[发明专利]基于变异系数法的SAR船只检测优化方法

权利要求书

1.基于变异系数法的SAR船只检测优化方法，其特征在于，包括如下步骤：

(1)利用合成孔径雷达SAR获取遥感影像；

(2)对步骤(1)中获取的遥感影像进行预处理；

(3)对经过步骤(2)处理后的遥感影像中舰船目标进行检测提取，得到潜在船只目标；

(4)利用变异系数法并以船舶长宽比、核密度估计阈值和目标像元个数作为船舶置信度的判别因子对经步骤(3)检测到的潜在船只目标进行优化；

步骤(1)中所获取的遥感影像为Radarsat-2高分辨率影像；

步骤(2)中对步骤(1)获取的Radarsat-2高分辨率影像依次进行聚焦处理、多视处理、图像配准，FROST滤波、地理编码和辐射定标；

在步骤(3)中，利用最佳香农熵双阈值对经过步骤(2)处理后的Radarsat-2高分辨率影像中舰船目标进行检测，包括如下步骤：

(3.1)根据经步骤(2)处理后的Radarsat-2高分辨率影像的灰度直方图的熵找出最佳熵阈值；

(3.2)利用步骤(3.1)中所得的最佳熵阈值对经过步骤(2)处理后的Radarsat-2高分辨率影像进行分割，得到潜在船只目标；

在步骤(3.1)中，经步骤(2)处理后的Radarsat-2高分辨率影像的灰度范围为{0，1…，T3}，设置阈值T1和T2，T1＜T2，利用T1和T2将经步骤(2)处理后的Radarsat-2高分辨率影像分为A类图像、B类图像和C类图像，A类图像对应的灰度区间为{0，T1}，B类图像对应的灰度区间为{T1，T2}，C类图像对应的灰度区间为{T2，T3}；设A类图像出现的概率为P_A，则A类图像出现的概率分布为P₀/P_A，P₁/P_A，…P_T1/P_A；设B类图像出现的概率为P_B，则B类图像出现的概率分布为P_T1+1/P_B，P_T1+2/P_B，…P_T2/P_B ；设C类图像出现的概率为P_C，则C类图像出现的概率分布为P_T2+1/P_C，P_T2+2/P_C，…，P_T3/P_C；设P_i为灰度级为i的图像出现的概率，0≤i≤T3，A类图像出现的概率P_A、B类图像出现的概率P_B和C类图像出现的概率P_C分别通过下述公式表示：

A类图像的香农熵H_A、B类图像的香农熵H_B、C类图像的香农熵H_C和经步骤(2)处理后的Radarsat-2高分辨率影像的总香农熵H分别通过下述公式计算：

H＝H_A+H_B+H_C (iv)

利用公式(iv)计算出最佳香农熵阈值T1和T2；

在步骤(3.2)中，利用步骤(3.1)中求得的最佳香农熵阈值T2对经步骤(2)处理后的Radarsat-2高分辨率影像进行检测，经步骤(2)处理后的Radarsat-2高分辨率影像中的任意一个像素Xi,j，像素Xi,j的灰度值大于或等于T2，则将像素Xi,j判为潜在船只目标的像素,否则将像素Xi,j判为背景像素；

步骤(4)包括如下步骤：

(4.1)确定步骤(3)检测到的潜在船只目标的船舶长宽比、核密度估计阈值和目标像元个数；

(4.2)利用变异系数法确定步骤(4.1)中得出的潜在船只目标的船舶长宽比、核密度估计阈值和目标像元个数的权重，并计算得到潜在船只目标的特征置信度CL；

(4.3)利用步骤(4.2)中计算得到的潜在船只目标的特征置信度对经步骤(3)检测到的潜在船只目标进行优化；

在步骤(4.1)中：

根据经步骤(3)检测到的潜在船只目标通过Hough变化和最小外接矩形法计算出潜在船只目标的船舶长宽比；

根据经步骤(3)检测到的潜在船只目标利用下述公式计算出潜在船只目标的核密度估计阈值：

式中：是K四次核的密度估计函数；

d是波宽或窗口宽度h范围内属于同一潜在船只目标的像素之间的距离；

x是潜在船只目标中的一个像素；

K是潜在船只目标的核密度估计阈值；

根据经步骤(3)检测到的潜在船只目标利用Regiongrow区域生长法确定潜在船只目标的船舶目标像元个数，包括如下步骤：

(a)确定基点位置；

(b)设步骤(a)中确定的基点的像元的像素值为1，然后将临近基点且像素值为1的像元归入所述基点所在的生长区域，当遇到像素值为0的像元时，所述基点所在的生长区域停止扩大，即可得潜在船只目标；

(c)利用n_elements()函数统计步骤(3)中得到的潜在船只的像元个数。

2.根据权利要求1所述的基于变异系数法的SAR船只检测优化方法，其特征在于，在步骤(4.2)中，利用下述公式计算出潜在船只目标的船舶长宽比、核密度估计阈值和目标像元个数的权重以及潜在船只目标的特征置信度：

CL＝FV×PM (ix)

PM＝[0.10 0.35 0.55]^T (x)

式中：v_i是第i项指标的变异系数；

σ_i是第i项指标的标准差；

是第i项指标的平均数；

W_i是第i项指标的权重；

FV是船舶的特征矢量；

PM是标准化之后的权向量；

T是矩阵转置符号；

i＝1,2,3...n，n为指标项总数。