【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及sar運(yùn)動目標(biāo)陰影檢測，具體地，涉及基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法。
技術(shù)介紹
1、視頻sar由于其具有持續(xù)監(jiān)測目標(biāo)區(qū)域變化的能力，在軍事決策、智慧城市、交通監(jiān)管等領(lǐng)域有著廣泛的應(yīng)用。在視頻sar系統(tǒng)中，由于雷達(dá)的載波頻率較高，運(yùn)動目標(biāo)回波的多普勒調(diào)制對目標(biāo)的移動非常敏感。即使是很小的運(yùn)動也會導(dǎo)致sar圖像中的運(yùn)動目標(biāo)成像出現(xiàn)較大的偏移和散焦，但運(yùn)動目標(biāo)留下的陰影可以反映運(yùn)動目標(biāo)在sar圖像序列中的實際位置和狀態(tài)信息。因此，與傳統(tǒng)sar系統(tǒng)相比，在視頻sar圖像序列中，運(yùn)動目標(biāo)的陰影更容易被觀察到，利用運(yùn)動目標(biāo)陰影進(jìn)行檢測是更為直接和有效的手段。
2、目前，在傳統(tǒng)的視頻sar運(yùn)動目標(biāo)陰影檢測技術(shù)中，主要有三類方法：基于差分、基于恒虛警檢測(cfar)器和基于閾值分割的運(yùn)動目標(biāo)檢測方法。
3、基于差分的檢測方法首先通過多幀連續(xù)的視頻sar圖像估計背景圖像，再將背景圖像與當(dāng)前待檢測圖像進(jìn)行差分運(yùn)算得到前景的二值圖，接著再利用幀間差分算法提取出前后幀的運(yùn)動信息與背景差分得到的二值圖做與運(yùn)算，最后對上一步結(jié)果進(jìn)行形態(tài)學(xué)處理提取運(yùn)動目標(biāo)陰影區(qū)域。盡管基于差分的檢測方法有效，但存在著一些限制：首先對于背景建模算法有著較高的要求，且背景由于使用了之前若干幀估計，檢測框會出現(xiàn)滯后的現(xiàn)象；其次由于幀間差分算法只是對比兩幀之間的差別，忽略了自身重疊部分的信息，因此很容易在運(yùn)動目標(biāo)陰影區(qū)域出現(xiàn)空洞與雙邊現(xiàn)象，造成漏檢或虛警情況。
4、基于cfar的檢測方法能有效地避開上述限制，cf
5、基于閾值分割的檢測方法利用圖像閾值分割方法(如otsu法、最小誤差法等)可將視頻sar圖像二值化，獲取圖像中的運(yùn)動目標(biāo)陰影區(qū)域。但閾值分割方法是基于圖像的直方圖信息進(jìn)行分割，忽略了視頻sar圖像的空間信息和邊緣信息，因此易出現(xiàn)漏檢和虛警過高的問題。
技術(shù)實現(xiàn)思路
1、為了解決上述問題，本專利技術(shù)的目的在于提供基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，解決傳統(tǒng)的視頻sar運(yùn)動目標(biāo)陰影檢測方法存在不足的技術(shù)問題，在保證檢測精度的前提下，提高視頻sar運(yùn)動目標(biāo)陰影的檢測概率。
2、為了實現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案如下：
3、本專利技術(shù)提供了基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，包括以下步驟：
4、s1.對視頻sar圖像序列進(jìn)行陰影增強(qiáng)與背景抑制；
5、s2.基于信息幾何理論的roi區(qū)域提取；
6、s3.通過錯檢抑制，有效去除虛假roi區(qū)域。
7、進(jìn)一步的，所述s1包括以下步驟：
8、s11.利用主成分分析算法計算視頻sar圖像序列的初始子空間{u,v}；
9、s12.設(shè)置混合高斯個數(shù)，并對視頻sar圖像序列所組成的數(shù)據(jù)矩陣x進(jìn)行基于混合高斯的低秩表示模型建模，即：
10、
11、其中，表示所有高斯分量權(quán)重的集合，表示所有高斯分量方差的集合；
12、s13.利用在線子空間學(xué)習(xí)技術(shù)更新低秩矩陣u*vt，與原始的視頻sar圖像相減得到包含視頻sar運(yùn)動目標(biāo)陰影的前景圖像；
13、s14.利用交替方向乘子算法去除前景圖像中包含的強(qiáng)散點物體成像，得到經(jīng)過陰影增強(qiáng)與背景抑制的視頻sar圖像序列，即增強(qiáng)圖像。
14、進(jìn)一步的，所述s2包括以下步驟：
15、s21.將增強(qiáng)圖像在坐標(biāo)像素處鄰域內(nèi)的所有像素構(gòu)成一個鄰域系統(tǒng)，構(gòu)建描述該點的統(tǒng)計分布；
16、s22.計算js散度描述高斯統(tǒng)計流形中的幾何距離進(jìn)行模式的分析，捕捉圖像中的局部信息特征；
17、s23.遍歷圖像的每個像素，得到增強(qiáng)圖像相應(yīng)的js散度矩陣，計算聯(lián)合概率分布jpdf；
18、s24.利用最小交叉熵算法進(jìn)行閾值選取，提取增強(qiáng)圖像的roi區(qū)域。
19、進(jìn)一步的，所述s21包括以下步驟：
20、s211.將增強(qiáng)圖像在(x,y)像素處n*n鄰域內(nèi)的所有像素構(gòu)成一個鄰域系統(tǒng)，計算該鄰域系統(tǒng)內(nèi)所有像素的均值μ和方差σ，利用高斯分布描述該鄰域系統(tǒng)的統(tǒng)計分布：
21、
22、s212.以當(dāng)前(x,y)像素處的灰度強(qiáng)度值為均值μ′，給定一個極小的方差σ′，構(gòu)建描述該點的統(tǒng)計分布：
23、
24、進(jìn)一步的，所述s22包括以下步驟：
25、s221.由參數(shù)θ＝(μ,σ)t構(gòu)成的概率分布族組成一個統(tǒng)計模型s＝{p(x|θ)|θ∈θ}，s在一定的拓?fù)浣Y(jié)構(gòu)下構(gòu)成一個可微的高斯統(tǒng)計流形；
26、s222.計算js散度，采用js散度來描述不同概率分布之間在該高斯統(tǒng)計流形中的幾何距離，進(jìn)行模式的分析；
27、s223.將js散度的數(shù)值歸一化，在高斯統(tǒng)計流形上，js散度解釋當(dāng)前位置的像素灰度值與其鄰域系統(tǒng)分布之間的幾何關(guān)系，幫助捕捉圖像中的局部信息特征。
28、進(jìn)一步的，所述s222中的js散度計算公式如下：
29、
30、其中，是兩個分布的平均分布，kl(pq)定義為：
31、
32、進(jìn)一步的，所述s23包括以下步驟：
33、s231.遍歷圖像的每個像素，得到該增強(qiáng)圖像相應(yīng)的js散度矩陣；
34、s232.設(shè)nij為灰度值和js散度之間的聯(lián)合出現(xiàn)次數(shù)，將nij中的每個元素除以增強(qiáng)圖像的總像素數(shù)得到歸一化后的聯(lián)合概率分布jpdf。
35、進(jìn)一步的，所述s3包括以下步驟：
36、s31.計算當(dāng)前幀的梯度圖像，利用所述梯度圖像進(jìn)行錯誤roi區(qū)域的剔除；
37、s32.利用數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行多幀的虛警抑制。
38、進(jìn)一步的，所述s31包括以下步驟：
39、s311.采用sobel算子對圖像邊緣處進(jìn)行檢測，計算原始視頻sar圖像的灰度級相對變化，得到當(dāng)前原始sar圖像的梯度圖像；
40、s312.引入該梯度圖像，計算該梯度圖像與roi區(qū)域的重合面積，對重合面積大于閾值的roi區(qū)域進(jìn)行剔除。
41、進(jìn)一步的，所述s32包括以下步驟：
42、s321.提取每個roi區(qū)域的質(zhì)心位置以及對應(yīng)的時間幀編號，作為特征向量；
43、s322.設(shè)定一個空間距離閾值ti和時間閾值tt，通過這兩個閾值將時間閾值幀內(nèi)的檢測點進(jìn)行關(guān)聯(lián)，識別出可能的真實目標(biāo)；
44、s323.在多幀中一致性較強(qiáng)的檢測點被認(rèn)為是有效目標(biāo)，符合一定的關(guān)聯(lián)次數(shù)與質(zhì)心的空間變化的檢測點才能被保留。
45、采用本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S1包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S2包括以下步驟：
4.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S21包括以下步驟：
5.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S22包括以下步驟：
6.根據(jù)權(quán)利要求5所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S222中的JS散度計算公式如下：
7.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S23包括以下步驟：
8.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S3包括以下步驟：
9.根據(jù)
10.根據(jù)權(quán)利要求8所述的基于信息幾何理論的高精度視頻SAR運(yùn)動目標(biāo)檢測方法，其特征在于，所述S32包括以下步驟：
...【技術(shù)特征摘要】
1.基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，其特征在于，所述s1包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，其特征在于，所述s2包括以下步驟：
4.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，其特征在于，所述s21包括以下步驟：
5.根據(jù)權(quán)利要求3所述的基于信息幾何理論的高精度視頻sar運(yùn)動目標(biāo)檢測方法，其特征在于，所述s22包括以下步驟：
6.根據(jù)權(quán)利要求5...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：付耀文，顏上取，張文鵬，楊威，
申請(專利權(quán))人：中國人民解放軍國防科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。