SAR图像序列目标检测方法1.pdf

计算机工程2009年9月
第35卷第17期
ComputerEngineeringSeptember2009
Vol.35No.17

·图形图像处理·文章编号：1000—3428(2009)17—0215—02文献标识码：A中图分类号：TP391.72
SAR图像序列目标检测方法

王义敏，安锦文，秦永元
(西北工业大学自动化学院，西安710072)

摘要：提出一种合成孔径雷达(SAR)图像序列目标检测方法，采用最大后验概率准则完成第1帧SAR图像的目标提取，同时获得所需参
数向量。在此基础上，对图像进行目标检测，利用前一帧图像的目标检测信息和参数向量，实现后一帧图像的目标检测，并对SAR图像
杂波数据的参数向量进行修正。仿真实验结果说明，该方法具有良好的目标分割性能。
关键词：SAR图像序列；混合高斯分布；最大后验概率；目标检测
TargetDetectionMethodinSARImagesSeries

WANGYi-min,ANJin-wen,QINYong-yuan
(CollegeofAutomation,NorthwesternPolytechnicalUniversity,Xi’an710072)

【Abstract】AtargetdetectionmethodinSARimagesseriesisproposed.ThefirstframeSARimageissegmentbyusingMaximumA
Posteriori(MAP)rules,inwhichtheparamountisgot.Onthisbasis,theimageisdetected.Thelatterframeimageisdetectedwiththeinformation
andparamountvectorgotinformerone.Theparamountvectorofthepigeonsdataismodified.Simulationexperiemtalresultsshowthismethodhas
betterperformanceoftargetsegmentation.
【Keywords】SARimagesseries;mixtureGaussiandistribution;MaximumAPosteriori(MAP);targetdetection

1概述当一幅图像包含至少一个对象/区域时，其对应的直方图呈现
作为主动寻的探测设备，合成孔径雷达(Synthetic出一种多峰状态。对具有M个目标/区域的SAR图像而言，
L−1
ApertureRadar,SAR)以其独特的优势：(1)图像分辨率与作用可将其直方图作归一化处理为hxz()，满足∑x=0hxz()=1,

距离(大于100km)无关；(2)强穿透性而形成目标物的高清晰x∈Glx，且hxz()≥0。因此，可用Hx()表示为
度图像，在军事和民用上得到广泛应用。国外尤其是美国已M
Hx()=∑wPxjj(/θj)(1)
将SAR用于各种目标侦察设备，并列为基准的成像手段，以j=1
≥M
获取大量有价值的目标信息。其中，wj0，且∑j=1wj=1，表示某一子类的权系数；

由于SAR成像本身的特殊性，SAR图像呈现出一种非Pxjj(/θ)是第j个以θjjj=(,)µσ为参数的高斯分布函数，表
直观和大量信息的冗余(针对军事目标侦察而言尤为突出)，
示该子类的概率密度分布；µjj,σ分别为相应的均值和标准
而SAR图像的分辨力与作用距离无关，随观测区域的广度和
方差。
深度的加深，如何准确描述海量SAR图像背景杂波的统计特
2.2MAP原理
性，并从获取的SAR图像中快速检测出需要的目标信息成为
基于图像的目标检测主要是对图像像素进行分类，即将
对SAR图像进行有效描述和解译的重要研究课题。
不同的图像像素划分为不同的类的过程。对任意一幅SAR图
本文根据序列SAR图像的特点，基于简单原则，在选取
像，设SAR图像像素划分为不同类的先验条件概率对背景
混合Gaussian分布实现对SAR图像数据杂波的描述的基础
(b)、目标(tar)及其阴影(sh)区域分别为P()cbi=,P()ctari=,
上，运用MAP准则获取所需要的参数向量，作为起始序列
P()csh=，且P()cb=+P()ctar=+P()csh=＝1。给定类
帧的目标检测的依据，并以此作为序列的起始参数向量完成iiii
的概率密度函数为：P(|)xxcc==，其中，cbtarsh={,,}。
后续图像帧的检测，同时在对图像分割的过程中修正参数向ii
量，依次类推，实现对SAR序列帧图像的分割。为验证算法根据Bayes准则，给定像素属于某一类的归一化后验概率：
P(|)()xxc