[发明专利]一种大场景SAR图像中舰船目标切片快速提取方法

权利要求书

1.一种大场景SAR图像中舰船目标切片快速提取方法，其特征在于，该方法具体如下：

步骤(1)、利用目标边缘信息和强散射源信息联合检测方法，获取目标索引矩阵的边缘信息；

步骤(2)、利用边缘信息快速聚类算法，实现对目标边缘信息的快速聚类；

步骤(3)、通过目标背景快速分离，快速提取出大场景SAR图像中的所有目标切片；

步骤(1)中所述的目标边缘信息和强散射源信息联合检测方法，具体步骤如下：

步骤1-1：预处理，首先将原始SAR图像表征为一个二维空间矩阵I(x,y)，其中x,y分别表示该矩阵的行列坐标，定义3×3滤波器w₁对I(x,y)进行卷积，获得与原图像等尺寸矩阵F(x,y)：

其中，*表示卷积；

步骤1-2：设置强散射源尺寸参数k，定义k×k的求和滤波器w₂对矩阵F(x,y)进行卷积，w₂矩阵元素均为1，获得与原图像等尺寸矩阵FF(x,y)：

FF(x,y)＝F(x,y)*w₂ (2)

步骤1-3：设置恒虚警率P_FA，计算基于高斯分布的强散射源阈值Th1：

其中σ和μ分别为矩阵F(x,y)的标准差和均值；

步骤1-4：根据强散射源阈值Th1对FF(x,y)进行全局二值化，将幅值高于Th1的像素判定为强散射源像素，否则为杂波像素，获得一幅与原图像等尺寸的强散射源矩阵E(x,y)；

步骤1-5：采用Canny边缘检测算子获取原SAR图像I(x,y)的边缘信息，获得到一幅与原图像等尺寸的二值边缘信息矩阵C(x,y)，标记出边缘像素的坐标集M1＝[m₁,m₂,...,m_n]，其中m_i代表第i个边缘点的横纵坐标(s_i,t_i)，n为C(x,y)矩阵中总边缘像素数目；

步骤1-6：统计强散射源矩阵E(x,y)在坐标集M1处的邻域信息Q(i)：

其中L为邻域范围边长，设置为L＝3k；

步骤1-7：根据邻域信息剔除伪边缘像素，将Q(i)≤2的边缘像素从坐标集M中剔除，获取剔除伪边缘后的边缘信息矩阵C'(x,y)和边缘坐标集M2＝[m′₁,m′₂,...,m′_nn]，nn为C'(x,y)矩阵中总边缘像素数目，m'代表每个边缘点的横纵坐标；

步骤1-8：将边缘像素矩阵C'(x,y)和强散射源矩阵E(x,y)取并运算得到联合矩阵Q(x,y)：

Q(x,y)＝C'(x,y)∪E(x,y) (5)

步骤1-9：设置半径为r的圆形模板Se，对联合矩阵Q(x,y)采用圆形模板Se进行形态学闭操作，得到目标索引矩阵J(x,y)：

其中和Θ分别为形态学膨胀和腐蚀操作；

步骤1-10：采用四方位边缘检测算子提取目标索引矩阵J(x,y)的边缘信息，获取边缘矩阵JJ(x,y)和对应的边缘坐标点集M3＝[m″₁,m″₂,...,m″_q]：

JJ(x,y)＝max(|J(x,y)*w₃|，|J(x,y)*w₄|，|J(x,y)*w₅|，|J(x,y)*w₆|) (9)

其中，q为JJ(x,y)矩阵中总边缘像素数目，m”代表每个边缘点的横纵坐标；

步骤(2)中所述边缘信息快速聚类算法，其具体步骤如下：

步骤2-1：为实现快速聚类效果，选用计算量最小的曼哈顿距离评价边缘点之间的位置关系：

D(m″_i,m″_j)＝|s″_i-s″_j|+|t″_i-t″_j| (10)

步骤2-2：从步骤1-10获取的边缘点集M3中随机选取一点作为初始点O_initial，标记O_initial的聚类类别为Cat＝1，令M″_initial表示M3中的除去初始点O_initial后的点集，计算初始点O_initial到点集M″_initial的曼哈顿距离：

D(O_initial,M″_initial)＝[D(O_initial,m″₁),...,D(O_initial,m″_q)] (11)

步骤2-3：设置阈值Th2，判定D(O_initial,M″_initial)中是否存在小于Th2的点，如果存在，进入步骤2-4，如果不存在，跳转进入步骤2-6；

步骤2-4：将D(O_initial,M″_initial)中所有小于Th2的点作为新的初始点集O_initial，标记点集O_initial的聚类类别为Cat；更新点集M″_initial，将点集中属于O_initial的点剔除，计算初始点集O_initial到点集M″_initial的曼哈顿距离的最小集：

Dmin(O_initial,M″_initial)＝[min(D(O_initial,m″₁)),...,min(D(O_initial,m″_e))] (12)

步骤2-5：判定Dmin(O_initial,M″_initial)中是否存在小于Th2的点，如果存在，跳转进入步骤2-4，如果不存在，进入步骤2-6；

步骤2-6：在点集M″_initial中随机选一点作为新的初始点O_initial，标记O_initial的聚类类别为Cat＝1+Cat，更新点集M″_initial，将点集中属于O_initial的点剔除；如果M″_initial为非空点集，根据式(11)计算D(O_initial,M″_initial)并跳转进入步骤2-3，如果M″_initial为空集，进入步骤2-7；

步骤2-7：根据Cat对边缘点集M3进行聚类，得到聚类集[M₁,...,M_max(Cat)]，其中M_i表示Cat同为i的点集。

2.根据权利要求1所述的一种大场景SAR图像中舰船目标切片快速提取方法，其特征在于：步骤(3)中所述目标背景快速分离，其具体步骤如下：

步骤3-1：根据步骤1-7中获得的边缘信息矩阵C'(x,y)剔除聚类集[M₁,...,M_max(Cat)]中不包含初始边缘信息的类别，更新Cat；

步骤3-2：计算聚类集[M_Cat(1),...,M_Cat(end)]中每一类在原始SAR图像I(x,y)中的位置信息和外接矩尺寸信息；

步骤3-3：根据目标实际尺寸大小，剔除尺寸过小或过大的类别，更新Cat；

步骤3-4：根据步骤3-2和3-3获取的位置和尺寸信息提取原始SAR图像I(x,y)中的目标矩形切片[I_Cat(1),...,I_Cat(end)]，并提取相同位置下索引矩阵J(x,y)中的目标二值切片[J_Cat(1),...,J_Cat(end)]；

步骤3-5：将目标矩形切片[I_Cat(1),...,I_Cat(end)]和目标二值切片[J_Cat(1),...,J_Cat(end)]进行点乘运算，将目标切片从背景中分离，完成SAR图像中所有目标切片的提取。