CN107316038B

CN107316038B - 一种sar图像舰船目标统计特征提取方法与装置

Info

Publication number: CN107316038B
Application number: CN201710384480.XA
Authority: CN
Inventors: 符立; 姚萍; 王贞松; 郑天垚
Original assignee: Institute of Computing Technology of CAS
Current assignee: Institute of Computing Technology of CAS
Priority date: 2017-05-26
Filing date: 2017-05-26
Publication date: 2020-04-28
Anticipated expiration: 2037-05-26
Also published as: CN107316038A

Abstract

本发明涉及一种SAR图像舰船目标统计特征提取方法与装置，包括：输入缓冲模块：步骤1、异步接收兴趣区图像数据；步骤2、将该兴趣区图像数据写入内部存储器；步骤3、读取该兴趣区图像数据，从外部数据总线读取运算参数，并根据该兴趣区图像数据和该运算参数，执行相应运算，生成统计特征值作为输出结果；步骤4、缓存该输出结果，并将该输出结果异步发送至外部数据总线。由此本发明能够同时计算阈值，亮度均值、亮度标准差等7个统计特征；可全自动处理ROI数据，运算操作只需要配置参数、写入数据和读取结果三个步骤；在任意级别的嵌入式可编程逻辑器件上均可适用。

Description

一种SAR图像舰船目标统计特征提取方法与装置

技术领域

本发明涉及图像目标识别技术领域，具体地说，本发明涉及一种SAR(SyntheticAperture Radar，简称SAR)图像舰船目标统计特征提取方法与装置。

背景技术

合成孔径雷达是一种高分辨率的微波侧视成像雷达，它利用距离向脉冲压缩原理及方位向合成孔径原理，实现了雷达照射区域直观的空间可视图像。合成孔径雷达除了具备遥感观测中常用的可见光和红外遥感器所具备的可进行大范围、高分辨率和快速观察的特点外，还具有全天时、全天候、穿透能力强等特点。特别是针对海洋背景的应用，由于水体的雷达反射系数很低，有利于提高舰船目标与海面背景的信噪比，因此合成孔径雷达成像在针对海面舰船目标的应用上本身就具有先天的优势，加之以合成孔径雷达成像不受光照和云层的影响，因此它逐渐成为最有发展前景的海洋观测手段之一。

伴随着合成孔径雷达技术的不断发展和分辨率不断提高，SAR图像的自动目标识别(Automatic Target Recognition,ATR)已经成为SAR图像解译领域的研究热点之一。SAR图像自动目标识别系统的目的是在无需人工干预的情况下，利用计算机对所收集的SAR数据进行自动分析，完成目标发现、定位和识别任务，进而分析判断目标所属种类。它涉及到的应用技术包括现代信号处理、模式识别、人工智能等。

美国是最早对SAR自动目标识别系统进行研究的国家。早在20世纪80年代，林肯实验室就开始进行SAR自动目标识别系统方面的研究，其最大的贡献之一就是提出了SAR自动目标识别的三级处理流程。该处理流程由于结构合理、处理效果优良，已经成为了SAR自动目标识别领域广泛认可和采用的框架。在此框架提出后，SAR自动目标识别领域绝大部分研究都是基于这个三级框架开展。图1为SAR自动目标识别三级框架的示意图，可以看出，SAR自动目标识别包括：目标检测、目标鉴别和目标分类三个步骤。第一步目标检测负责将可能出现目标的区域与背景分离，生成兴趣区(Regions of Interest，简称ROI)；第二步目标鉴别负责分析所有兴趣区中是否存在有效目标，并剔除无效目标；第三部，对有效目标进行特征分析，根据一定的规则进行分类。

决定一个ATR系统优劣的其中两个关键指标是虚警概率和漏警概率。由于噪声总是客观存在的，当噪声信号的幅度超过检测门限时，雷达(或其他检测系统)就会被误认为发现目标，这种错误称为"虚警"，它的发生概率称为虚警概率(False Alarm Probability，简称FA)。由于噪声的干扰，目标的回波信号幅度可能低于检测门限，会被误判为没有目标，这种错误称为"漏警"，它的发生概率称为漏警概率(Miss Alarm Probability，简称MA)。为保证系统的MA足够低，往往在第一步的目标检测时会使用一个比较低的检测门限，因此其生成的兴趣区的FA会很高。第二步鉴别的主要任务是鉴别ROI中是否包含有效目标，保证系统的FA在预期范围内。

目标鉴别的主要手段是ROI内各类统计特征的提取和分析，单就SAR图像而言亮度和几何分布特征是目标鉴别过程的主要参考依据。目标鉴别过程涉及对大量图像数据的复杂演算，在地面处理中一般使用大型机群进行并行处理。目前SAR自动目标识别领域的一个主要趋势就是逐渐尝试在星载SAR环境中完成自动目标识别的任务，从而达到真正意义上的大范围实时自动目标识别。然而，太空工作环境对处理系统体积、重量、功耗等方面均有较大的限制，现有地面处理系统构架无法满足需要，因此当前迫切需要一种能够以较低的复杂度实现SAR图像目标快速检测的解决方案，以适应太空工作环境对处理系统的各种限制。

发明内容

为了解决上述技术问题，本发明目的在于克服现有技术的不足，针对星载SAR目标识别的需要提供一种基于嵌入式可编程逻辑的具有封装性的可快速提取多种目标特征的运算模块(后简称：特征提取模块)。

具体来说本发明提供了一种SAR图像舰船目标统计特征提取装置，其中包括：

输入缓冲模块：用于异步接收SAR识别的舰船目标兴趣区图像数据；

内部存储器：用于存储该兴趣区图像数据；

内部存储接口模块：用于将该兴趣区图像数据写入该内部存储器；

运算模块：由基本逻辑资源构成，用于从该内部存储器中读取该兴趣区图像数据，从外部数据总线读取运算参数，并根据该兴趣区图像数据和该运算参数，执行相应运算，生成统计特征值作为输出结果；

输出缓冲模块：用于缓存该输出结果，并将该输出结果异步发送至外部数据总线；

存储控制模块：用于控制除该存储控制模块外所有模块间的数据读写操作；

系统状态机：用于控制该SAR图像舰船目标统计特征提取装置内部的状态转换，并将该状态发送至外部数据总线。

该SAR图像舰船目标统计特征提取装置，其中该兴趣区图像数据包括以下数据内容：

兴趣区边长、兴趣区内目标投影面积期望值、输出结果字节数、兴趣区总像素数。

该SAR图像舰船目标统计特征提取装置，其中该运算模块包括：

亮度均值模块：用于根据该兴趣区内目标投影面积期望值、该兴趣区总像素数和兴趣区边长计算兴趣区图像散射强度的算数平均值，作为亮度均值；

亮度阈值模块：首先通过寄存器组统计兴趣区图像的亮度直方图，而后从存储最高亮度统计值的寄存器单元开始向低亮度单元逐一累加，直到累加和大于等于兴趣区内目标投影面积期望值，此时截至位置对应的亮度值作为兴趣区图像的亮度阈值；

亮度标准差模块：用于根据该亮度均值、该兴趣区总像素数和兴趣区边长计算亮度标准差；

能量填充比模块：用于根据兴趣区内各像素的亮度值、兴趣区边长和兴趣区内目标二值图计算能量填充比；

几何中心模块：用于分别计算目标像素横、纵坐标的算术平均值，并将横、纵坐标的该算术平均值组合，作为几何中心；

距离均值模块：用于计算所有目标点到该几何中心点的距离之和，之后获得距离的算术平均值作为距离均值；

距离标准差模块：用于根据该距离均值、兴趣区边长和兴趣区内目标二值图计算距离标准差；

其中该距离标准差、该距离均值、该几何中心、该能量填充比、该亮度标准差、该亮度阈值和该亮度均值共同组成该统计特征值。

该SAR图像舰船目标统计特征提取装置，其中该运算模块从外部数据总线读取的运算参数包括，兴趣区图像左上角的坐标以及该兴趣区图像数据内各数据内容的索引号。

该SAR图像舰船目标统计特征提取装置，其中系统状态机中该状态包括：复位、初始化、空闲、计算和完成。

本发明还提供了一种SAR图像舰船目标统计的特征提取方法，其中包括：

步骤1、异步接收兴趣区图像数据；

步骤2、将该兴趣区图像数据写入内部存储器；

步骤3、读取该兴趣区图像数据，从外部数据总线读取运算参数，并根据该兴趣区图像数据和该运算参数，执行相应运算，生成统计特征值作为输出结果；

步骤4、缓存该输出结果，并将该输出结果异步发送至外部数据总线；

该SAR图像舰船目标统计的特征提取方法，其中该兴趣区图像数据包括以下数据内容：

该SAR图像舰船目标统计的特征提取方法，其中该步骤3包括：

步骤31、根据该兴趣区内目标投影面积期望值、该兴趣区总像素数和兴趣区边长计算兴趣区图像散射强度的算数平均值，作为亮度均值；

步骤32、首先通过寄存器组统计兴趣区图像的亮度直方图，之后从存储最高亮度统计值的寄存器单元开始向低亮度单元逐一累加，直到累加和大于等于兴趣区内目标投影面积期望值，此时截至位置对应的亮度值作为兴趣区图像的亮度阈值；

步骤33、根据该亮度均值、该兴趣区总像素数和兴趣区边长计算亮度标准差；

步骤34、根据兴趣区内各像素的亮度值、兴趣区边长和兴趣区内目标二值图计算能量填充比；

步骤35、分别计算目标像素横、纵坐标的算术平均值，并将横、纵坐标的该算术平均值组合，作为几何中心；

步骤36、计算所有目标点到该几何中心点的距离之和，之后获得距离的算术平均值作为距离均值；

步骤37、根据该距离均值、兴趣区边长和兴趣区内目标二值图计算距离标准差；

该SAR图像舰船目标统计的特征提取方法，其中该步骤2从外部数据总线读取的运算参数包括，兴趣区图像左上角的坐标以及该兴趣区图像数据内各数据内容的索引号。

该SAR图像舰船目标统计的特征提取方法，其中该步骤4还包括将运行状态发送至外部数据总线，机中该运行状态包括：复位、初始化、空闲、计算和完成。

与现有技术相比，本发明具有下列技术效果：

1、本发明能够同时计算阈值，亮度均值、亮度标准差、能量填充比、几何中心坐标、平均距离、距离标准差7个统计特征；

2、本发明具有封装性，其内部复杂的计算过程不需要外部指令或程序参与控制，可以全自动处理ROI数据，运算操作只需要配置参数、写入数据和读取结果三个步骤；

3、本发明针对星载应用进行了针对性改进，所有功能都由基本逻辑资源(包括：寄存器，累加器，乘法器等)实现，不依赖任何特殊运算资源的调用(例如：CPU硬核、DSP硬核、Cordic等等)，因此在任意级别的嵌入式可编程逻辑器件上均可适用。

附图说明

图1为SAR自动目标识别三级框架的示意图；

图2为特征提取模块的外接口框图；

图3为特征提取模块的数据输入输出时序图；

图4为特征提取模块参数接口的写入时序图；

图5为特征提取模块内部存储器的接口时序图；

图6为特征提取模块的总体结构框图；

图7为特征提取模块的运算流程图；

图8为特征提取模块的主状态机示意图。

具体实施方式

本发明为SAR图像舰船目标统计特征提取模块，针对的是如图1中所示的目标鉴别步骤，该模块可根据目标检测步骤生成的ROI数据计算阈值、亮度均值、亮度标准差、能量填充比、几何中心坐标、平均距离、距离标准差这7个统计特征，并且该模块适合在嵌入式系统中的集成应用。本发明可进一步推进SAR图像分析设备的小型化，有利于相关应用在航空航天方面的推广。

图2为特征提取模块的外部接口框图，其具体描述如表1所示。

表1：接口信号描述

外部接口按功能可分为四组分别是系统控制接口、数据接口、参数接口和内部存储接口。

系统控制接口包含clk、ex_clk、rst和sys_state四组信号。特征提取模块是一个异步模块，与外部数据交互采用接口时钟ex_clk，该时钟的频率取决于外部数据的速率。而模块的内部运行时钟clk，该时钟是特征提取模块的主时钟，特征提取模块内部的所有逻辑单元都以该时钟clk为参考，为了达到更高的性能和更快的运算速度，clk可以选择远远高于ex_clk的频率。rst是特征提取模块的复位信号，高有效，当复位信号有效时，特征提取模块内所有寄存器的值都会被清零，并保持到复位信号变为低电平。sys_state为特征提取模块的状态标志信号，外部总线根据sys_state的状态进行读写和配置操作，sys_state的具体细节在系统状态机部分描述。

数据接口负责数据的输入和输出，包含两组信号，sys_w64和sys_wen负责把外部数据总线上的数据写入到特征提取模块内部，该信号后面接输入FIFO的输入端；sys_r64和sys_ren外部数据总线通过这两组信号读取特征提取模块的计算结果，该信号与FIFO的输出端相连；sys_wen和sys_ren均为高有效，其控制时序与FPAG例化的标准异步FIFO接口时序一致，图3为本实现的数据接口时序图，具体到特定器件请查阅对应的数据手册。

参数接口由外部逻辑控制，用于向特征提取模块中的相应参数寄存器写入模块运算和控制所用的参数，参数接口由两组信号组成。

参数接口的其中一组信号为roi_x_org、roi_y_org，这两个信号是当前特征提取模块处理的ROI图像左上角的坐标，运算模块用这两个参数将计算得到的ROI内部坐标转换为全局坐标，这两个信号与sys_wen上升沿同时建立并且一直锁存至下一个sys_wen上升沿。

参数接口的另一组信号是arg、arg_V和arg_en，这组信号负责将表2内输入数据的顺序，即表2内各输入数据的索引号写入特征提取模块内对应的参数寄存器，其时序如图4所示。

表2：输入数据列表

下面对表2内的输入数据做一个简要说明。

“RoiSize”“RoiHighLight”“Roi_sum”主要由运算模块使用，其中RoiSize是ROI图像边长的像素数，主要参与距离相关的计算；RoiHighLight是ROI内用于分离背景的比例因子，参与ROI内亮度阈值的计算；Roi_sum是ROI内总像素数，主要作为计算统计平均数的分母，另一方面Roi_sum也参与数据接口输入和输出时的计数控制。

“Result”代表特征提取模块输出计算结果的字节数，由系统状态机使用。在外部总线通过数据接口读取运算结果的同时，特征提取模块会对输出的结果数据进行计数，当计数值达到Result所标定的数量时，特征提取模块认为结果输出已经完成，从而触发系统状态机翻转到下一状态。特征提取模块的标准结果输出，除包含表3内说明的20项结果以外还会紧随输出当前ROI的图像数据，因此一个完整结果输出的Result数值是160bytes加Roi_sum个字节。输出的ROI图像数据主要用于测试阶段的结果分析，实际配置使用时可根据需要选择是否要包含ROI图像数据，如果不需要取回ROI图像数据，则Result值设为160即可，这样特征提取模块就不会输出ROI图像数据了。

内部存储接口是负责读写特征提取模块的本地存储器的，由于运算模块需要多次调用ROI图像数据，包括兴趣区边长、兴趣区内背景点的个数、输出的结果的字节数、兴趣区总像素数等，如果每次都从外部数据总线读取，外部数据总线的开销会很大，不利于多个特征提取模块并行计算，因此特征提取模块计算各特征值所用的ROI图像数据会一次性的缓存在模块的独立内部存储器上。本实现采用FPGA测试板上的DPRAM(双端口存储器)进行实现，其控制时序如图5所示。如果要连接其它类型的存储器如：SDRAM，PDRAM，DDR等，需要在现有内部存储接口的基础上附加控制逻辑来驱动，具体实现需要根据实际硬件规格进行定制。

图6为本发明的一个实施例的拓扑层结构框图。特征提取模块内部按照功能划分主要有六大部分，包括输入缓冲(FIFO)模块、输出缓冲(FIFO)模块、存储控制模块、内部存储接口模块、运算模块和系统状态机。

输入缓冲模块(简称输入FIFO)和输出缓冲模块(简称输出FIFO)是由Xilinx标准的异步FIFO IP核例化而成，数据宽度64位，存储深度1024。输入FIFO和输出FIFO主要功能是完成跨时钟域的数据传输，由于特征提取模块和外部数据总线采用不同的时钟驱动(特征提取模块的内部运行时钟为clk，外部数据总线时钟为ex_clk)，因此跨时钟域的数据传输需要由异步FIFO来实现，一面方异步FIFO可以屏蔽两侧时钟相位差异，另一方面可以缓冲由于时钟频率不同造成的数据拥塞。输入FIFO负责缓存由外部数据总线发送过来的ROI图像数据，输出FIFO负责缓存结果并向外部数据总线发送数据，输入FIFO和输出FIFO均由存储控制模块控制。

存储控制模块是特征提取模块的数据流控制核心，所有内部模块间的数据读写操作均由存储控制模块负责控制。存储控制模块主要实现如下三个操作：第一，将输入FIFO从外部总线接收的ROI图像数据通过内部存储接口模块写入内部存储器；第二，通过内部存储接口模块读取内部存储器内的ROI图像数据发送给运算模块进行处理；第三，将运算模块得到的结果按照表三的顺序写入输出FIFO。

内部存储接口模块，负责与特征提取模块的内部存储器相连，由于不同的硬件板卡会搭载不同的存储器如：SRAM、PRAM、DDR、BLockRAM等等，因此无法确定一个统一的模块内部缓存接口形式。内部存储接口模块实现了一个标准的异步数据接口，其具体波形如图5所示。本实现内部存储接口模块可直接与DPRAM接口，与其它类型存储器接口时，需要在特征提取模块与存储器之间编写附加逻辑来实现。

运算模块是特征提取模块的数据流计算核心，基于基本逻辑资源，例如乘法器和累加器，用于计算7个统计特征值。运算模块在工作之前需要通过参数输入接口完成对模块内的各项参数寄存器进行配置，否则参数寄存器内会保留上一次运行的参数或者为全0。

下面分别对7个统计值的计算进行说明。

亮度均值是ROI图像散射强度的算数平均值，反应了兴趣区的能量强弱，对于SAR图像目标的亮度通常高于该平均值，特征计算公式为：

其中I(m,n)为ROI图像的矩阵表示，矩阵中每个值表示ROI图像内每个像素的亮度值，m和n分别表示ROI图像的长和宽。在特征提取模块中，m，n等于RoiSize，而m*n等于RoiSum。

亮度阈值是用来区分目标和背景的参数，当像素的亮度大于等于亮度阈值时该像素是目标，反之该像素是背景。在预先设计参数时，我们跟据感兴趣目标的基本几何尺寸换算其在当前ROI图像分辨率下的投影面积的期望值RoiHighLight，公式如下：

RoiHighLight＝A_target*K_trans

其中A_target为目标投影面积(像素数)的理论值，K_trans为理论投影面积与实际目标面积的转换系数(此参数是通过大量实验获取的经验参数，对航母约为0.8)。例如我们需要在1米分辨率图像上识别航母，当航母的长为300米宽为75米，其在一米分辨率下几何投影面积约为20000个像素，因此我们设置A_target＝20000，带入上面公式就可以求得ROI图像内目标投影面积的期望值RoiHighLight＝16000。

亮度阈值的生成分两步，第一部统计ROI图像的亮度直方图，特征提取模块当前只设计处理8bit量化的ROI图像，每个像素可显示0到255一共256个亮度阶，因此首先用一个256单元的32位寄存器组统计生成ROI图像的亮度直方图，而后从存储最高亮度255统计值的寄存器单元开始向低亮度单元逐一累加，直到累加和大于等于RoiHighLight，此时截至位置对应的亮度值作为ROI图像的亮度阈值。

亮度标准差是对ROI图像的能量起伏的统计度量，亮度标准差越大目标与背景的亮度差也就越大，亮度标准差的计算公式如下：

其中I(m,n)为ROI图像的矩阵表示，矩阵中每个值表示ROI图像内每个像素的亮度值，m和n分别表示ROI图像的长和宽，mean表示I(m,n)中像素点的亮度平均值。在特征提取模块中，m，n等于RoiSize，而m*n等于RoiSum。

能量填充比定义为ROI图像内目标的亮度和占ROI图像总亮度的百分比，能量填充比越高，代表目标与背景的亮度差越大，计算公示如下：

其中I(m,n)为ROI图像的矩阵表示，矩阵中每个值表示ROI图像内每个像素的亮度值，m和n分别表示ROI图像的长和宽。B(m,n)为ROI图像内目标的二值图，当像素为目标时标记为1，其余标记为0。在特征提取模块中，m，n等于RoiSize，而m*n等于RoiSum。

几何中心是用ROI图像内所有目标像素的横坐标和纵坐标分别求算术平均值得到的，当ROI图像内目标像素分布较为集中时，几何中心可以粗略的反应目标集中区域的位置。特征提取模块使用两个64位累加器分别计算目标像素横纵坐标的和，后用两个除法器分别求得横纵坐标的算术平均值，除法的结果只保留整数部分，因此这一部分计算会引入一定误差。横纵坐标的算术平均值组合起来就是几何中心。

距离均值计算是通过ROI图像内所有的目标像素到几何中心的平均距离来为距离标准差模块提供参数。距离均值运算模块通过一个64位累加器获得所有目标点到几何中心点的距离之和，而后用除法器获得距离的算术平均值，距离的均值只保留整数部分，因此这一部分计算会引入一定误差。需要特别说明的是，距离计算部分考虑到使用欧氏距离计算点间距运算复杂，而且还涉及开方操作，因此我们设计模块内的距离求解方式采用曼哈顿距离(Manhattan Distance)，曼哈顿距离同欧氏距离一样是一种常见的距离表示方法。

距离标准差是反应ROI图像内目标像素分布状态的指标，距离标准差越小目标像素分布的越集中，反之距离标准差越大目标像素分布的越稀疏。距离标准差的计算公式如下：

其中D(m,n)为ROI图像内像素到几何中心的曼哈顿距离，B(m,n)为ROI图像内目标的二值图，当像素为目标时标记为1，其余标记为0。式中m和n分别表示ROI图像的长和宽，Dmean是ROI图像内目标像素距离的均值。在特征提取模块中，m，n等于RoiSize。

由于计算上述7个特征值之间存在一定的依赖关系，例如，计算几何中心和能量填充比之前需要先计算阈值，并把阈值作为参数带入运算；又如，计算计算平均距离需要先计算几何中心等。经过优化运算模块计算7个统计值需要执行4步操作才能完成，当ROI图像数据全部缓存进内部存储器后，特征提取模块自动开始运算，每一步操作都要对内部存储器内的ROI图像数据进行一次遍历，具体流程如图7。跟据执行完第4步计算，即获取距离标准差后，由存储控制模块汇总所有的结果，并按照表3所示顺序写入输出FIFO。

表3：计算结果列表

系统状态机是负责控制整个特征提取模块的内部状态转换，通过响应rst信号来对内部逻辑进行复位和初始化，通过设置sys_state信号的状态来驱动外部逻辑的运行。sys_state信号由两根信号线组成数字表示3个状态，当sys_state＝0x0时表示系统忙，出于计算状态，在这一状态下特征提取模块无法响应除rst以外的信号；当sys_state＝0x1时表示系统处于空闲，这时候可以向特征提取模块写入参数和ROI图像数据；当sys_state＝0x2时表示系统处于完成状态，这时候ROI图像数据的7个特征值已经提取完毕并顺序写入输出FIFO，外部数据总想可以读取结果了。

模块的整体运行状态机如图8所示。特征提取模块一共有五个状态分别是复位、初始化、空闲、计算和完成。无论特征提取模块的当前状态，一旦rst信号被拉高，状态机随即进入复位状态，并且保持这一状态直到rst信号拉低，复位状态下sys_state值为0x0。复位状态结束后立刻进入初始化状态，初始化状态主要用于将特征提取模块中参与运算的存储资源全部置零，这个过程大约需要300个时钟周期，在这个过程中sys_state值保持为0x0。一旦初始化过程完成，特征提取模块会自动进入空闲状态，空闲状态的sys_state值为0x1，这时外部逻辑可以配置参数，并且外部数据总线可以向输入FIFO写入ROI图像数据了，一旦存储控制模块根据参数Roi_sum(表2第11个参数)判断ROI图形数据数据的写入完毕，特征提取模块自动跳转到计算状态。计算状态下sys_state值为0x0，运算模块会按照图7的流程自动处理ROI数据直到7个特征值运算完成，存储控制模块汇总结果并按表3顺序将结果写入输出FIFO，而后状态跳转到完成状态，完成状态下sys_state值为0x2，外部逻辑探测到完成状态后会通过外部数据总线将输出FIFO中的结果取走，一旦存储模块根据Result(表2第10个参数)判断输出FIFO内的结果已经取完，状态机会跳转到初始化状态，再次将特征提取模块中参与运算的存储资源全部置零，而后进入空闲状态等待下一个运算任务。

以下为与上述系统实施例对应的方法实施例，本实施方式可与上述实施方式互相配合实施。上述施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在上述实施方式中。

步骤1、异步接收SAR识别的舰船目标兴趣区图像数据；

步骤2、将该兴趣区图像数据写入内部存储器；

该SAR图像舰船目标统计的特征提取方法，其中该步骤3包括：

虽然本发明以上述实施例公开，但具体实施例仅用以解释本发明，并不用于限定本发明，任何本技术领域技术人员，在不脱离本发明的构思和范围内，可作一些的变更和完善，故本发明的权利保护范围以权利要求书为准。

Claims

1.一种SAR图像舰船目标统计特征提取装置，其特征在于，包括：

内部存储器：用于存储该兴趣区图像数据；

系统状态机：用于控制该SAR图像舰船目标统计特征提取装置内部的状态转换，并将该状态发送至外部数据总线；

其中该兴趣区图像数据包括以下数据内容：

兴趣区边长、兴趣区内目标投影面积期望值、输出结果字节数、兴趣区总像素数；

该运算模块包括：

2.如权利要求1所述的SAR图像舰船目标统计特征提取装置，其特征在于，该运算模块从外部数据总线读取的运算参数包括，兴趣区图像左上角的坐标以及该兴趣区图像数据内各数据内容的索引号。

3.如权利要求1所述的SAR图像舰船目标统计特征提取装置，其特征在于，系统状态机中该状态包括：复位、初始化、空闲、计算和完成。

4.一种SAR图像舰船目标统计的特征提取方法，其特征在于，包括：

步骤1、异步接收SAR识别的舰船目标兴趣区图像数据；

步骤2、将该兴趣区图像数据写入内部存储器；

该兴趣区图像数据包括以下数据内容：

兴趣区边长、兴趣区内目标投影面积期望值、输出结果字节数、兴趣区总像素数

该步骤3包括：

5.如权利要求4所述的SAR图像舰船目标统计的特征提取方法，其特征在于，该步骤2从外部数据总线读取的运算参数包括，兴趣区图像左上角的坐标以及该兴趣区图像数据内各数据内容的索引号。

6.如权利要求4所述的SAR图像舰船目标统计的特征提取方法，其特征在于，该步骤4还包括将运行状态发送至外部数据总线，机中该运行状态包括：复位、初始化、空闲、计算和完成。