[发明专利]基于变异系数法的SAR船只检测优化方法

摘要

本发明公开基于变异系数法的SAR船只检测优化方法，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。本发明计算量小、适用范围广且人为干扰因素小，不仅可以提高船舶检测结果的正确率，还可以节省大量的计算时间，同时还可以减少图像边缘的船舶目标漏检。

主权项

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PA，则A类图像出现的概率分布为P0/PA，P1/PA，…PT1/PA；设B类图像出现的概率为PB，则B类图像出现的概率分布为PT1+1/PB，PT1+2/PB，…PT2/PB ；设C类图像出现的概率为PC，则C类图像出现的概率分布为PT2+1/PC，PT2+2/PC，…，PT3/PC；设Pi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PA、B类图像出现的概率PB和C类图像出现的概率PC分别通过下述公式表示：A类图像的香农熵HA、B类图像的香农熵HB、C类图像的香农熵HC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＝HA+HB+HC        (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。