[发明专利]SAR图像海面舰船识别方法

权利要求书

1.一种SAR图像海面舰船目标识别方法，其特征在于包括如下步骤：在进行SAR图像亮点检测之前，利用图像预处理模块读取至少一幅海面SAR图像数据，计算SAR图像累计分布直方图，并根据目标像素置信度计算全局阈值，进而对所有像素进行划分，得到像素是否为目标泄漏像素的索引矩阵，将索引矩阵引入自适应亮点检测模块；在对海杂波进行统计建模时，自适应亮点检测模块引入统计模型字典，对图像预处理模块输出索引矩阵的每一个目标像素，利用环形窗口，结合索引矩阵选择杂波数据，利用KS检验方法，从统计模型字典内多个不同的统计模型中自适应地选择最优的分布模型进行自适应杂波建模，自适应亮点检测模块利用CFAR方法计算局部检测阈值并进行二元判决，得到SAR图像的二值分割结果；目标区域提取模块根据自适应亮点检测模块输出的二值分割结果，在二值分割结果的基础上，利用局部亮点密度剔除孤立噪声点，然后提取连通区域并计算相应的区域参数，合并距离小于距离阈值的区域，计算每个区域的特征参数，并根据先验知识剔除背景区域，得到候选舰船目标；目标置信度计算模块针对目标区域提取模块输出的候选舰船目标，利用积累的舰船目标训练图像构建舰船目标特征集，通过朴素贝叶斯方法计算待识别舰船目标的后验概率，后验概率即舰船目标的置信度。

2.如权利要求1所述的SAR图像海面舰船目标识别方法，其特征在于：图像预处理模块基于目标像素位于SAR图像直方图的拖尾部分的特点，利用SAR图像的直方图,计算全局划分阈值T_g。

3.如权利要求1或2所述的SAR图像海面舰船目标识别方法，其特征在于：图像预处理模块在给定目标像素的置信度为的条件下，由式(1)计算全局划分阈值T_g，

式中，P为概率值，I为对应图像像素值的随机变量，为经验值，表示杂波像素在整个图像中所占的比例，在大幅SAR图像中，的取值接近1；并对输入的SAR图像，计算其累积分布直方图F，通过计算得到全局划分阈值T_g。

4.如权利要求1所述的SAR图像海面舰船目标识别方法，其特征在于：索引矩阵V的大小与待检测SAR图像I的大小一样，若设待检测SAR图像的大小为N×M，在第i行第j列位置坐标(i,j)处的像素强度为I_i,j，则索引矩阵V在位置坐标(i,j)处的取值为V_i,j，

索引矩阵V＝{V_i,j|1≤i≤N；1≤j≤M}也是大小为N×M的矩阵，且位置坐标(i,j)处的索引值V_i,j＝1表示SAR图像中相应位置坐标(i,j)处为目标泄漏像素，其中，N为索引矩阵的行数，M为索引矩阵的列数。

5.如权利要求1所述的SAR图像海面舰船目标识别方法，其特征在于：自适应亮点检测模块针对每一幅待检测SAR图像，选择一个测试像素，并以当前测试像素为中心包含N_C个像素的空心正方形为滑动窗口，以索引矩阵V中相应窗口位置的索引值为依据，选择杂波数据，筛除掉空心滑动窗口内可能是目标泄漏的D个像素，将剩下的N_C-D个像素作为杂波数据，用于后续的杂波统计模型选择，其中，N_C为空心正方形内测试像素的个数，D空心正方形滑动窗口内索引值为1的像素个数。

6.如权利要求1所述的SAR图像海面舰船目标识别方法，其特征在于：自适应亮点检测模块利用得到的杂波数据，以KS(Kolmogorov-Smirnov)检验的统计量为依据，从统计模型字典中选择最优的一个统计模型，并且统计模型字典中包含高斯Gauss分布、伽马Gamma分布、韦布尔Weibull分布、对数正态LogNormal分布、费希尔Fisher分布、G₀分布、K分布、Alpha稳定分布共八种常用的统计分布模型，其中，KS检验的统计量称为KS距离，定义为经验分布函数与分布假设下的分布函数H₀的差的上确界，实现实际数据分布与分布函数H₀假设模型拟合程度的定量评估。