[发明专利]基于贝叶斯显著性的SAR图像目标检测方法

说明书

本发明公开了一种基于贝叶斯显著性的SAR图像目标检测方法，主要解决现有SAR图像目标检测技术中检测准确率低及检测二值图上目标结构不完整的问题。其实现步骤为：对原始SAR图像进行超像素分割；利用超像素分割结果分别构建先验显著图、前景似然图、背景似然图；在贝叶斯框架下融合先验显著图、前景似然图、背景似然图的结果得到贝叶斯后验显著图；对该贝叶斯后验显著图进行分割得到含有疑似目标区域的二值图；对二值图进行聚类、虚警区域移除后在原始SAR图像上提取疑似目标切片，完成SAR图像目标检测。本发明相比于双参数CFAR检测具有检测准确率高和检测二值图上目标结构较完整的优点，适用于复杂场景下SAR图像目标检测。

技术领域

本发明属于雷达目标检测领域，尤其涉及一种SAR图像目标检测方法，可用于地面车辆目标检测。

背景技术

雷达成像技术是20世纪50年代发展起来的，在以后的60年里得到了突飞猛进的发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。

合成孔径雷达SAR是一种利用微波进行感知的主动传感器，其与红外、光学等其他传感器相比，SAR成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天时、全天候的观测。因而SAR成为目前对地观测和军事侦察的重要手段，SAR图像自动目标识别技术受到越来越广泛的关注。

SAR自动目标识别ATR技术通常采取美国林肯实验室提出的三级处理流程。该流程采用一种分层注意机制，其实现过程是：首先，对整幅SAR图像进行检测处理，除去图像中明显不是目标的区域，得到潜在目标区域；然后，对潜在的目标区域进行目标鉴别处理，以剔除其中的自然杂波和部分人造杂波虚警；通过目标的检测和鉴别阶段，得到目标感兴趣区域ROI；最后，再对目标ROI进行分类识别。在这种处理机制中，数据处理方法越来越复杂，因此计算量会越来越大，但需要处理的数据量却是在逐步减少的，这样就能提高目标识别系统的效率。

SAR图像目标检测是SAR自动目标识别ATR中的第一步，其重要性不言而喻。如何准确并有效地检测出潜在目标区域也是近年来SAR图像解译应用的一大研究热点。

在现有的SAR图像目标检测方法中，双参数恒虚警CFAR检测算法应用最为广泛。

双参数CFAR检测算法是一种经典的像素级的SAR图像目标检测方法，该方法应用的前提是在SAR图像上目标与背景杂波具有较高的对比度。双参数CFAR检测算法中设置了目标窗口、保护窗口和背景窗口这3个窗口。其中，目标窗口是可能含有目标像素的窗口，保护窗口是为了防止目标像素混入背景杂波中而设置的窗口，背景窗口是含有背景杂波的窗口。传统的双参数CFAR是基于背景杂波的统计分布模型是高斯分布的假设。通过滑动窗口，对SAR图像中的每个像素进行遍历。在每次滑动窗口的过程中，通过计算背景窗口内的所有像素的均值和方差来对背景杂波进行参数估计并以此来确定一个阈值，如果目标窗口内的像素大于这个阈值就认为是目标像素，否则就认为其是杂波像素。虽然双参数CFAR是广泛应用的经典SAR图像目标检测算法，但其主要存在两方面的问题：首先，由于背景杂波的统计分布模型并不一定服从高斯分布，复杂场景下的SAR图像尤为明显，导致这种目标检测方法存在杂波统计模型参数估计不准确导致其容易产生虚警和漏警，目标检测准确率较低；其次，由于双参数CFAR是一种像素级的目标检测方法，没有考虑目标的结构信息，检测得到的二值图上目标像素点较离散、结构不完整，导致这种目标检测方法提取的疑似目标切片中存在大量的只切到部分目标的切片，且多数目标没有位于切片的中央，目标检测精度较低。

发明内容

本发明的目的在于针对上述现有技术的不足，提出了一种基于贝叶斯显著性的SAR图像目标检测方法，以减少虚警和漏警，提高SAR图像目标检测的准确率和精度。

实现上述目的的技术方案包括如下：

(1)对一幅尺寸为W×H的原始SAR图像A进行超像素分割，得到超像素{r_i},i＝1,...,N,其中，N为超像素的个数；