CN113256720A - 一种同时检测sar图像船只及其尾迹的方法 - Google Patents

Abstract

本发明公开了一种同时检测SAR图像船只及其尾迹的方法，包括：对原始SAR图像进行预处理，增强尾迹边缘特征；对预处理后图像利用Itti视觉注意模型生成图像的亮度显著图；对亮度显著图进行二值化处理，对二值化图像进行形态学处理筛选船只及尾迹特征，滤除稀疏离散的像素点，得到的连通区域为船只与尾迹的检测结果；对每个连通区域做外接矩形，将矩形框标注在原始SAR图像上，得到船只与尾迹的标注结果。本发明提供的方法通过对SAR图像进行Itti亮度特征显著性提取，利用视觉显著性从SAR图像中判断像素或区域引起视觉注意的能力，增强了船只及其尾迹的特征，提高了检测概率同时降低了虚警概率，能够同时检测船只及其尾迹，并能够适应非直线尾迹特征情况。

Description

一种同时检测SAR图像船只及其尾迹的方法

技术领域

本发明涉及合成孔径雷达（SAR）图像船只及其尾迹特征检测领域，尤其涉及一种同时检测SAR图像船只及其尾迹的方法，本发明适用于飞机和卫星等飞行平台上搭载SAR系统获取的图像。

背景技术

SAR是一种具备全天时全天候工作能力的高分辨率微波成像雷达，搭载于飞机和卫星等平台，广泛应用于军事和民用领域。SAR在海洋应用中，可以观测到船只、船只尾迹及海浪、锋面、内波等海洋现象。利用SAR图像对船只进行检测能够获取船只的位置及尺寸信息，对船只尾迹进行检测能够获取船只的航速及航向等参数。开展SAR图像船只及尾迹检测的研究，在监视海运交通、维护海洋权益、提高海防预警能力等方面具有广阔应用前景。

然而，传统检测方法存在以下问题：一是单独针对船只检测或船只尾迹检测，获取的船只信息与参数不全面；二是船只尾迹检测主要针对直线尾迹特征，不适应非直线特征尾迹情况；三是海洋现象复杂或海况高条件下存在检测概率低、虚警概率高的情况。因此，利用SAR图像高性能高适应性同时检测船只及其尾迹是一项亟待解决的重要技术问题。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种同时检测SAR图像船只及其尾迹的方法，通过对SAR图像进行Itti亮度特征显著性提取，利用视觉显著性从SAR图像中判断像素或区域引起视觉注意的能力，增强了船只及其尾迹的特征，提高了检测概率同时降低了虚警概率，能够同时检测船只及其尾迹，并能够适应非直线尾迹特征情况。

一种同时检测SAR图像船只及其尾迹的方法，包括以下步骤：

步骤1：对原始SAR图像进行预处理，包括双边滤波，用于增强尾迹边缘特征，得到预处理后图像；

步骤2：对预处理后图像利用Itti视觉注意模型生成图像的亮度显著图；

步骤3：对亮度显著图进行二值化处理，对二值化图像进行形态学处理筛选船只及尾迹特征，滤除稀疏离散的像素点，得到的连通区域为船只与尾迹的检测结果；

步骤4：对每个连通区域做外接矩形，将矩形框标注在原始SAR图像上，得到船只与尾迹的标注结果。

在所述步骤1中，所述双边滤波用于增强原始SAR图像中尾迹边缘特征，滤波器表达式为：

其中

G _σs 为距离高斯核函数，G _σc 为像素高斯核函数，σ _s 为距离高斯核函数的标准差，σ _c 为像素高斯核函数的标准差，S为滤波窗口，p，q为滤波窗口中各像素点对应的坐标，I _p，I _q为像素点对应的像素值。

在所述步骤2中，所述Itti视觉注意模型生成图像的亮度显著图，包括高斯金字塔多尺度模型建立、亮度特征图提取、中央周边差及归一化处理、亮度显著图生成步骤。

所述高斯金字塔多尺度模型建立，采用九层高斯金字塔结构实现图像的多尺度表示，高斯金字塔的建立包含采样和平滑两步；设一幅图像I大小为2 ^M x 2 ^N ，用I ^(K) 表示金字塔的第K层，大小为2 ⁱ x 2 ^j ，0≤i≤M，0≤j≤N，第一层为I ⁽⁰⁾ =2 ^M x 2 ^N =I，则第K+1层为：

式中，w(m,n)表示采样核函数。

所述亮度特征图提取，亮度特征图表示为：

式中，R(t)、G(t)和B(t)分别为金字塔第t层(t=0,1,2,…8)图像的红、绿、蓝三种颜色通道，输入图像为灰度图像时R(t)=G(t)=B(t)。

所述中央周边差及归一化处理，Itti模型采用中央-周边差算子对金字塔结构中的亮度特征图进行处理，得到亮度特征的初始显著图；

式中，c表示中央层，且c∈{2,3,4}，s表示周边层，且s=c+ k, k∈{3,4}，Θ表示中央-周边差操作，即将c层的特征图向下插值到s层的尺寸，然后作差，最后将特征图归一化至[0, 255]上，用N（·）表示。

所述亮度显著图生成，将亮度特征的初始显著图跨尺度相加，得到亮度显著图；

式中，⊕表示跨尺度相加。

在所述步骤3中，所述形态学处理包括连通域筛选和膨胀腐蚀操作，首先对二值化图像进行连通域筛选处理，滤除稀疏离散的像素点，然后对保留的连通域进行膨胀腐蚀处理，得到船只与尾迹的检测结果。

本发明的有益效果：

本发明提供的方法通过对SAR图像进行Itti亮度特征显著性提取，利用视觉显著性从SAR图像中判断像素或区域引起视觉注意的能力，增强了船只及其尾迹的特征，提高了检测概率同时降低了虚警概率，能够同时检测船只及其尾迹，并能够适应非直线尾迹特征情况。

附图说明

图1是本发明提供的一种同时检测SAR图像船只及其尾迹的方法流程图。

图2是本发明提供的带有船只及其尾迹特征的原始SAR图像用例。

图3是双边滤波处理后得到的预处理后图像。

图4是利用Itti视觉注意模型生成图像的亮度显著图的方法流程图。

图5是利用Itti视觉注意模型生成图像的亮度显著图。

图6是二值化处理和形态学处理后得到的船只与尾迹的检测结果。

图7是对连通区域做外接矩形框选得到的船只与尾迹的标注结果。

具体实施方式

下面将结合附图和具体实施方式，对本发明的技术方案作详细说明，应理解这些实施方式仅用于说明本发明而不用于限制本发明的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。

本发明的目的是提供一种同时检测SAR图像船只及其尾迹的方法，通过对SAR图像进行Itti亮度特征显著性提取，利用视觉显著性从SAR图像中判断像素或区域引起视觉注意的能力，增强了船只及其尾迹的特征，提高了检测概率同时降低了虚警概率，能够同时检测船只及其尾迹，并能够适应非直线尾迹特征情况。

为实现上述目的，本发明实施例提供了一种同时检测SAR图像船只及其尾迹的方法，其基本流程如图1所示，包括：

步骤1：对原始SAR图像进行预处理，主要包括双边滤波，用于增强尾迹边缘特征，得到预处理后图像；

步骤2：对预处理后图像利用Itti视觉注意模型生成图像的亮度显著图；

步骤3：对亮度显著图进行二值化处理，对二值化图像进行形态学处理筛选船只及尾迹特征，滤除稀疏离散的像素点，得到的连通区域为船只与尾迹的检测结果；

步骤4：对每个连通区域做外接矩形，将矩形框标注在原始SAR图像上，得到船只与尾迹的标注结果。

本发明提供的带有船只及其尾迹特征的原始SAR图像用例如图2所示，图中有4只船及其尾迹。

在一实施例中，步骤1中所述双边滤波用于增强原始SAR图像中尾迹边缘特征，同时考虑空域信息和灰度相似性，对图像的边缘信息更为敏感，从而达到保边去噪的目的。其滤波器表达式为：

其中

G _σs 为距离高斯核函数，G _σc 为像素高斯核函数，σ _s 为距离高斯核函数的标准差，σ _c 为像素高斯核函数的标准差，S为滤波窗口，p，q为滤波窗口中各像素点对应的坐标，I _p，I _q为像素点对应的像素值。

经步骤1对原始SAR图像双边滤波处理后得到的预处理后图像如图3所示。

在一实施例中，步骤2中所述Itti视觉注意模型生成图像的亮度显著图，包括高斯金字塔多尺度模型建立、亮度特征图提取、中央周边差及归一化处理、亮度显著图生成步骤，流程如图4所示。

所述高斯金字塔多尺度模型建立，采用九层高斯金字塔结构实现图像的多尺度表示，高斯金字塔的建立包含采样和平滑两步。设一幅图像I大小为2 ^M x 2 ^N ，用I ^(K) 表示金字塔的第K层，大小为2 ⁱ x 2 ^j ，0≤i≤M，0≤j≤N，第一层为I ⁽⁰⁾ =2 ^M x 2 ^N =I，则第K+1层为：

式中，w(m,n)表示采样核函数。Itti模型中w(m,n)为高斯核函数，其滤波器模板为：

在Itti模型中先对图像进行下采样，然后用高斯滤波器对下采样后的图像进行滤波，这样对图像进行了平滑处理，在金字塔各层子图像中只保留了显著性较高的特征。

所述亮度特征图提取，亮度特征图表示为：

式中，R(t)、G(t)和B(t)分别为金字塔第t层(t=0,1,2,…8)图像的红、绿、蓝三种颜色通道，输入图像为灰度图像时R(t)=G(t)=B(t)。

所述中央周边差及归一化处理，中央周边差是视觉注意机制处理的重要策略，人类的视觉特征是对中央与周边的对比显现更多的关注，不同尺度下的图像有不同的特点，Itti模型采用中央-周边差算子对金字塔结构中的亮度特征图进行处理，得到亮度特征的初始显著图。

式中，c表示中央层，且c∈{2,3,4}，s表示周边层，且s=c+ k, k∈{3,4}，Θ表示中央-周边差操作，即将c层的特征图向下插值到s层的尺寸，然后作差，最后将特征图归一化至[0, 255]上，用N（·）表示。

所述亮度显著图生成，将亮度特征的初始显著图跨尺度相加，得到亮度显著图。

式中，⊕表示跨尺度相加，例如将所有尺度空间都插值到第4层尺度空间上并进行相加。

经步骤2对预处理后图像利用Itti视觉注意模型生成图像的亮度显著图如图5所示。

在一实施例中，步骤3中所述形态学处理包括连通域筛选和膨胀腐蚀操作。首先对二值化图像进行连通域筛选处理，如通过面积或周长对连通域进行筛选，滤除稀疏离散的像素点。然后对保留的连通域进行膨胀腐蚀处理，如闭运算，即先膨胀后腐蚀，得到船只与尾迹的检测结果，如图6所示。

经步骤4对连通区域做外接矩形框选得到的船只与尾迹的标注结果如图7所示。

以上所述仅为本发明的几个实施方式，虽然本发明所披露的实施方式如上，但所述内容只是为了便于理解本发明的技术方案而采用的实施方式，并非用于限定本发明。任何本发明所属技术领域的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施方式的形式上及细节上作任何的修改与变化，但本发明的权利保护范围，仍须以所附权利要求书所界定的范围为准。

Claims (8)

1.一种同时检测SAR图像船只及其尾迹的方法，其特征在于，包括以下步骤：

步骤1：对原始SAR图像进行预处理，包括双边滤波，用于增强尾迹边缘特征，得到预处理后图像；

步骤2：对预处理后图像利用Itti视觉注意模型生成图像的亮度显著图；

步骤3：对亮度显著图进行二值化处理，对二值化图像进行形态学处理筛选船只及尾迹特征，滤除稀疏离散的像素点，得到的连通区域为船只与尾迹的检测结果；

步骤4：对每个连通区域做外接矩形，将矩形框标注在原始SAR图像上，得到船只与尾迹的标注结果。

2.根据权利要求1所述的方法，其特征在于，在所述步骤1中，所述双边滤波用于增强原始SAR图像中尾迹边缘特征，滤波器表达式为：

其中

G _σs 为距离高斯核函数，G _σc 为像素高斯核函数，σ _s 为距离高斯核函数的标准差，σ _c 为像素高斯核函数的标准差，S为滤波窗口，p，q为滤波窗口中各像素点对应的坐标，I _p，I _q为像素点对应的像素值。

3.根据权利要求1所述的方法，其特征在于，在所述步骤2中，所述Itti视觉注意模型生成图像的亮度显著图，包括高斯金字塔多尺度模型建立、亮度特征图提取、中央周边差及归一化处理、亮度显著图生成步骤。

4.根据权利要求3所述的方法，其特征在于，所述高斯金字塔多尺度模型建立，采用九层高斯金字塔结构实现图像的多尺度表示，高斯金字塔的建立包含采样和平滑两步；设一幅图像I大小为2 ^M x 2 ^N ，用I ^(K) 表示金字塔的第K层，大小为2 ⁱ x 2 ^j ，0≤i≤M，0≤j≤N，第一层为I ⁽⁰⁾ =2 ^M x 2 ^N =I，则第K+1层为：

式中，w(m,n)表示采样核函数。

5.根据权利要求3所述的方法，其特征在于，所述亮度特征图提取，亮度特征图表示为：

式中，R(t)、G(t)和B(t)分别为金字塔第t层(t=0,1,2,…8)图像的红、绿、蓝三种颜色通道，输入图像为灰度图像时R(t)=G(t)=B(t)。

6.根据权利要求3所述的方法，其特征在于，所述中央周边差及归一化处理，Itti模型采用中央-周边差算子对金字塔结构中的亮度特征图进行处理，得到亮度特征的初始显著图；

式中，c表示中央层，且c∈{2,3,4}，s表示周边层，且s=c+ k, k∈{3,4}，Θ表示中央-周边差操作，即将c层的特征图向下插值到s层的尺寸，然后作差，最后将特征图归一化至[0, 255]上，用N（·）表示。

7.根据权利要求3所述的方法，其特征在于，所述亮度显著图生成，将亮度特征的初始显著图跨尺度相加，得到亮度显著图；

式中，⊕表示跨尺度相加。

8.根据权利要求1所述的方法，其特征在于，在所述步骤3中，所述形态学处理包括连通域筛选和膨胀腐蚀操作，首先对二值化图像进行连通域筛选处理，滤除稀疏离散的像素点，然后对保留的连通域进行膨胀腐蚀处理，得到船只与尾迹的检测结果。

Images