基于伽瑪分布和鄰域信息的sar圖像顯著性區(qū)域檢測方法
【專利摘要】本發(fā)明公開了一種基于伽瑪分布和鄰域信息的SAR圖像顯著性區(qū)域檢測方法,主要解決斑點噪聲下現(xiàn)有算法不能穩(wěn)定有效檢測SAR圖像顯著性區(qū)域的問題。其實現(xiàn)步驟是:(1)利用8個灰度變化值檢測窗口得到像素點的變化值和變化方向;(2)在不同尺度下構(gòu)建像素點的變化值和變化方向的二維直方圖對,計算鄰域變化不一致性度量,并確定像素點鄰域的顯著性和顯著性尺度;(3)通過斑點噪聲的伽瑪分布模型估計像素點在顯著性尺度鄰域的灰度直方圖,計算顯著性尺度的局部顯著性度量以及像素點的顯著性度量;(4)通過迭代方法得到穩(wěn)定的顯著性區(qū)域坐標及其區(qū)域半徑。本發(fā)明減少了斑點噪聲的影響,檢測的穩(wěn)定性以及有效性均得到提高,可用于SAR圖像配準、變化檢測和目標識別。
【專利說明】基于伽瑪分布和鄰域信息的SAR圖像顯著性區(qū)域檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】,涉及SAR圖像顯著性區(qū)域檢測,可用作SAR圖像配準、變化檢測和目標識別。
【背景技術(shù)】
[0002]合成孔徑雷達(synthetic aperture radar, SAR)系統(tǒng)具有全天時,全天候,穿透性等特點,是一種重要的遙感數(shù)據(jù)來源。隨著SAR圖像在軍事和民用領(lǐng)域應(yīng)用需求的增長,對SAR圖像進行自動分析和解譯的需求也越來越多。利用SAR圖像的局部特征對圖像內(nèi)容進行描述,不但可以減少圖像分析的復(fù)雜度,還可以為SAR圖像的匹配、變化檢測、目標識別與分類打下基礎(chǔ)。因此,有效的、準確的局部圖像特征提取技術(shù)可以提高SAR圖像的自動解譯性能。
[0003]通過對人類視覺系統(tǒng)的研究,人們發(fā)現(xiàn)早期視覺首先感知突出于相鄰區(qū)域的局部特征。這種局部特征具有某種形式的空間不連續(xù)性,被稱為顯著性區(qū)域。人類視覺系統(tǒng)將該特征作為基本元素對場景進行進一步的分析和理解。因此,在圖像的分析和理解中,顯著性區(qū)域也被當作一種有效的局部特征用于描述圖像內(nèi)容。針對顯著性區(qū)域,Kadir和Brady提出了一種可靠的檢測算法(Kadir.T, Brady.M.Saliency, Scale and Image Description.1nternational Journal of Computer Vision, 45 (2),83-105,2001)。該算法步驟為:首先利用灰度直方圖計算像素點不同尺度鄰域的信息熵,并將其定義為不同尺度的局部顯著性度量;對比這些熵值,判斷該像素點的顯著性,將局部最大熵的尺度定義為顯著性尺度;利用像素點的顯著性尺度鄰域與其相鄰尺度鄰域的灰度直方圖計算它們之間的不一致性,并將其定義為顯著性尺度下的不一致性度量;最后,聯(lián)合顯著性尺度的兩種度量給出像素點在該尺度的顯著性度量。相比其它眾多局部區(qū)域檢測方法,該顯著性區(qū)域檢測算法只依賴于圖像內(nèi)容本身,從而避免了對先驗信息的依賴。并且,該顯著性區(qū)域檢測算法利用特定大小的圖像區(qū)域信息作為區(qū)域提取依據(jù),它的結(jié)果更為魯棒。但研究發(fā)現(xiàn),將該方法應(yīng)用于SAR圖像時,由于SAR系統(tǒng)成像時產(chǎn)生的大量斑點噪聲對灰度直方圖的影響,得到的像素點的顯著性判斷及顯著性度量并不準確,從而影響了顯著性區(qū)域的位置和尺度的判定。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的在于克服上述已有問題的缺點,提出一種基于伽瑪分布和鄰域信息的SAR圖像顯著性區(qū)域檢測方法,以提高像素點的顯著性判斷及顯著性度量的準確性,避免出現(xiàn)對區(qū)域顯著性及其坐標和尺度的誤判,為后續(xù)圖像分析和理解奠定良好的基礎(chǔ)。
[0005]為實現(xiàn)上述目的,本發(fā)明的技術(shù)方案包括如下步驟:
[0006](I)輸入一幅IX J大小的SAR圖像,利用8個不同的3X3灰度變化值檢測窗口,計算該圖像的每個像素點在8個方向上的灰度變化值;
[0007](2)將每個像素點在8個方向上灰度變化值的最大值,記錄為該像素點的變化值,并將灰度變化值的最大值產(chǎn)生方向,記錄為該像素點的變化方向,其中變化方向標記為I到8的整數(shù);
[0008](3)將坐標為第i行第j列的像素點(i,j)的變化值和變化方向分別表示為XCij和 Xdi, 1≤i≤I,1≤j≤J;
[0009](4)根據(jù)每個像素點(i,j)的變化值和變化方向,1≤i≤I,1≤j≤J,計算初始
顯著性矩陣Yt:
[0010]4a)計算像素點(i,j)的每個尺度r的二維直方圖對
【權(quán)利要求】
1.一種基于伽瑪分布和鄰域信息的SAR圖像顯著性區(qū)域檢測方法,包括以下步驟: (1)輸入一幅IX J大小的SAR圖像,利用8個不同的3 X 3灰度變化值檢測窗口,計算該圖像的每個像素點在8個方向上的灰度變化值; (2)將每個像素點在8個方向上灰度變化值的最大值,記錄為該像素點的變化值,并將灰度變化值的最大值產(chǎn)生方向,記錄為該像素點的變化方向,其中變化方向標記為I到8的整數(shù); (3)將坐標為第i行第j列的像素點(i,j)的變化值和變化方向分別表示為xCi,j和Xdi, j, l^i^I,l^j^J; (4)根據(jù)每個像素點(i,j)的變化值和變化方向,I≤i≤I,I≤j≤J,計算初始顯著性矩陣Yt: 4a)計算像素點(i, j)的每個尺度r的二維直方圖對
2.根據(jù)權(quán)利要求1所述方法,其中所述步驟I)每個像素點在8個方向上的灰度變化值,按下式計算:
3.根據(jù)權(quán)利要求1所述方法,其中所述步驟4d)像素點(i,j)的顯著性尺度r',j鄰域的等效視數(shù),按下式計算:
4.根據(jù)權(quán)利要求1所述方法,其中所述步驟4e)像素點(i,j)的顯著性尺度r'M的局部顯著性度量//,?,按下式計算:
5.根據(jù)權(quán)利要求1所述方法,其中所述步驟4f)像素點(i,j)的顯著性度量Su,按下式計算:
6.根據(jù)權(quán)利要求1所述方法,其中所述步驟5)通過迭代方法得到穩(wěn)定顯著性矩陣Ys,按如下步驟得到: (5a)設(shè)置顯著性尺度差閾值Scamax,顯著性度量差閾值Sal_,相鄰像素點數(shù)量閾值nb,并設(shè)穩(wěn)定顯著性矩陣Ys為空矩陣; (5b)選擇顯著性矩陣Y/中顯著性度量最大的像素點作為候選點,并計算顯著性矩陣V中所有其它像素點坐標到候選點坐標的歐式距離;(5c)選擇歐式距離小于候選點的顯著性尺度鄰域半徑并與候選點的顯著性尺度差絕對值小于Scamax和顯著性度量差絕對值小于Salmax的像素點,作為候選點的相鄰像素點;(5d)如果相鄰像素點數(shù)小于nb,則將候選點所在行從顯著性矩陣Y/中去掉;否則將候選點所在行加入穩(wěn)定顯著性矩陣Ys,再將候選點及其所有相鄰像素點所在行從顯著性矩陣Y/中去掉; (5e)判斷顯著性矩陣Y/是否為空,若為空則停止,并輸出穩(wěn)定顯著性矩陣Ys;否則,回到步驟(5b)。
【文檔編號】G06T7/00GK103500453SQ201310478762
【公開日】2014年1月8日 申請日期:2013年10月13日 優(yōu)先權(quán)日:2013年10月13日
【發(fā)明者】張強, 吳艷, 王凡, 劉明, 李明, 范建偉 申請人:西安電子科技大學(xué)