[发明专利]一种基于RPCA技术的SAR图像舰船目标检测方法

摘要

本发明提供了一种基于RPCA技术的SAR图像舰船目标检测方法，首先针对SAR图像相干斑噪声模型，利用对数变换将相干斑乘性噪声转化为加性噪声，接着计算背景散射信号的相干与非相干接收信号功率比值，将SAR图像转化为相应的RF图像，然后利用RPCA技术将RF图像分解为低秩矩阵部分和稀疏矩阵部分，去除RF图像中由噪声形成的稀疏矩阵部分，最后利用结合空域信息的改进型MRF对低秩矩阵所形成的相对理想的RF图像进行二值分割，通过归一化RCS特征识别出舰船目标。本发明可以有效抑制斑点噪声，并且保留了图像边缘细节。

主权项

一种基于RPCA技术的SAR图像舰船目标检测方法，其特征在于包括下述步骤：(1)针对SAR图像相干斑噪声模型，利用对数变换将相干斑乘性噪声转化为加性噪声I＝log(I0)，其中，为原始SAR图像，M和N分别表示图像行数和列数；(2)计算背景散射信号的相干与非相干接收信号功率比值，将SAR图像转化为相应的RF图像其中，表示第k个像素块中3×3的局部窗区域的相干功率，表示第k个100×100像素块区域的非相干功率；(3)利用RPCA技术将RF图像分解为低秩矩阵部分和稀疏矩阵部分，具体步骤如下：a1)将RF图像D＝L+E分为实部和虚部矩阵，分别记为DR和DI，其中为低秩矩阵，为稀疏矩阵；a2)用APG算法分别求解由DR和DI所形成的两个对偶问题，在低秩矩阵和稀疏矩阵分离后可以获得低秩矩阵的两个实数矩阵，记为LR和LI；a3)将实数矩阵LR和LI重新组合为复数低秩矩阵Y＝LR+i*LI；(4)利用MRF对低秩矩阵部分形成的图像进行二值分割，通过归一化RCS特征识别出舰船目标，具体步骤如下：b1)对每一像素点s，取特征场中像素点s处的能量函数U1(Ys/Xs)最小值作为此像素点s的标记，Ys为s的特征场，Xs为s的标记场，遍历整个图像得到初始的标记场X0；U1(Ys|Xs)＝exp(‑P(Ys|Xs))，P(Ys/Xs)表示像素点s处的似然函数，P(Ys|Xs)=12πσ2ysexp(-(ln(ys)-μs)22σs2)]]>其中μξ和δξ分别为每类的对数均值和对数均方差，分类值取为ξ∈{0,1}；b2)当迭代次数k＝0时，由当前分割得到第k次模型参数估计值θk，对图像上每个像素点s，计算第k次全局能量的最大值对应的标记场中像素点s的第k次能量函数，遍历整个图像得到相应的标记场Xk；U2(Xs)＝∑c∈CVC(xs,xn)，n为s的二阶邻域系统N(i,j)中一个像素，N(i,j)＝{(±1,0),(0,±1),(1,±1),(‑1,±1)}，c表示8邻域系统中的二元基团，C表示图像中所有基团的集合，VC(xs,xn)表示与基团相关的新势能函数，VC(xs,xn)=-β,xs=xnδs2(δs2+(ys-yn)2dsn)β,xs≠xn]]>其中为xs处的标准差，β为惩罚因子，设为1，ys和yn分别为标记场xs和xn处的强度，dsn为标记场中xs和xn间距离；b3)判断是否收敛，具体如下：c1)如果变化量Δ≥Uk(Xs,Ys)‑Uk‑1(Xs,Ys)认为全局能量变化很小，标记场Xk为最后的分割结果，式中Δ为设定的常数；c2)否则，转到步骤b2)，k值加1，更新图像模型参数得到θk+1，参数向量对于特征场Y为对数正态分布模型，最大似然法估计出的模型参数表达式为：μm(k)=1NΣs,Xs=mln(ys(k))]]>δm2(k)=1N-1Σs,Xs=m(ln(ys(k))-μm(k))2]]>其中m为状态标记，取值{0,1}；b4)将RF图像分割出的二值图像中每个目标像素值与参考归一化RCS值进行比较，如果大于参考值，则识别为舰船目标。