[发明专利]一种SAR图像目标检测方法及系统

说明书

本发明公开了一种SAR图像目标检测方法及系统，涉及图像处理技术领域，该方法包括以下步骤：根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图。本发明能够克服杂波以及噪声的影响，在干扰环境下检测出SAR图像中的亮目标，满足目标检测的工作需求。

技术领域

本发明涉及图像处理技术领域，具体涉及一种SAR图像目标检测方法及系统。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)是一种可以产生高分辨率图像的微波遥感器，具有全天时、全天候、多波段、覆盖面积大和穿透性强等优点，广泛应用于军事侦察、灾情估计、森林环境监测等领域。尤其在军事应用领域，SAR图像中的亮区域通常是有价值的人造军事目标，因此快速准确地检测出SAR图像中的亮目标具有重要的意义。但是，由于SAR特殊的相干成像机制，使得SAR图像不可避免地含有相干斑噪声，影响成像质量，这对快速准确地检测SAR图像中的亮目标带来了很大的困难。

现有的SAR图像目标检测方法中，恒虚警率(Constant False Alarm Rate，CFAR)方法的应用最广泛，该方法先根据区域杂波数据建立杂波分布模型，绘制出该分布模型的概率密度曲线，然后通过虚警率求出目标像素分割阈值，最后利用阈值检测出SAR图像中的高灰度值目标。在目标与背景具有较高的对比度且场景简单的情况下，该方法通过检测门限能较好地从背景中分离出目标，但当杂波严重、图像信噪比低时，该方法并不适用。

近年来，基于深度学习和神经网络的方法被应用到SAR图像目标检测中，这类方法首先需要大量带标签的SAR图像来训练神经网络，但在很多情况下尤其是军事应用中，难以得到大量的训练数据集，故而存在一定局限性。同时，由于神经网络的不可解释性，当出现检测失败的情况时无法准确定位问题。

另外，阈值分割目标检测方法对SAR图像的相干斑噪声非常敏感，难以直接应用于SAR图像目标检测。

因此，急需一种新的SAR图像目标检测方法，即使在杂波严重以及低信噪比情况下，也能够实现对目标的快速准确检测，满足工作需求。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种SAR图像目标检测方法及系统，能够克服杂波以及噪声的影响，在干扰环境下检测出SAR图像中的亮目标，满足目标检测的工作需求。

为达到以上目的，本发明采取的技术方案是：

第一方面，本发明公开一种SAR图像目标检测方法，所述方法包括以下步骤：

S1、根据灰度标准差滤波方法对SAR图像进行预处理，获得灰度标准差滤波图像；

S2、根据频率调谐显著性检测算法处理所述灰度标准差滤波图像，获得显著图像；

S3、利用自适应阈值分割方法对所述显著图像进行处理，获得白色目标区域以及黑色背景区域；

S4、利用区域增长法对所述白色目标区域内的各白色像素点进行处理，获得目标区域图；其中，

所述步骤S1包括以下步骤：

S10、计算所述SAR图像的灰度积分图和灰度平方积分图；

S11、计算所述SAR图像的各局部区域灰度标准差；

S12、对各所述局部区域灰度标准差进行归一化处理，获得灰度标准差滤波图像。

在上述技术方案的基础上，所述步骤S10具体包括以下步骤：