基于改進視覺注意模型的SAR目標(biāo)檢測方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于改進視覺注意模型的SAR目標(biāo)檢測方法，它屬于圖像處理技術(shù)領(lǐng)域，主要解決了傳統(tǒng)視覺注意模型在SAR圖像處理方面失效的問題。其檢測過程為：先對待檢測SAR圖像進行下采樣，再對采樣后的圖像提取其紋理特征和小波特征，把這些特征進行線性疊加后經(jīng)過歸一化及顯著性處理得到初始顯著圖；然后把初始顯著圖經(jīng)過視覺感受野模板濾波，即可得到最終顯著圖；最后把最終顯著圖用雙線性插值到與原SAR圖像大小相同，將插值后顯著圖中亮的區(qū)域作為目標(biāo)區(qū)域。本發(fā)明專利技術(shù)具有計算速度快，檢測效果明顯，定位準(zhǔn)確的優(yōu)點，可用于SAR圖像目標(biāo)的預(yù)檢測。

【技術(shù)實現(xiàn)步驟摘要】
基于改進視覺注意模型的SAR目標(biāo)檢測方法
本專利技術(shù)屬于圖像處理領(lǐng)域，特別是一種涉及SAR圖像目標(biāo)檢測的方法，可應(yīng)用于對SAR目標(biāo)的檢測。
技術(shù)介紹
在面對一個復(fù)雜場景時，人類的注意力會迅速集中在少數(shù)幾個顯著的視覺對象上，并對這些對象進行優(yōu)先處理，該過程被稱為視覺注意。視覺注意模型正是利用人眼的這種視覺生物學(xué)機制，用數(shù)學(xué)的計算方法模擬從而形成了對圖像處理領(lǐng)域的一個重要方向， 該模型可用于目標(biāo)檢測與識別，圖像壓縮與編碼，圖像檢索，監(jiān)視系統(tǒng)，主動視覺等方面。經(jīng)典的視覺注意模型是由Itti提出的，他首次用數(shù)學(xué)的方法來模擬人類的視覺注意機制并取得了較好的效果，后來引起了眾多學(xué)者的關(guān)注并產(chǎn)生了重要的影響。按照對視覺信息的處理方式，可分為自底向上的視覺注意和自頂向下的視覺注意，目前研究的較多的是自底向上的視覺注意，它是基于數(shù)據(jù)驅(qū)動，且獨立于具體的任務(wù)；而自頂向上的視覺注意是受意識支配，與具體任務(wù)相關(guān)，而目前針對自頂向下視覺注意模型的研究工作較少， 大多數(shù)的工作限于生物實驗取證和理論研究。自底向上的視覺注意模型按計算方式的不同，又可分為基于鄰域?qū)Ρ榷鹊挠嬎隳Ｐ汀⒒陬l域空間的計算模型和基于區(qū)域分割的計算模型。基于鄰域?qū)Ρ榷鹊挠嬎隳Ｐ椭饕枷胧窃诳臻g域中計算圖像中各個位置的視覺顯著程度，即采用顯著度來衡量，進而實現(xiàn)視覺注意機制的模擬。這類模型的優(yōu)點是計算特征較容易提取、計算量較小、快速，但缺點是對于噪聲較為敏感、魯棒性較差，適用于前期對注意焦點進行檢測，對于對象區(qū)域語義的完整性考慮不足。代表模型是1998年Itti提出的視覺注意計算模型，參見 Itti L,Koch C,Niebur E. 1998. A model of saliency一based visual attention for rapid scene analysis.1EEE Trans, on Pattern Analysis and Machine Intelligence, 20 (11) 1254-1259. Ma 和 zhang 等人提出的基于顏色鄰域?qū)Ρ刃?Maetal. 2003)的視覺注意模型，參見 Ma Y F，Zhang H J. 2003. Contrast based image attention analysis by using fuzzy growingC]. Proceedings ofthe eleventh ACM International Conference on Multimedia, Berkeley ACMPress,374—381。基于頻域空間的計算模型主要思想是利用傅立葉變換或特征值極坐標(biāo)變換等方法將圖像從空間域映射到頻域空間，并對其分析處理，找出其顯著性特征，之后再反變換回空間域得到顯著圖。其代表是以Hou等人的光譜剩余假說，參見Hou X and Zhang L. 2007. Saliency Detection A Spectral Residual ApproachC. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Minnesota, USA,I— 8. Hu等人提出的特征值極變換的子空間分析方法,參見Hu Y-Rajah D and Chia L-T .2005. Robust Subspace Analysis for Detecting Visual Attention Regions jn Images . Proceedings of thel3th annual ACM International Conference on Multimedia, Singapore, 716—724。最后一類是基于區(qū)域分割的計算模型，這類方法的優(yōu)點是對于噪聲具有一定的魯棒性，并對于部分簡單自然場景圖像和許多心理學(xué)模式的圖像有較好的效果，但缺點是精確度不高，只能得到顯著對象的大致位置形狀，對于某些復(fù)雜自然場景圖像的處理效果不盡人意。大體的思路是利用圖像分割算法將圖像劃分成不同的區(qū)域，以此區(qū)域為單位分析其鄰域?qū)Ρ刃曰蛉謱Ρ刃裕ㄟ^區(qū)域競爭定位顯著對象區(qū)域。其代表有H. Liu等人 (Liuetal. 2007)提出的基于圖像分割的區(qū)域競爭方法，參見Liu H，Jiang S，Huang Q， Xu C, Gao w. 2007. RegionBased Visual Attention Analysis with Its Application in Image Browsing on Small DisplaysC. Proceedings of2007ACM International Conference on Multimedia, Augsburg :ACM Press,305—308。綜上所述的視覺注意模型都是針對自然圖像的，對于SAR圖像中的應(yīng)用幾乎沒有，原因是SAR圖像有其自身的特點，和與其它遙感成像系統(tǒng)、光學(xué)成像系統(tǒng)相比有很多差異。本質(zhì)上SAR圖像反映的是目標(biāo)的電磁散射特性和結(jié)構(gòu)特性，其成像效果很大程度上依賴于雷達參數(shù)地域電磁參數(shù)。由于SAR成像的特殊性導(dǎo)致SAR圖像灰度級變化緩慢，目標(biāo)區(qū)域不明顯，因此光學(xué)圖像常用的視覺注意方法對SAR圖像無效甚至效果相反。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于針對上述已有技術(shù)的不足，提出一種基于改進視覺注意模型的 SAR目標(biāo)檢測方法，·以解決因SAR圖像灰度級變化緩慢和目標(biāo)區(qū)域不明顯而導(dǎo)致視覺注意方法失效的問題，使圖像中的目標(biāo)區(qū)域更好地顯現(xiàn)出來，為后期的目標(biāo)識別和分類提供有·用的信息。實現(xiàn)本專利技術(shù)目的的技術(shù)方案是在原有經(jīng)典視覺注意模型的框架下，利用高效的多尺度多分辨率數(shù)學(xué)工具gabor小波和正交小波，充分挖掘圖像中的紋理特征和結(jié)構(gòu)特征，模擬人眼的視覺注意機制，以實現(xiàn)對目標(biāo)的檢測。其實現(xiàn)步驟包括如下(I)對待檢測SAR圖像進行下采樣處理，處理后的圖像記為I ;(2)對采樣后的圖像I進行紋理特征提取，用gabor小波提取其在0°’45°，90°，135° 方向上的分量紋理特征，然后把這些分量紋理特征相加，即可得到圖像的紋理特征；(3)對采樣后的圖像I進行小波特征提取(3a)對圖像I進行正交小波變換，得到圖像的四個小波分量，即一個低頻分量 Ill (X，Y)和三個高頻分量 Ihl (X，y) , Ihh (X，j) , Ilh(x，y)；(3b)計算低頻分量與其平均值的對比差值C(x,y) = (lLL(x，y)-1u)2，其中Iix(x，y) 為低頻分量，Iu為低頻分量的平均值；(3c)進行逆小波變換，即得到采樣后圖像I的小波特征；(4)對提取后的紋理特征和小波特征進行線性相加，并將相加后的圖像進行歸一化及顯著性處理，得到初步的顯著(5)將初步顯著圖進行視覺感受野模型處理，得到最終的顯著(6)把得到的最終顯著圖插值到與原SAR圖像的大小相同；(7)利用插值后的顯著圖對原SAR圖像進行目標(biāo)檢測，即將顯著圖中最亮的區(qū)域作為目標(biāo)區(qū)域。本專利技術(shù)與現(xiàn)有的技術(shù)相比具有以下優(yōu)點1、本專利技術(shù)由于使用多尺度幾何分析工具gabor小波，對SAR圖像的紋理特征的本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于改進視覺注意模型的SAR目標(biāo)檢測方法，包括如下步驟：1)對待檢測SAR圖像進行下采樣處理，處理后的圖像記為I；2)對采樣后的圖像I進行紋理特征提取，用gabor小波提取其在00,450,900,1350方向上的分量紋理特征，然后把這些分量紋理特征相加，即可得到圖像的紋理特征；3)對采樣后的圖像I進行小波特征提取：3a)對圖像I進行正交小波變換，得到圖像的四個小波分量，即一個低頻分量ILL(x，y)和三個高頻分量IHL(x，y),IHH(x，y),ILH(x，y)；3b)計算低頻分量與其平均值的對比差值：C(x，y)=(ILL(x，y)?Iu)2，其中ILL(x，y)為低頻分量，Iu為低頻分量的平均值；3c)對所述C(x，y),IHL(x，y),IHH(x，y),ILH(x，y)進行逆小波變換，即得到采樣后圖像I的小波特征；4)對提取后的紋理特征和小波特征進行線性相加，并將相加后的圖像進行歸一化及顯著性處理，得到初步的顯著圖；5)將初步顯著圖進行視覺感受野模型處理，得到最終的顯著圖；6)把得到的最終顯著圖插值到與原SAR圖像的大小相同；7)利用插值后的顯著圖對原SAR圖像進行目標(biāo)檢測，即將顯著圖中最亮的區(qū)域作為目標(biāo)區(qū)域。...

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：侯彪，侯小瑾，劉彥甲，焦李成，方相如，翁鵬，馬文萍，馬晶晶，
申請(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國別省市：