CN115205227A - 一种基于变化检测的sar图像阴影区域检测方法 - Google Patents
一种基于变化检测的sar图像阴影区域检测方法 Download PDFInfo
- Publication number
- CN115205227A CN115205227A CN202210716410.0A CN202210716410A CN115205227A CN 115205227 A CN115205227 A CN 115205227A CN 202210716410 A CN202210716410 A CN 202210716410A CN 115205227 A CN115205227 A CN 115205227A
- Authority
- CN
- China
- Prior art keywords
- image
- test
- change detection
- sar
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000008859 change Effects 0.000 title claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000002955 isolation Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000013519 translation Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 4
- 230000002093 peripheral effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于变化检测的SAR图像阴影区域检测方法，包括：S1、输入SAR图像并将SAR图像的像素倒置生成倒置图像；S2、取倒置图像的周围部分为隔离区，设定隔离区内的中央区作为参考图像，通过平移获取设定幅数的测试图像；S3、计算测试图像对比参考图像的似然比变化检测算子作为差异，并将计算结果做像素化处理获得差异图像；S4、计算所述差异图像的相邻灰度比值；S5、将第一个满足NI＞ND条件的灰度值T作为测试阈值；S6、对所有测试图像全部完成求解得到多个测试阈值并求算术平均；S7、根据最终检测阈值对输入的SAR图像做二值化处理，并进行形态学滤波以及面积滤波操作，最终检测出图像中的阴影区域。本发明能够有效的消除场景中的均匀背景杂波并突出待测目标。
Description
技术领域
本发明涉及图像检测技术领域，更具体地说，特别涉及一种基于变化检测的SAR图像阴影区域检测方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动式微波成像传感器，相比于光学、红外等被动式传感器，可以实现全天时、全天候、对任意地域地形的感兴趣区域进行观测和侦察，且具有穿透能力，可对隐蔽在植被下的目标进行观测和侦察，在军用、民用领域得到了广泛的应用。日渐丰富的SAR图像数据使得SAR图像的解译获得了长足的发展。但由于SAR图像中存在几何畸变、相干噪声等可读性较低的问题，对SAR图像解译方法仍需进行更丰富、更细致的研究。
SAR发射电磁波对目标进行成像，对于地面上具有一定高度的目标，一部分区域会因目标遮挡使得SAR无法接收到这些区域的回波，从而在某些地面散射强度较高场景中形成较为明显的暗色部分，即阴影。通常，一幅SAR图像分成目标、背景和阴影三类。目标阴影包含了许多隐藏信息，是提取目标外形轮廓、计算目标高度等的有效手段之一，对于SAR图像的解译具有重要意义。
目前的阴影区域的检测通常采用OTSU分割或CFAR方法，但通常目标的阴影受目标本身与背景杂波的影响，存在一定的模糊现象，使得检测效果降低。变化检测通常用于检测目标或者场景在不同时段发生的变化，能够有效分析不同时间与空间下的信息差。变化检测通常需要不同时段下的差异图像进行对比，对于单时图像难以完成。
发明内容
本发明的目的在于提供一种基于变化检测的SAR图像阴影区域检测方法，以克服现有技术所存在的缺陷。
为了达到上述目的，本发明采用的技术方案如下：
一种基于变化检测的SAR图像阴影区域检测方法，包括以下步骤：
S1、输入SAR图像并将SAR图像的像素倒置生成倒置图像；
S2、取倒置图像的周围部分为隔离区，设定隔离区内的中央区作为参考图像，并按中央区尺寸为图像框，分别向预定方向进行平移，获取设定幅数的测试图像；
S3、任意选取其中一幅测试图像，计算测试图像对比参考图像的似然比变化检测算子作为差异，并将计算结果做像素化处理获得差异图像，其像素直方图的最大波峰对应的像素值为Tmax；
S4、计算所述差异图像的相邻灰度比值，并选取第一个满足相邻灰度比值小于1的点作为转折点，则所述差异图像内像素值不小于转折点像素值的像素数之和为ND；
S5、计算所述倒置图像在区间[T,255]内的像素数之和NI，将第一个满足NI＞ND条件的灰度值T作为测试阈值；
S6、选取另一幅所述测试图像并重复步骤S3～S5，直至对所有测试图像全部完成求解得到多个测试阈值，并对所有测试阈值求算术平均并倒置得到最终检测阈值；
S7、根据最终检测阈值对输入的SAR图像做二值化处理，并进行形态学滤波以及面积滤波操作，最终检测出图像中的阴影区域。
进一步地，所述步骤S2中分别向预定方向进行平移，获取设定幅数的测试图像具体为：分别向右下、右上、左下、左上四个方向进行平移，获得四幅测试图像。
进一步地，所述步骤S3中的计算测试图像对比参考图像的似然比变化检测算子的公式为：
式中，(i,j)为图像矩阵内第i行第j列的像素坐标，η表示似然比变化检测算子，将计算结果做像素化处理获得差异图像：
式中，AD为差异图像，round(·)表示向下取整。
进一步地，所述步骤S4中的计算所述差异图像的相邻灰度比值的公式为：
式中，N(i)为区间[Tmax,255]内第i个像素值存在的个数，Tmax为差异图像AD像素直方图的最大波峰所对应的像素值。
进一步地，所述步骤S7中根据最终检测阈值对输入的SAR图像做二值化处理的公式为：
式中，AOT为阴影区域二值图像。
与现有技术相比，本发明的优点在于：本发明提供的一种基于变化检测的SAR图像阴影区域检测方法，通过原始SAR图像像素倒置并做平移变换构造差异图像，平移差异图像的变化检测对图像中的微小模糊更加敏感，能够有效的消除场景中的均匀背景杂波并突出待测目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于变化检测的SAR图像阴影区域检测方法的原理框图。
图2为本发明基于变化检测的SAR图像阴影区域检测方法的流程图；
图3为通过平移变换获得参考图像与测试图像的过程示意图；
图4为较大场景SAR仿真测试图像。
图5为较大场景SAR图像的阴影区域检测结果。
图6为目标切片类SAR仿真测试图像。
图7为目标切片类SAR图像的阴影区域检测结果。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
参阅图1和图2所示，本实施例公开了一种基于变化检测的SAR图像阴影区域检测方法，包括以下步骤：
步骤S1、输入SAR图像，其像素矩阵为AO，将SAR图像的像素倒置生成倒置图像，即：
AI＝255-AO
步骤S2、取倒置图像的周围部分为隔离区，设定隔离区内的中央区作为参考图像，并按中央区尺寸为图像框，分别向预定方向进行平移，获取设定幅数的测试图像。
具体的，分别向预定方向进行平移，获取设定幅数的测试图像具体为：分别向右下、右上、左下、左上四个方向进行平移，获得四幅测试图像，如图3所示。
步骤S3、任意选取其中一幅测试图像AT，计算测试图像对比参考图像的似然比变化检测算子作为差异，即：
式中，(i,j)为图像矩阵内第i行第j列的像素坐标，η表示似然比变化检测算子。
并将计算结果做像素化处理获得差异图像，公式如下，其像素直方图的最大波峰对应的像素值为Tmax；
式中，AD为差异图像，round(·)表示向下取整。
步骤S4、计算所述差异图像的相邻灰度比值S(i)，公式为：
式中，N(i)为区间[Tmax,255]内第i个像素值存在的个数，Tmax为差异图像AD像素直方图的最大波峰所对应的像素值。
选取第一个满足相邻灰度比值小于1(即S(i)＜1)的点作为转折点，则差异图像内像素值不小于转折点(即转折点右侧)像素值的区域为震荡区，其像素数之和为ND。
步骤S5、计算倒置图像AI在区间[T,255]内的像素数之和NI，将第一个满足NI＞ND条件的灰度值T作为测试阈值。
步骤S6、选取另一幅所述测试图像并重复步骤S3～S5，直至对所有测试图像全部完成求解得到多个测试阈值，本实施例为得到四个测试阈值Tm，m＝1,2,3,4，并对所有测试阈值求算术平均并倒置得到最终检测阈值Ts，公式如下：
步骤S7、根据最终检测阈值对输入的SAR图像做二值化处理，即：
式中，AOT为阴影区域二值图像。
并进行形态学滤波以及面积等滤波操作，最终检测出SAR图像中的阴影区域。
本发明通过仿真测试验证了其对于SAR图像中阴影区域的检测具有较好的效果。如图4所示为某较大场景的SAR图像，将其作为输入图像对本发明进行测试，其测试结果如图5所示。如图6所示为某几类目标切片的SAR图像，其测试结果如图7所示。通过仿真可以看出，本发明能够有效提取出SAR图像内的阴影区域，且对于大场景图形与目标切片图像均有较好的效果。
虽然结合附图描述了本发明的实施方式，但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改，只要不超过本发明的权利要求所描述的保护范围，都应当在本发明的保护范围之内。
Claims (5)
1.一种基于变化检测的SAR图像阴影区域检测方法，其特征在于，包括以下步骤：
S1、输入SAR图像并将SAR图像的像素倒置生成倒置图像；
S2、取倒置图像的周围部分为隔离区，设定隔离区内的中央区作为参考图像，并按中央区尺寸为图像框，分别向预定方向进行平移，获取设定幅数的测试图像；
S3、任意选取其中一幅测试图像，计算测试图像对比参考图像的似然比变化检测算子作为差异，并将计算结果做像素化处理获得差异图像，其像素直方图的最大波峰对应的像素值为Tmax；
S4、计算所述差异图像的相邻灰度比值，并选取第一个满足相邻灰度比值小于1的点作为转折点，则所述差异图像内像素值不小于转折点像素值的像素数之和为ND；
S5、计算所述倒置图像在区间[T,255]内的像素数之和NI，将第一个满足NI＞ND条件的灰度值T作为测试阈值；
S6、选取另一幅所述测试图像并重复步骤S3～S5，直至对所有测试图像全部完成求解得到多个测试阈值，并对所有测试阈值求算术平均并倒置得到最终检测阈值；
S7、根据最终检测阈值对输入的SAR图像做二值化处理，并进行形态学滤波以及面积滤波操作，最终检测出图像中的阴影区域。
2.根据权利要求1所述的基于变化检测的SAR图像阴影区域检测方法，其特征在于，所述步骤S2中分别向预定方向进行平移，获取设定幅数的测试图像具体为：分别向右下、右上、左下、左上四个方向进行平移，获得四幅测试图像。
3.根据权利要求1所述的基于变化检测的SAR图像阴影区域检测方法，其特征在于，所述步骤S3中的计算测试图像对比参考图像的似然比变化检测算子的公式为：
式中，(i,j)为图像矩阵内第i行第j列的像素坐标，η表示似然比变化检测算子，将计算结果做像素化处理获得差异图像：
式中，AD为差异图像，round(·)表示向下取整。
4.根据权利要求1所述的基于变化检测的SAR图像阴影区域检测方法，其特征在于，所述步骤S4中的计算所述差异图像的相邻灰度比值的公式为：
式中，N(i)为区间[Tmax,255]内第i个像素值存在的个数，Tmax为差异图像AD像素直方图的最大波峰所对应的像素值。
5.根据权利要求1所述的基于变化检测的SAR图像阴影区域检测方法，其特征在于，所述步骤S7中根据最终检测阈值对输入的SAR图像做二值化处理的公式为：
式中，AOT为阴影区域二值图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210716410.0A CN115205227A (zh) | 2022-06-22 | 2022-06-22 | 一种基于变化检测的sar图像阴影区域检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210716410.0A CN115205227A (zh) | 2022-06-22 | 2022-06-22 | 一种基于变化检测的sar图像阴影区域检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115205227A true CN115205227A (zh) | 2022-10-18 |
Family
ID=83577843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210716410.0A Pending CN115205227A (zh) | 2022-06-22 | 2022-06-22 | 一种基于变化检测的sar图像阴影区域检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115205227A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117036341A (zh) * | 2023-10-07 | 2023-11-10 | 青岛奥维特智能科技有限公司 | 一种基于图像处理的路面裂缝检测方法 |
-
2022
- 2022-06-22 CN CN202210716410.0A patent/CN115205227A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117036341A (zh) * | 2023-10-07 | 2023-11-10 | 青岛奥维特智能科技有限公司 | 一种基于图像处理的路面裂缝检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516561B (zh) | 基于dcgan和cnn的sar图像目标识别方法 | |
| Nasiri et al. | Infrared small target enhancement based on variance difference | |
| CN110109060B (zh) | 一种基于深度学习网络的雷达辐射源信号分选方法及系统 | |
| CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
| CN113536963B (zh) | 基于轻量化yolo网络的sar图像飞机目标检测方法 | |
| Xiao et al. | Development of a CNN edge detection model of noised X-ray images for enhanced performance of non-destructive testing | |
| CN113674308B (zh) | 基于图像增强与多重检测的sar图像舰船目标快速检测方法 | |
| CN103500453A (zh) | 基于伽玛分布和邻域信息的sar图像显著性区域检测方法 | |
| Lei et al. | Infrared pedestrian segmentation algorithm based on the two-dimensional Kaniadakis entropy thresholding | |
| CN113192059A (zh) | 一种红外遥感图像在轨舰船检测方法 | |
| CN114677525B (zh) | 一种基于二值图像处理的边缘检测方法 | |
| CN113436218A (zh) | 基于高斯滤波与均值滤波的sar图像边缘检测方法 | |
| CN112435249A (zh) | 一种基于周扫红外搜索系统的动态小目标检测方法 | |
| CN115205227A (zh) | 一种基于变化检测的sar图像阴影区域检测方法 | |
| CN113962968B (zh) | 面向复杂电磁环境下多源混合干扰雷达图像目标检测系统 | |
| Wu et al. | Image Edge Detection Based on Sobel with Morphology | |
| CN113822279A (zh) | 基于多特征融合的红外目标检测方法、装置、设备及介质 | |
| CN104200229B (zh) | 一种结合稀疏特征选择的sar目标鉴别方法 | |
| Gao et al. | Fast two‐dimensional subset censored CFAR method for multiple objects detection from acoustic image | |
| CN111783656A (zh) | 一种基于统计特性预分割的自适应红外小目标检测方法 | |
| PL | A study on various image processing techniques | |
| JPH06259548A (ja) | 実時間連結性アルゴリズムシステム | |
| Salazar Colores et al. | Statistical multidirectional line dark channel for single‐image dehazing | |
| Vyshnevyi | Two–Stage Segmentation of SAR Images Distorted by Additive Noise with Uncorrelated Samples | |
| CN118521777B (zh) | 基于点扩散函数拟合的红外弱小目标检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |