CN109031294A - 基于相似性检验的极化sar舰船目标检测方法 - Google Patents

Abstract

本发明提供一种基于相似性检验的极化SAR舰船目标检测方法，具体包括下述步骤：第一步，基于极化矩阵进行相似性检验；第二步，统计中心像素点邻域内的相似像素点个数；第三步，确定候选舰船目标像素点；第四步，形态学滤波处理；即可得到极化SAR舰船目标检测的最终检测结果图。本发明实现简单，实施方便，检测性能高，特别是对于舰船目标密集区域检测性能也可保障。

Description

基于相似性检验的极化SAR舰船目标检测方法

技术领域

本发明属于极化SAR(SyntheticApertureRadar，合成孔径雷达)成像遥感技术领域，涉及一种基于相似性检验的极化SAR舰船目标检测方法。

背景技术

极化SAR能够全天时全天候工作，已经成为对地观测领域的重要传感器。它通过获取全极化信息，为目标散射特性的准确解译和有效利用提供支撑。

舰船目标检测是极化SAR图像解译的应用之一，在海运交通、渔船管控、近岸侦查、远洋预警等民用和军用领域都有重要意义。现有的极化SAR舰船目标检测方法主要先从获取的全极化信息中得到检测特征，再利用检测器完成对舰船目标的分离与提取。在此过程中，为提高极化SAR舰船目标的检测性能，在提取或优选检测特征时，一般通过散射机理建模和解译等手段，从全极化信息中得到舰船目标和海面背景对比度较高的检测特征。文献Jing-Lu He,Ying-Hua Wang,Hong-Wei Liu,Ning Wang,Jian Wang,“A Novel AutomaticPolSAR Ship Detection Method Based on Superpixel-Level Local Information”,IEEE Geoscience and Remote Sensing Letters,vol.15,no.13,pp.384-388,Mar.2018即利用像素块之间的相似性作为检测特征，从而进行极化SAR舰船目标检测。然而，该方法在舰船目标密集区域的检测性能较低。针对这一问题，通过探究极化SAR图像中各像素点之间的相似性，发展一种基于相似性检验的极化SAR舰船目标检测方法具有重要意义。

发明内容

本发明要解决的技术问题是，提供一种基于相似性检验的极化SAR舰船目标检测方法。本发明方法可以直接用于相干斑滤波后的极化SAR图像进行检测处理，实现简单，实施方便，检测性能高，特别是对于舰船目标密集区域。

本发明的基本思路是：考虑极化SAR图像中每个像素点与以其为中心的邻域内各像素点的相似度参数，进而确定各邻域中心像素点的SPN(Similar Pixel Number，相似像素点个数)。对于内部结构较为复杂的舰船目标，其散射特性差异较大导致相应像素点的SPN较小；而对于均匀的海杂波背景，其散射特性较为相似导致相应像素点的SPN较大。因此，极化SAR图像中的舰船目标相对于海杂波背景在SPN的取值大小方面存在明显差异，SPN可作为使舰船目标和海面背景对比度提高的检测特征。本发明基于这种由相似性检验所得的检测特征，实现对极化SAR图像的舰船目标检测处理。

本发明的技术方案是：一种基于相似性检验的极化SAR舰船目标检测方法，具体包括下述步骤：

已知极化SAR图像中的任意像素点(i,j)，其对应的极化相干矩阵或极化协方差矩阵记为X_ij，i＝1,2,…,I，j＝1,2,…,J(I为极化SAR图像的总行数，J为极化SAR图像的总列数)。在以该像素点(i,j)为中心的M×N大小的邻域内(M为邻域的行数，N为邻域的列数，两者均为奇数，且具体取值与极化SAR图像的分辨率和多视数目有关)，对极化矩阵X_ij进行下面第一步至第三步的处理：

第一步，基于极化矩阵进行相似性检验：

针对极化矩阵X_ij和其邻域内每一个像素点相应的极化矩阵X_(i+m)(j+n)，计算X_ij与X_(i+m)(j+n)之间的相似度参数lnQ_ij-_mn：

lnQ_ij-mn＝6ln2+ln|X_ij|+ln|X_(i+m)(j+n)|-2ln|X_ij+X_(i+m)(j+n)|

其中，ln·表示取自然对数，|·|表示取矩阵行列式。

由上述公式可知，当m＝n＝0时，lnQ_ij-mn＝0；否则，lnQ_ij-mn＜0。

第二步，统计中心像素点邻域内的相似像素点个数：

对像素点(i,j)与其M×N邻域内每个像素点的相似度参数，进行如下判断：

如果lnQ_ij-_mn≥Th，则认为X_ij对应的像素点与X_(i+m)(j+n)对应的像素点相似；否则，认为X_ij对应的像素点与X_(i+m)(j+n)对应的像素点不相似。其中，Th为先验参数，与极化SAR图像分辨率和目标特性有关。

对像素点(i,j)，统计其M×N邻域内与之相似的像素点个数，记为SPN_ij。

第三步，确定候选舰船目标像素点：

对像素点(i,j)对应的SPN_ij，通过门限比较，判断其是否为候选舰船目标像素点，即：

当SPN_ij＜k×M×N时，将像素点(i,j)作为候选舰船目标像素点；否则，将像素点(i,j)作为非舰船目标像素点。其中，k为门限系数，与极化SAR图像分辨率以及M和N的取值有关，且一般有k≤0.5。

通过上述三个步骤即可得到候选舰船目标图像，其大小与原极化SAR图像大小一致，通常候选舰船目标像素点的灰度值取1，非舰船目标像素点的灰度值取0。此外，对于候选舰船目标图像的边缘像素的处理采用公知方法即可。

第四步，形态学滤波处理：

采用形态学滤波处理中的开处理方法对候选舰船目标图像进行处理，得到极化SAR舰船目标检测的最终检测结果图。

这是因为在前面步骤所得候选舰船目标图像中可能会存在一些孤立的候选舰船目标像素点，它们显然不是真正的舰船目标，需要被剔除掉。

本发明可取得以下技术效果：

本发明所述的基于相似性检验的极化SAR舰船目标检测方法，利用舰船目标像素点和海杂波背景像素点对应SPN取值大小的差异，实现极化SAR舰船目标检测。具体基于相干斑滤波后的极化SAR图像，对其中任意像素点，在以其为中心的邻域内进行相似性检验，进而得到相应的SPN；再将所有的SPN通过门限比较，得到候选舰船目标图像；最后利用形态学滤波的开处理方法，得到极化SAR舰船目标检测的最终检测结果图。本发明方法可以直接用于相干斑滤波后的极化SAR图像进行检测处理，实现简单，实施方便，检测性能高，特别是对于舰船目标密集区域。

附图说明

图1是本发明实施流程图；

图2是相干斑滤波后的极化SAR图像；

图3是SPN特征图；

图4是候选舰船目标图像；

图5是极化SAR舰船目标检测的最终检测结果图。

具体实施方式

为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述。

图1为本发明实施流程图。输入为相干斑滤波后的极化SAR图像，实施过程主要由四步组成：第一步，基于极化矩阵进行相似性检验；第二步，统计中心像素点邻域内的相似像素点个数；第三步，确定候选舰船目标像素点；第四步，形态学滤波处理，最终得到极化SAR舰船目标检测的最终检测结果图。

图2至图5是利用本发明方法对某系统在中国某海域舰船目标密集区域所获得的极化SAR图像进行舰船目标检测处理的过程及结果，已知该极化SAR图像中包括55个舰船目标。

图2为相干斑滤波后的极化SAR图像。对极化SAR图像采用SimiTest算法进行相干斑滤波，即可得到相干斑滤波后极化SAR图像中任意像素点对应的极化相干矩阵或极化协方差矩阵。

图3为SPN特征图。具体地，检测过程中利用的极化矩阵为极化相干矩阵。在第一步基于极化矩阵进行相似性检验时，邻域的大小为M＝15且N＝15。在第二步统计中心像素点邻域内的相似像素点个数时，相似度参数的门限取值为Th＝-2。在图3中，每个像素点的灰度值表示SPN取值，SPN取值越大，对应的灰度值越大，即在图像中显示越“白”。

图4为候选舰船目标图像。具体地，在第三步确定候选舰船目标像素点时，SPN的门限系数取值为k＝0.5。在图4中，灰度值取1的像素点表示候选舰船目标像素点，灰度值取0的像素点表示非舰船目标像素点。从图4可以看出，其中存在一些孤立的近似舰船目标像素点(即干扰像素点)被确定为候选舰船目标像素点。

图5为极化SAR舰船目标检测的最终检测结果图。具体地，在第四步形态学滤波处理时，开处理方法中的门限设定为10，即开处理方法剔除了像素点数目小于或等于10的孤立像素块。在图5中，“白色”(灰度值取1)表示最终检测得到的舰船目标，而“黑色”(灰度值取0)则表示非舰船目标。从该检测结果图可知，在该舰船目标密集区域，全部55个舰船目标全部都被正确检测出来，不存在虚警以及漏检。

Claims (2)

1.一种基于相似性检验的极化SAR舰船目标检测方法，SAR是指合成孔径雷达，

已知极化SAR图像中的任意像素点(i,j)，其对应的极化矩阵记为X_ij，i＝1,2,…,I，j＝1,2,…,J；I为极化SAR图像的总行数，J为极化SAR图像的总列数；

其特征在于包括以下步骤：

在以该像素点(i,j)为中心的M×N大小的邻域内，M和N均为奇数，两者取值与极化SAR图像的分辨率和多视数目有关，对极化矩阵X_ij进行下面第一步至第三步的处理：

第一步，基于极化矩阵进行相似性检验：

针对像素点(i,j)的M N邻域内每一个像素点相应的极化矩阵X_(i+m)(j+n)，计算X_ij与X_(i+m)(j+n)之间的相似度参数lnQ_ij-mn：

lnQ_ij-mn＝6ln2+ln|X_ij|+ln|X_(i+m)(j+n)|-2ln|X_ij+X_(i+m)(j+n)|

其中，ln表示取自然对数，||表示取矩阵行列式；

第二步，统计中心像素点邻域内的相似像素点个数：

对像素点(i,j)与其M×N邻域内每个像素点的相似度参数，进行如下判断：

如果lnQ_ij-mn≥Th，则认为X_ij对应的像素点与X_(i+m)(j+n)对应的像素点相似；否则，认为X_ij对应的像素点与X_(i+m)(j+n)对应的像素点不相似；其中，Th为先验参数，与极化SAR图像分辨率和目标特性有关；

对像素点(i,j)，统计其M×N邻域内与之相似的像素点个数，记为SPN_ij；

第三步，确定候选舰船目标像素点：

利用像素点(i,j)对应的SPN_ij，进行下述判断：

当SPN_ij＜k×M×N时，将像素点(i,j)作为候选舰船目标像素点；否则，将像素点(i,j)作为非舰船目标像素点；其中，k为门限系数，与极化SAR图像分辨率以及M和N的取值有关；

通过上述三个步骤得到候选舰船目标图像；

第四步，形态学滤波处理：

采用形态学滤波处理中的开处理方法对候选舰船目标图像进行处理，得到极化SAR舰船目标检测的最终检测结果图。

2.根据权利要求1所述的基于相似性检验的极化SAR舰船目标检测方法，其特征在于极化矩阵为极化相干矩阵或极化协方差矩阵。