基于高斯函數(shù)擬合海雜波的sar圖像船只檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，具體涉及圖像處理、海雜波的擬合、CFAR檢測(cè) 算法?？蓱?yīng)用于漁業(yè)監(jiān)管、船只監(jiān)測(cè)等方面。
【背景技術(shù)】
[0002] 我國(guó)是一個(gè)海洋大國(guó)，管轄著300多萬平方公里的海域，海洋資源豐富，加強(qiáng)對(duì)進(jìn) 入我國(guó)管轄海域船只的監(jiān)測(cè)是維護(hù)我國(guó)海洋權(quán)益的重要手段。合成孔徑雷達(dá)（SAR)因具有 全天時(shí)、全天候、大范圍的觀測(cè)能力，而成為海洋監(jiān)測(cè)的主要手段之一 [1]?；诤ｋs波分布 概率密度函數(shù)的恒虛警率檢測(cè)方法，是迄今為止發(fā)展的最成熟的船只檢測(cè)方法，已被應(yīng)用 于很多實(shí)際的船只檢測(cè)系統(tǒng)中[2]。該方法根據(jù)海雜波的概率密度函數(shù)（PDF-Probability DistributionFunction)計(jì)算累積分布函數(shù)（CDF-CumulativeDistributionFunction)， 并結(jié)合預(yù)先設(shè)定的恒虛警率（CFAR)，自適應(yīng)地計(jì)算檢測(cè)閾值，將船只目標(biāo)從海洋背景中檢 測(cè)出來。
[0003] 該方法的核心是精確地?cái)M合SAR圖像的海雜波分布的概率密度函數(shù)。早期的海雜 波統(tǒng)計(jì)基于SAR成像相干斑模型，從相干斑的統(tǒng)計(jì)特性出發(fā)，建立了相干斑幅度服從瑞利 分布，強(qiáng)度服從負(fù)指數(shù)分布的模型[3]。隨著SAR成像分辨率的提高，圖像中不僅存在相干 斑，還存在紋理信息，Ward等證明了二者之間滿足乘性關(guān)系[4]，進(jìn)而在乘性模型框架下發(fā) 展了K分布[5] [6]、G°分布[7] [8]等模型。除了上述基于相干斑先驗(yàn)假設(shè)的海雜波統(tǒng)計(jì) 模型外，還發(fā)展了通過對(duì)真實(shí)SAR圖像數(shù)據(jù)統(tǒng)計(jì)建模實(shí)驗(yàn)的驗(yàn)證而獲得的模型，主要包括 對(duì)數(shù)正態(tài)分布[9]、韋布爾分布[10]等模型。受SAR入射角、極化方式不同，以及天氣、風(fēng) 速、海況變化等內(nèi)外因素的影響，海雜波在SAR圖像中的統(tǒng)計(jì)分布具有較大的差異，上述的 海雜波擬合方法均不能較好的適用于各種情況[11，12]。本發(fā)明基于高斯函數(shù)擬合的海雜 波建模方法提出適用于多種海況和SAR傳感器的高分辨率SAR圖像。
[0004] 參考文獻(xiàn)
[0005] [ 1 ]BruschS. ,LehnerS. ,FritzT. ,eta1.Shipsurveillance withTerraSAR-X[J].IEEETransactionsonGeoscienceandRemote Sensing, 49(3):1092-1103, 2011
[0006] [2]CrispDJ.Thestate-of-the-artinshipdetectioninsynthetic apertureradarimagery[R]?DefenceScienceAndTechnologyOrganisation Salisbury(Australia)InfoSciencesLab, 2004.
[0007] [3]OliverC,QueganS.Understandingsyntheticapertureradarimages[M]. SciTechPublishing, 2004.
[0008] [4]WardKD.Compoundrepresentationofhighresolutionseaclutter[J]. Electronicsletters,1981,17 (16):561-563.
[0009] [5]JiY,ZhangJ,MengJ,etal.AnewCFARshiptargetdetectionmethodin SARimagery[J].ActaOceanologicaSinica, 2010, 29 (1):12-16.
[0010] [6]JakemanE,PuseyPN.Amodelfornon-Rayleighseaecho[J].Antennas andPropagation,IEEETransactionson, 1976, 24(6):806-814.
[0011] [7]Frery,A.C,Muller,H.-J. ,Yanasse,C.C.F. ,etal.AModelforExtremely HeterogeneousClutter[J].IEEETransactionsOnGeoscienceAndRemote Sensing, 1997, 35(3) : 648-659.
[0012] [8]魯統(tǒng)臻，張杰，紀(jì)永剛等.基于GO分布的高海況SAR船只目標(biāo)檢測(cè)方法[J]. 海洋科學(xué)進(jìn)展，2011，29 (2) : 186-195.
[0013] [9]ff.Szajnowski.Estimatorsoflog-normaldistributionparameters[J]. IEEETrans.Aerosp.Electron.Syst. , 1977,AES-13(5):533 - 536.
[0014] [10]Tsagaris,V. ,Vozikis,G. ,etal.Shipdetectionmodulesbasedon ASARandterassardataforGreekareasofinterest[C] ?IEEE2ndInternational ConferenceonSpaceTechnology(ICST), 2011:1-4.
[0015] [11]李永晨，劉瀏.SAR圖像統(tǒng)計(jì)模型綜述[J].計(jì)算機(jī)工程與應(yīng) 用，2013, 49(13) : 180-186.
[0016] LiYongchen,LiuLiu.ReviewofstatisticalmodelsofSARimage[J]. ComputerEngineeringandApplications, 2013, 49(13):180-186.
[0017] [12]GaoG.StatisticalmodelingofSARimages:Asurvey[J]. Sensors, 2010, 10(1) : 775-795.

【發(fā)明內(nèi)容】

[0018] 本發(fā)明提供一種適合高分辨率的SAR圖像的船只檢測(cè)方法，采用n階高斯函數(shù)（n 取3, 4, 5, 6)擬合海雜波結(jié)合CFAR算法，能夠有效地檢測(cè)出檢測(cè)海域的船只。
[0019] 實(shí)現(xiàn)本發(fā)明的技術(shù)方案為：輸入SAR圖像，基于n階高斯函數(shù)擬合其海雜波分布， 根據(jù)擬合的海雜波的概率密度分布計(jì)算累積分布密度，并結(jié)合預(yù)先設(shè)定的恒虛警率，計(jì)算 檢測(cè)閾值，將船只目標(biāo)從海洋背景中分割出來。
[0020] 其具體實(shí)現(xiàn)步驟包括如下：
[0021] ①獲得SAR圖像數(shù)據(jù)值分布的概率密度函數(shù)(x)。
[0022] ②對(duì)①所述的概率密度函數(shù)進(jìn)行以k為底的對(duì)數(shù)運(yùn)算，得到f2 (X)。對(duì)k不做特別 要求，本發(fā)明推薦k= 10。
[0023] ③n階高斯函數(shù)共有3n個(gè)未知量，為了使采取的樣本足夠進(jìn)行函數(shù)擬合，擬在 f2(x)函數(shù)中均勾采樣m個(gè)數(shù)據(jù)點(diǎn)，m取遠(yuǎn)大于n的值，如m>3n，進(jìn)一步的說，m的取值范圍， m>18。采樣數(shù)據(jù)點(diǎn)的坐標(biāo)為（x^f^x))、（x2，f2(x2))、…、（xm，f2(xm))。其中， 高斯函數(shù)的參數(shù)，x為圖像的灰度值，8位SAR圖像取值范圍為[0, 255]，16位SAR圖像取值 n x - f) 范圍為[0, 65535]。根據(jù)n階多項(xiàng)式函數(shù)少=!>/ ，構(gòu)造超定方程如下： ，二1 Ci
[0024]
[0025]聯(lián)立求解，得到各項(xiàng)系數(shù)已丨，a2，…，aj^，an,h，b2，…，bwbn,q，c2，…，Cm，4的值。 得到擬合的函數(shù)f3(x)。
[0026]④通過以k為底數(shù)、f3(x)為指數(shù)的指數(shù)運(yùn)算，得到擬合后的海雜波概率密度函數(shù) f4 (x)。即 /4閑=。
[0027] ⑤根據(jù)擬合的海雜波的概率密度分布f4 (x)計(jì)算累積分布密度 F(x),F(x)^^fjtidt
[0028] ⑥當(dāng)虛警率Pfa取某一確定常數(shù)時(shí)，通過Pfa=l_F(Tn)，可以求得閾值Tn。Pfa取值 取決于對(duì)最后檢測(cè)結(jié)果精度的要求，一般取0.0001，對(duì)于檢測(cè)區(qū)域中的數(shù)據(jù)值，若大于閾值 Tn，則判定為船只目標(biāo)，否則為海雜波。
[0029] 若需檢測(cè)的SAR圖像噪點(diǎn)過多，或?qū)Y(jié)果檢測(cè)精度有著較嚴(yán)格的要求，可以將圖 像先進(jìn)行濾波處理；一般情況下，為節(jié)省時(shí)間，也可不進(jìn)行濾波處理。
【附圖說明】
[0030] 圖1是本發(fā)明的流程示意圖；
[0031] 圖2是本發(fā)明具體實(shí)施例中所使用的Radarsat-2高分辨SAR圖像；
[0032] 圖3是本發(fā)明具體實(shí)施例中檢測(cè)結(jié)果；
[0033] 圖4是本發(fā)明具體實(shí)施例中SAR圖像與專家解譯檢驗(yàn)對(duì)比圖。
【具體實(shí)施方式】
[0034]參照?qǐng)D1，本發(fā)明的具體實(shí)施步驟如下：
[0035] 步驟1 :輸入圖像（圖2)，進(jìn)行歸一化處理，將圖像像素值歸一化到[0, 1]。
[0036] 步驟2 :獲得SAR圖像數(shù)據(jù)值分布的概率密度函數(shù)(x)。
[0037] 步驟3 :對(duì)fjx)進(jìn)行以10為底的對(duì)數(shù)運(yùn)算，得到f2(x)，f2(x) =logmfjx)。
[0038] 步驟4:在&〇〇中均勻采樣100個(gè)數(shù)據(jù)點(diǎn)。采樣數(shù)據(jù)點(diǎn)的坐標(biāo)為（Xl，f2(Xl))、 (x~f；(xJ)、...、（x…f；(x1QQ))。。本實(shí)施例中采用5階高斯函數(shù)，根據(jù)多項(xiàng)式函數(shù) _
，構(gòu)造超定方程如下： 1=1 Ci
[0039]
[0040] 聯(lián)立求解，得到各項(xiàng)系數(shù)a。a2,a3,a4,a5,h，b2,b3,b4,b5,q，c2,c3,c4,。5的值：
[0041] a:= 4. 055
[0042] b,= 49. 95
[0043] Cl= 77. 61
[0044] a2= -0? 5505
[0045] b2= 5. 312
[0046] c2= 3. 256
[0047] a3= -2. 602
[0048] b3= 229. 8
[0049] c3= 33. 25
[0050] a4= 1. 021
[0051] b4= 126. 3
[0052] c4= 40. 08
[0053] a5= 3. 239e+12
[0054] b5= 1. 427e+05
[0055] c5= 2. 757e+04
[0056] 得到擬合的函數(shù)f3 (x)。
[0057] 步驟5 :本發(fā)明采用R-Sq(adj)評(píng)價(jià)擬合函數(shù)的擬合優(yōu)度。
，其cn為 i-i
i-i 觀測(cè)值的總個(gè)數(shù)，P為回歸方程中的總項(xiàng)數(shù)（包括常數(shù)項(xiàng)在內(nèi)），(Xi)為原始數(shù)據(jù)，f4(Xi) 為擬合數(shù)據(jù)，7^為原始數(shù)據(jù)均值。也就是說，R2adj(即R-Sq(adj))是扣除了回歸方程 中所受到的包含項(xiàng)數(shù)的影響的相關(guān)系數(shù)，因而可以更準(zhǔn)確地反映模型的好壞，同樣，它也是 越接近于1就越好。根據(jù)上述公式求得：R-Sq(adj) = 0. 9928。
[0058] 步驟6 :通過以k為底數(shù)、f3(x)為指數(shù)的指數(shù)運(yùn)算，得到擬合后的海雜波概率密 度函數(shù)f4(x)。即= ~。根據(jù)擬合的海雜波的概率密度分布&〇〇計(jì)算累積分布密度 F(x)
[0059] 步驟7:設(shè)虛警率？&= 0.0001，通過？&=14〇\)，可以求得閾值1；= 0.8272。 對(duì)于檢測(cè)區(qū)域中的數(shù)據(jù)值，若大于閾值Tn，則判定為船只目標(biāo)，否則為海雜波。
[0060] 步驟8 :將所得的結(jié)果與專家解譯結(jié)果相對(duì)比（如圖4)，得知檢驗(yàn)結(jié)果。其中，算 法性能根據(jù)正確檢測(cè)目標(biāo)數(shù)，漏檢目標(biāo)數(shù)，虛警目標(biāo)數(shù)進(jìn)行評(píng)價(jià)，參考品質(zhì)因數(shù)FoM指標(biāo)參 ^ hi"
數(shù)，其定義為：其中：Ntt為檢測(cè)結(jié)果中正確的檢測(cè)目標(biāo)數(shù)，Nfa為虛警目 標(biāo)數(shù)，Ngt為實(shí)際的目標(biāo)數(shù)。
[0061] Ntt= 24,Nfa= 0,Ngt= 24 ;
[0062] 通過優(yōu)異的FoM性能，可以％m，jftJK恆WJ雙禾民燈。
【主權(quán)項(xiàng)】
1. 一種基于高斯函數(shù)擬合海雜波的SAR圖像船只檢測(cè)方法，其特征在于： 1. 1基于高斯函數(shù)擬合海雜波分布的概率密度函數(shù)； 1. 2基于上述擬合得到的概率密度函數(shù)CFAR算法在內(nèi)的方法相結(jié)合，實(shí)現(xiàn)船只檢測(cè)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于該方法包括以下步驟： 2. 1獲得SAR圖像數(shù)據(jù)值分布的概率密度函數(shù)(x) ;x為圖像的灰度值，8位SAR圖像 取值范圍為[〇, 255]，16位SAR圖像取值范圍為[0, 65535]; 2. 2對(duì)2-1所述的概率密度函數(shù)進(jìn)行以k為底的對(duì)數(shù)運(yùn)算，得到f2 (x); 2. 3采用n階高斯函數(shù)擬合f2 (x)，得到擬合函數(shù)f3(x)，其中 a"bi,q為擬合系數(shù)；n= 3、4、5或6 ; 2. 4對(duì)f3(x)做以k為底，f3(x)為指數(shù)的指數(shù)運(yùn)算，k的值與步驟2. 2中的相同，得到 擬合后的海雜波概率密度函數(shù)&00 ; 2. 5根據(jù)擬合的海雜波的概率密度分布f4(x)計(jì)算累積分布密度 F(x),:當(dāng)虛警率Pfa取某一確定常數(shù)時(shí)，通過Pfa=l_F(Tn)，求得閾值Tn; Pfa取值取決于對(duì)最后檢測(cè)結(jié)果精度的要求，對(duì)于檢測(cè)區(qū)域中的數(shù)據(jù)值，若大于閾值Tn，則判 定為船只目標(biāo)，否則為海雜波。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于：底數(shù)k取10。
【專利摘要】基于高斯函數(shù)擬合海雜波的SAR圖像船只檢測(cè)方法屬于遙感圖像處理技術(shù)領(lǐng)域，具體為一種基于高斯函數(shù)擬合海雜波的恒虛警率(CFAR-Constant False Alarm Rate)圖像的船只檢測(cè)方法。主要解決現(xiàn)有檢測(cè)技術(shù)應(yīng)用于高分辨率圖像時(shí)，對(duì)海雜波擬合優(yōu)度低，整體檢測(cè)性能差的問題。其檢測(cè)過程為：采用n階高斯函數(shù)擬合海雜波分布，根據(jù)擬合函數(shù)求出閾值，結(jié)合恒虛警率(CFAR—Constant False Alarm Rate)方法檢測(cè)船只，得到最終檢測(cè)結(jié)果。本發(fā)明具有更好的擬合優(yōu)度和更高的檢測(cè)性能，可用于漁業(yè)監(jiān)管和海事安全等領(lǐng)域。
【IPC分類】G06K9/00
【公開號(hào)】CN104992159
【申請(qǐng)?zhí)枴緾N201510409324
【發(fā)明人】郎海濤, 蔡奇澔
【申請(qǐng)人】北京化工大學(xué)
【公開日】2015年10月21日
【申請(qǐng)日】2015年7月13日