[发明专利]基于局部显著性特征度量的舰船目标检测方法

说明书

本发明涉及一种基于局部显著性特征度量的舰船目标检测方法，包括：获取待检测的原始SAR图像，设置滑动窗口区分目标块和背景块；对待检测的原始SAR图像进行局部显著特征的差异性测量，得到增强映射C_S和经归一化处理得到C_VN；将增强映射C_S和经归一化处理得到的C_VN进行图像融合，得到最终的增强对比图；进行阈值分割得到舰船目标检测结果。本发明主要利用SAR图像中目标像素与背景像素的显著特征值的相异性来检测舰船目标，通过实验证明该发明的有效性。且本发明能够显著提高TCR，在强旁瓣和散斑噪声的情况下，具有较好的目标增强效果和背景抑制效果，能够从海杂波背景中有效地提取出目标像素，降低了虚警率。

技术领域

本发明涉及雷达遥感应用技术领域，尤其是一种基于局部显著性特征度量的舰船目标检测方法。

背景技术

合成孔径雷达SAR是一种主动式微波遥感器，能够获取高分辨率雷达图像，同时具有全天候、全天时工作的优点。高分辨合成孔径雷达SAR不仅在军事领域有广泛的应用，同时在海上交通管制和渔业管理等民用领域也大有作为。因此研究如何准确地检测出SAR图像中的舰船目标具有重要意义。

传统的基于像素级的恒虚警率(Constant False Alarm Rate,CFAR)算法是一种应用较为广泛的舰船目标检测算法，主要是从海杂波中检测出明亮的舰船目标像素点，具有恒定的虚警概率。然而，由于复杂的海杂波背景和明亮噪声点等的影响，使得传统CFAR检测器的检测准确率下降。但随着SAR图像分辨率的不断提高传统CFAR算法对目标检测仍有一定的困难。

近年来，模拟人类视觉系统(Human Visual System,HVS)来提高目标检测性能在各种检测任务中具有很大的潜力。研究者们提出了大量基于对比度度量的检测算法，通过增强目标和抑制杂波背景及噪声来实现对目标检测性能的提高。为了解决在强噪声背景下微弱或小目标检测困难的问题，有研究者提出了一种基于超像素的局部对比度测量(Superpixel-based Local Contrast Measure,SLCM)方法来实现对舰船目标的检测，该算法具有较高的检测率和较低的虚警率。又由于SAR图像中旁瓣的存在严重影响了SAR图像舰船目标的检测性能，导致大量噪声被误认为是目标，因此为解决这一问题又有研究者提出了一种快速的基于多尺度的局部对比度检测算法(Fast Multiscale Patch-basedContrast Measure,FMPCM)，该算法主要针对SAR图像中的目标特征设计了四邻域滑动窗口，大大降低了目标后向散射在距离和方位向上对背景的影响，具有较好的目标增强和背景抑制效果，且复杂度较低。

但是在SAR图像中由于天线旁瓣即来自强散射体通常以条纹形式出现在距离和方位角方向上的能量，以及明显散斑噪声等特征的存在将增加检测器的虚警率并降低杂波背景和目标像素的区分性从而降低检测性能；且SAR图像中舰船目标散射的不均匀性会造成目标检测不准确。

发明内容

本发明的目的在于提供一种能够基于SAR图像中目标与背景像素的显著性特征对比从而提高目标杂波比TCR，提高目标检测的准确性的基于局部显著性特征度量的舰船目标检测方法。

为实现上述目的，本发明采用了以下技术方案：一种基于局部显著性特征度量的舰船目标检测方法，该方法包括下列顺序的步骤：

(1)获取待检测的原始SAR图像，设置滑动窗口区分目标块和背景块；