阅读说明：本技术 一种基于密度审查的sar图像舰船目标检测加速方法 (SAR image ship target detection acceleration method based on density examination ) 是由 李刚 王学谦 刘瑜 何友 于 2021-02-05 设计创作，主要内容包括：本发明提出一种基于密度审查的SAR图像舰船目标检测加速方法,属于合成孔径雷达图像处理领域。该方法首先对SAR图像进行超像素分割；分别计算每个超像素的密度特征和密度距离特征,筛选出该SAR图像作为目标聚类中心的超像素和作为杂波聚类中心的超像素；利用最近邻分类器比较每个超像素与杂波聚类中心的差异以及该超像素与目标聚类中心的差异,删除与目标聚类中心差异更大的超像素,将最终保留的超像素作为之后舰船目标检测方法的输入。本发明通过在检测之前先行快速删除大量海杂波超像素,将保留的超像素作为舰船目标检测方法的输入并进行精细检测,显著提升现有超像素检测方法的计算速度,提高了SAR图像中舰船目标检测的运行效率。(The invention provides a density examination-based SAR image ship target detection acceleration method, and belongs to the field of synthetic aperture radar image processing. Firstly, performing superpixel segmentation on an SAR image; respectively calculating the density characteristic and the density distance characteristic of each super pixel, and screening out the super pixels of the SAR image serving as a target clustering center and the super pixels serving as a clutter clustering center; and comparing the difference between each super pixel and the clutter clustering center and the difference between the super pixel and the target clustering center by using a nearest neighbor classifier, deleting the super pixel with larger difference with the target clustering center, and taking the finally reserved super pixel as the input of a subsequent ship target detection method. According to the method, a large number of sea clutter superpixels are deleted quickly before detection, the reserved superpixels are used as the input of the ship target detection method and fine detection is carried out, the calculation speed of the existing superpixel detection method is obviously improved, and the running efficiency of ship target detection in the SAR image is improved.)

一种基于密度审查的SAR图像舰船目标检测加速方法

技术领域

本发明属于合成孔径雷达(SAR)图像处理领域，具体涉及一种基于密度审查的SAR图像舰船目标检测加速方法，可用于现有超像素舰船目标检测方法的快速实现。

背景技术

合成孔径雷达(SAR)是一种主动成像装置，可提供海面舰船目标的高分辨成像结果。相比于光学、红外等传感器，SAR成像几乎不受光照和天气的影响，是一种具备全天候、全时段工作能力的传感器。SAR图像中的舰船目标检测在军事海防、民船监视、可持续渔业等方面有着重要的应用。

近年来，众多专家学者提出了多种超像素检测方法，在SAR图像舰船目标检测中取得了良好的效果。然而，现有的超像素检测方法需要滑窗精细处理SAR图像中的每一个超像素，运行速度很慢，使得检测过程的计算效率大大降低。

发明内容

本发明的目的是为克服已有技术的不足之处，提出一种基于密度审查的SAR图像舰船目标检测加速方法。本发明通过在检测之前先行快速删除大量海杂波超像素，将保留的超像素作为之后舰船目标检测方法的输入，对保留的超像素进行精细检测，显著提升了现有超像素检测方法的计算速度，提高了SAR图像中的舰船目标检测的运行效率。

本发明提出一种基于密度审查的SAR图像舰船目标检测加速方法，其特征在于，该方法首先对SAR图像进行超像素分割；分别计算每个超像素的密度特征和密度距离特征，筛选出该SAR图像作为目标聚类中心的超像素和作为杂波聚类中心的超像素；利用最近邻分类器比较每个超像素与杂波聚类中心的差异以及该超像素与目标聚类中心的差异，删除与目标聚类中心差异更大的超像素，将最终保留的超像素作为之后舰船目标检测方法的输入。该方法包括以下步骤：

1)获取一张SAR图像，该图像像素数量为N；设置超像素尺寸S,则该图像中超像素个数为表示向上取整；设置正则化参数λ＞0；

2)超像素分割；

将超像素的尺寸S、正则化参数λ、以及SAR图像作为输入，利用简单线性迭代聚类SLIC算法获得该SAR图像中的所有超像素；

3)计算每个超像素的密度特征ρ_i：

其中，i＝1,2,…,I，i为超像素的索引；j表示图像中除了第i个像素外其他像素的索引，D_i,j＝|μ_i-μ_j|表示第i个超像素的灰度均值μ_i和第j个超像素灰度均值μ_j的绝对值差异，μ表示超像素灰度均值，表示软截断距离，α是输入的尺度因子，α∈(0,1)；

4)计算每个超像素的密度距离特征r_i：

其中，Γ_i＝{j|ρ_j＜ρ_i,j＝1,2,...,I,j≠i}表示比第i个超像素密度低的超像素的集合，表示空集；

5)分别计算SAR图像的目标聚类中心与杂波聚类中心；

首先将各密度特征ρ_i和各密度距离特征r_i分别进行归一化到区间[0,1]，得到归一化的密度特征和归一化的密度距离特征

再利用归一化的密度特征和归一化的密度距离特征寻找该图像目标聚类中心i_目标和杂波的聚类中心i_杂波：

其中，C_目标表示所有超像素中作为目标聚类中心的超像素索引，C_杂波表示所有超像素中作为杂波聚类中心的超像素索引；

6)利用最近邻分类器删除SAR图像中的杂波超像素；

对每个超像素，判定如下：

其中，表示第i个超像素与杂波聚类中心的差异；表示当前超像素与目标聚类中心的差异；表示图像中作为杂波聚类中心的超像素的密度特征值，表示图像中作为目标聚类中心的超像素的密度特征值，表示图像中作为杂波聚类中心的超像素的密度距离特征值，表示图像中作为目标聚类中心的超像素的密度距离特征值；

7)输出SAR图像中经过步骤6)后保留的超像素。

本发明的特点及有益效果：

现有的SAR图像超像素舰船目标检测方法需要精细检测图像中的每一个超像素，而精细检测每一个超像素往往需要矩阵求逆、参数迭代估计等复杂运算，导致超像素检测方法的计算运行效率较低。本发明基于SAR图像的密度特征，提出了一种基于密度审查的SAR图像舰船目标检测加速方法，在精细检测之前先快速滤除图像中大量的杂波超像素，将保留的超像素作为之后舰船目标检测方法的输入，对保留的超像素进行精细检测，显著加快了检测的运行速度，有望提升我国对舰船目标的快速响应能力。

附图说明

图1为本发明方法的整体流程图。

具体实施方式

本发明提出一种基于密度审查的SAR图像舰船目标检测加速方法，下面结合附图和具体实施例进一步详细说明如下。

本发明提出一种基于密度审查的SAR图像舰船目标检测加速方法，整体流程如图1所示，包括以下步骤：

1)获取一张SAR图像，该图像像素数量为N(例如N＝3000×3000)；设置超像素尺寸S(S可设置为舰船所占像素数量的25％，S一般取10～100，本实施例取30),则该图像中超像素个数为表示向上取整；设置正则化参数λ＞0，用于超像素分割(本实施例取参数λ＝0.4)。

2)超像素分割；

将超像素的尺寸S、正则化参数λ、以及SAR图像作为输入，根据林慧平发表在IEEEGeoscience and Remote Sensing Letters上的Ship Detection With Superpixel-LevelFisher Vector in High-Resolution SAR Images中的简单线性迭代聚类(SLIC)算法获得该SAR图像中的所有超像素。

3)计算每个超像素的密度特征ρ_i；

其中，i＝1,2,…,I，i为超像素的索引，I为SAR图像中超像素的数量；j表示图像中除了第i个像素外其他像素的索引，D_i,j＝|μ_i-μ_j|表示第i个超像素的灰度均值μ_i和第j个超像素灰度均值μ_j的绝对值差异，μ表示超像素灰度均值，表示软截断距离，是一个常数，α是输入的尺度因子，尺度因子α∈(0,1)，用于计算密度特征，这里取α＝0.3。

4)计算每个超像素的密度距离特征r_i：

其中，Γ_i＝{j|ρ_j＜ρ_i,j＝1,2,...,I,j≠i}表示比第i个超像素密度低的超像素的集合。表示空集。

5)分别计算SAR图像的目标聚类中心与杂波聚类中心。

首先将各密度特征ρ_i和各密度距离特征r_i分别进行归一化到区间[0,1]，得到归一化的密度特征和归一化的密度距离特征归一化的方式可采用以下方式：

再利用归一化的密度特征和归一化的密度距离特征寻找该图像目标聚类中心i_目标和杂波的聚类中心i_杂波：

其中，C_目标表示所有超像素中作为目标聚类中心的超像素索引，C_杂波表示所有超像素中作为杂波聚类中心的超像素索引。

6)利用最近邻分类器删除SAR图像中的杂波超像素；

对每个超像素，判定如下：

其中表示第i个超像素与杂波聚类中心的差异，表示当前超像素与目标聚类中心的差异。表示图像中作为杂波聚类中心的超像素的密度特征值，表示图像中作为目标聚类中心的超像素的密度特征值，表示图像中作为杂波聚类中心的超像素的密度距离特征值，表示图像中作为目标聚类中心的超像素的密度距离特征值。

7)输出SAR图像中经过步骤6)后保留的超像素(视为目标超像素的候选)。

本发明中，由于式(5)删除了大量的杂波超像素，后续的超像素检测方法的运行时间得到显著减少。

步骤7)中输出的保留的超像素可直接作为现有的SAR图像超像素舰船目标检测方法的输入，即，现有的SAR图像超像素舰船目标检测方法无需对SAR图像中所有的超像素进行精细检测，仅需要对少量的步骤7)中输出的保留超像素进行精细检测，大大降低了完成检测所需的时间，提升了计算运行效率。