类软决策结果的SAR目标检测方法，其特征在于，包括以下步骤：

步骤1，利用SAR成像方法获取需进行目标检测的图像；

步骤2，利用简单线性迭代聚类算法进行超像素分割，得到L个超像素及超像素包含的像素信息；

步骤3，计算自适应的距离参数d，遍历L个超像素，将正在遍历的超像素定义为测试超像素，将测试超像素距离为d的超像素定义为对比超像素；然后计算测试超像素和每个对比超像素之间的Wasserstein距离，并取所有Wasserstein距离的中位数作为测试超像素的特征，遍历完成得到L个超像素特征；

步骤4，以L个超像素特征为样本数据对超像素进行类别为2的模糊C均值聚类，得到超像素概率矩阵U_2×L；

步骤5，利用超像素概率矩阵U_2×L，将超像素概率矩阵U_2×L确定地分为超像素目标概率行向量U_1×L和超像素杂波概率行向量U′_1×L；

步骤6，利用超像素包含的像素信息以及超像素杂波概率行向量U′_1×L，得到当前层的像素杂波概率矩阵Q；

步骤7，利用上一层融合后的像素杂波概率矩阵P^(l-1)和当前层的像素杂波概率矩阵Q，计算得到当前层融合后的像素杂波概率矩阵P^(l)；

步骤8，以步长S_srep增加超像素大小，重复步骤2、3、4、5、6、7，直到增加后的超像素大小大于最高层级的超像素大小；

步骤9，利用最高层级融合后的像素杂波概率矩阵，得到像素目标概率矩阵，比较每个像素的两种类别概率的大小，选取概率较大的类别作为像素的最终类别，最终得到目标检测结果。

2.如权利要求1所述的方法，其特征在于，所述步骤3中的计算自适应的距离参数d的方法如下：

自适应的距离参数d的计算公式如下：

d＝ρ·S_cur

其中，

其中，ρ为距离系数，S_cur为当前层级的超像素大小，τ为总层数，S_max为最高层级的超像素大小，S_min为最低层级的超像素大小。

3.如权利要求1所述的方法，其特征在于，所述步骤5中的确定超像素目标概率行向量U_1×L和超像素杂波概率行向量U′_1×L的过程如下：

超像素概率矩阵U_2×L中的数据意义为L个超像素分别属于两个类的概率，其中，两个类分别为目标类和杂波类，超像素属于两个类的概率之和为1；

首先可根据超像素属于两个类的概率大小，令概率大的类作为超像素的类别，即可将所有超像素显式分为两类；然后根据SAR图像中目标占据区域远少于杂波占据区域，确定超像素个数较少的一类为目标类，个数较多的为杂波类。最后就可确定超像素概率矩阵U_2×L中概率的类别，同时将超像素概率矩阵U_2×L分为超像素目标概率行向量U_1×L和超像素杂波概率行向量U′_1×L。

4.如权利要求1所述的方法，其特征在于，所述步骤7中所述的计算当前层融合后的像素杂波概率矩阵P^(l)的方法如下：

当前层融合后的像素杂波概率矩阵P^(l)的每一个像素的杂波概率p_ij^(l)的计算公式如下：

p_ij^(l)＝p_ij^(l-1)q_ij+σ_ij

其中，

σ_ij＝ω(p_ij^(l-1)(1-q_ij)+q_ij(1-p_ij^(l-1)))

式中，p_ij^(l)为当前层融合后像素的杂波概率，p_ij^(l-1)为上一层融合后的像素的杂波概率，q_ij为当前层像素的杂波概率，σ_ij为补充杂波概率，ω为杂波确定系数，N为SAR图像的像素个数，r为SAR图像的像素行数，t为SAR图像的像素列数，P^(l-1)为上一层融合后的像素杂波概率矩阵。