[发明专利]基于特征融合和聚类的高分辨SAR图像快速舰船检测方法

摘要

本发明公开了一种基于特征融合和聚类的高分辨SAR图像快速舰船检测方法，其实现步骤为基于SAR图像中各地物后向散射特性以及舰船目标的先验信息，用Otsu算法和区域约束定位出目标潜在位置索引图；在索引图上运用基于局部对比度的CFAR算法进行预筛选得到检测二值分割图；对检测结果进行形态学处理，并根据处理的结果从SAR图像和检测后的二值分割图中提取潜在目标切片；运用设计的鉴别特征对所提取的切片进行K‑means聚类，得到最终的鉴别结果。本发明通过预处理有效减少了检测阶段的数据量，避免逐点检测带来的时间开销。同时所设计的特征和无监督聚类方法能克服现有训练样本不足的情况下目标的鉴别问题，可有效定位目标的位置并估计出目标的尺寸。

主权项

基于特征融合和聚类的高分辨SAR图像快速舰船检测方法，其特征在于，包括如下步骤：(1)基于地物散射特性与先验的预处理1a)根据图像的归一化直方图寻找使类间方差最大的Otsu最优分割阈值，将原始SAR图像分为亮区域和暗区域两部分，得到二值分割图；1b)对步骤1a)得到的二值分割图进行孔洞填充后去掉二值分割图中面积远大于舰船目标面积的连通区域，得到潜在目标区域的索引图；(2)基于局部对比度的CFAR检测2a)根据舰船目标的尺寸，选取CFAR检测所需的目标支撑区域大小和杂波支撑区域的大小；2b)对原始SAR图像和索引图围绕边界进行镜像反射扩展到适合检测所需的大小，预先设定检测的虚警率以在检测过程中根据背景信息自适应地确定每个点处的检测阈值；2c)在索引图所指示的潜在目标位置上，计算目标支撑区域的平均能量和空心滑动窗口内杂波支撑区域的平均能量及其能量的标准差，根据待测像素点支撑区域的像素均值与该点处的检测阈值的大小关系来判定该点是否为目标像素点；2d)空心滑动窗口在原始SAR图像上进行移动得到检测的结果后，对得到的检测结果进行腐蚀膨胀操作以去除孤立的检测点并且用孔洞填充来补充被掩盖的目标点；(3)感兴趣区域提取及其特征构建与融合3a)从检测后的二值分割图中提取所有连通区域并去除面积远小于目标的连通区域，根据剩余区域的质心和预设切片的大小，从原始SAR图像和检测后的二值分割图中提取出感兴趣区域的切片；3b)在提取的各原始SAR图像切片上计算对数标准差作为度量此区域强度波动性的特征；在提取的各检测后的二值分割图切片上寻找八连通区域的个数作为描述区域最强散射点空间散度的特征；同时，根据检测后的二值分割图所指示的目标区域位置计算对应的原始SAR图像中能量的平均值作为目标区域平均能量的度量；3c)将对数标准差、八连通区域数和目标区域平均能量分别进行归一化融合后形成具有更强鉴别力的特征向量，作为对于各感兴趣区域的综合描述；目标区域和杂波区域的特征在特征空间上呈现出聚集特性，而且对于目标区域和杂波区域的各特征都是有先验的指导；(4)基于特征先验和K‑means聚类的目标鉴别4a)设定聚类类别数、最大迭代次数以及由特征先验所决定的初始聚类中心，按照欧氏距离来度量每个待测样本与聚类中心的相似度，并以此将各个样本归类，直至K‑means聚类达到收敛；4b)根据最终得到的样本类别，将聚为目标的样本所对应的感兴趣区域位置找到，并用合适大小的边界框在原始SAR图像上将最后确定为舰船目标的区域标定出来；4c)从标定为舰船目标的区域所对应的检测后的二值分割图中提取出目标的最小外接矩形，从而估计出该舰船目标的近似长度和宽度。