一种SAR图像并排目标识别方法及装置与流程

一种sar图像并排目标识别方法及装置
技术领域
1.本发明涉及图像识别领域，特别是涉及sar图像中并排目标的识别方法及装置。


背景技术：

2.在军事领域中，并排目标的判断与精确分割是合成孔径雷达（synthetic aperture radar，sar）图像目标检测识别分析的重要内容，采用基于区域的阈值分割滤波器是sar图像飞机并排目标分割的经典方法，图1所示是现有技术的基于阈值分割的sar图像飞机并排目标分割示意图，其通过设定不同的特征阈值，用一个或多个阈值将图像的灰度级分成几部分，灰度值在同一类的像素属于同一目标。
3.由于sar飞机目标图像往往是背景相对较为简单的环境，在给定sar飞机图像后，假设该图像主要由目标物体和背景像素所构成，如果要从图像中提取目标物体，一个最为直接的方法就是使用一个固定阈值将目标物体像素与背景像素分开，以目标物体像素区域为目标物体区域，否则为背景区域。
4.通常来说，当目标区域与背景区域存在较大图像灰度差异时，用阈值法分割效果可能会比较好，这种较大的图像灰度差异体现在图像直方图上时，则呈现处图像灰度直方图双峰的特征，其算法实现流程如下：设原始图像为f(x,y)，首先以一定准则在f(x,y)中找出一个灰度值t作为阈值，将图像分割为两部分，即把大于等于该阈值的像素点的值设置成1，小于该阈值的像素点的值设置成0，阈值运算后的图像为二值图像g(x,y)如下式表示： 。
5.这种基于区域的阈值sar图像飞机并排目标的分割方法具备处理直观、实现简单、性能较稳定和计算速度快的优势，当场景较小，且不同类的物体灰度值或其它特征值差异较大时，它能有效地对图像进行分割，但是该方法应用的前提是sar图像中不存在明显灰度差异或灰度值范围有较大重叠的条件，且其对噪音和灰度不均匀很敏感。在实际的sar图像场景特别是在高分辨率大场景的sar图像中，通常很难保证固定的阈值对所有目标都适应，因此该阈值分割方法性能的制约主要体现在以下两个方面：首先，特征对齐精确度较差，如果sar图像中噪音和灰度不均匀、很敏感，则在该区域内基于阈值分割滤波器无法形成较为精确的特征边界，进而导致后续所提取出的边缘信息边界不够准确，容易造成虚警较多；其次，该方法的阈值适应性较低，在实际的计算中，设定固定的阈值，往往意味着该阈值的最佳使用环境只对应于某一个像素值的图像，即使通过计算所有图像的均值与方差，得到一个较为平均的值，在面对一些极端的sar飞机图像时，也可能无法完成精确的目标分割。
6.因此，迫切需要开发一种新的sar图像并排目标识别方法，克服现有技术的不足。


技术实现要素：

7.本发明针对传统的基于区域阈值的sar图像飞机并排目标分割方法在特征对齐、阈值适应性较低方面存在的缺陷，提出了一种基于目标直方图波峰提取的sar图像飞机并排目标精确分割方法，技术方案如下：第一方面，本发明提供一种sar图像并排目标识别方法，包括以下步骤：获取sar图像，判断图像中目标长宽比；判断目标长宽比是否小于2，如果是，则结束图像分割与目标识别；如果目标长宽比大于等于2，则旋转图像目标，生成第一统计直方图，根据峰值的个数判断目标数量；获取旋转角度，对图像进行两个方向的旋转；针对旋转后的图像按列统计每一列亮点的个数，得到并排目标垂直图像第二统计直方图、并排目标水平图像第二统计直方图、虚景水平图像第三统计直方图及虚景垂直图像第三统计直方图；进一步平滑处理并排目标垂直图像第二统计直方图、并排目标水平图像第二统计直方图、虚景水平图像第三统计直方图及虚景垂直图像第三统计直方图，并通过差分算法获取图像中的所有波峰；对平滑处理后的图像中的所有波峰进行筛选，得到目标数量；对平滑处理后的图像中的图像目标进行等分点分割，获得每个目标的信息。
8.进一步的，所述平滑处理采用七点三次函数拟合平滑。
9.进一步的，所述差分算法具体包括以下步骤：设统计直方图为一维向量：v=[v1,v2,
…
,vn] ，其中vi,i∈[1,2,
…
,n]，代表图像在第i列上的亮点个数，n为正整数；计算v的一阶差分向量diffv，其中diffv(i)=v(i 1)
−
v(i)，其中i∈1,2,
…
,n
−
1；对差分向量进行取符号函数运算，trend=sign(diffv)，即遍历diffv，若diffv(i)大于0，则取1，若diffv(i)小于0，则取-1，否则取值为0，其中：；从尾部遍历trend向量，进行如下操作：if trend(i)=0且trend(i 1)≥0，则trend(i)=1，if trend(i)=0且trend(i 1)《0，则trend(i)=
−
1；对trend向量进行一阶差分运算，得到r=diff(trend)；遍历得到的差分向量r，如果r(i)=
−
2，则i 1为投影向量v的一个峰值位，对应的峰值为v(i 1)；如果r(i)=2，则i 1为投影向量v的一个波谷位，对应的波谷为v(i 1)。
[0010]
进一步的，所述并排目标是尺寸相同的目标。
[0011]
第二方面，本发明提供一种sar图像并排目标识别装置，包括：sar图像获取模块、图像比例判断模块、图像旋转模块、直方图生成模块、平滑处理模块、图像筛选模块及目标分割模块，其中：
sar图像获取模块用于获取sar图像；图像比例判断模块判断sar图像中目标长宽比；图像旋转模块用于获取旋转角度，对图像进行两个方向的旋转；直方图生成模块用于统计图像中每一列亮点的个数并生成第一统计直方图，并根据峰值的个数判断目标数量；平滑处理模块用于平滑处理和生成并排目标垂直图像第二统计直方图、并排目标水平图像第二统计直方图、虚景水平图像第三统计直方图及虚景垂直图像第三统计直方图，进一步通过差分算法获取图像中的所有波峰；图像筛选模块进一步对图像中的所有波峰进行筛选，得到目标数量；目标分割模块对图像目标进行等分点分割，获得每个目标的信息。
[0012]
进一步的，所述平滑处理采用七点三次函数拟合平滑。
[0013]
进一步的，所述差分算法具体包括以下步骤：设统计直方图为一维向量：v=[v1,v2,
…
,vn] ，其中vi,i∈[1,2,
…
,n]，代表图像在第i列上的亮点个数，n为正整数；计算v的一阶差分向量diffv，其中diffv(i)=v(i 1)
−
v(i)，其中i∈1,2,
…
,n
−
1；对差分向量进行取符号函数运算，trend=sign(diffv)，即遍历diffv，若diffv(i)大于0，则取1，若diffv(i)小于0，则取-1，否则取值为0，其中：；从尾部遍历trend向量，进行如下操作：if trend(i)=0且trend(i 1)≥0，则trend(i)=1，if trend(i)=0且trend(i 1)《0，则trend(i)=
−
1；对trend向量进行一阶差分运算，得到r=diff(trend)；遍历得到的差分向量r，如果r(i)=
−
2，则i 1为投影向量v的一个峰值位，对应的峰值为v(i 1)；如果r(i)=2，则i 1为投影向量v的一个波谷位，对应的波谷为v(i 1)。
[0014]
进一步的，所述并排目标是尺寸相同的目标。
[0015]
本发明的有益效果：采用本发明的sar图像并排目标识别方法，与传统的基于区域阈值的sar图像飞机并排目标分割方法相比，具有以下优点：1、目标特征对齐精度高，解决了特征对齐精确度较差的问题，本方面在面对峰刺对波峰的干扰时，采用了7点三次函数拟合平滑的平滑处理，避免了特征对齐过程中的边缘对齐不精确的问题；2、阈值适应性较高，本方面采用特定的差分算法计算直方图中所有的波峰和波谷，并且设置四个筛选规则：波峰峰值最小阈值、波峰峰值最大阈值、相邻大小的波峰数值的差距小于某个阈值、相邻大小的波峰对应的横坐标之间的差距大于某个阈值，使得本方法完全不依赖于固定的图像阈值来进行目标的精确分割，目标识别更加准确。
附图说明
[0016]
图1：基于阈值分割的sar图像飞机并排目标分割示意图。
[0017]
图2：本发明sar图像并排目标识别方法流程图。
[0018]
图3：本发明的sar图像示意图。
[0019]
图4a：本发明的并排目标示意图。
[0020]
图4b：本发明的虚景示意图。
[0021]
图5a：并排目标的垂直图像示意图。
[0022]
图5b：并排目标水平图像示意图。
[0023]
图6a：虚景的水平图像示意图。
[0024]
图6b：虚景的垂直图像示意图。
[0025]
图7a：并排目标垂直图像第二统计直方图。
[0026]
图7b:并排目标水平图像第二统计直方图。
[0027]
图8a：虚景水平图像第三统计直方图。
[0028]
图8b：虚景垂直图像第三统计直方图。
[0029]
图9a：平滑并排目标垂直图像第二统计直方图。
[0030]
图9b：平滑并排目标水平图像第二统计直方图。
[0031]
图10a：平滑虚景水平图像第三统计直方图。
[0032]
图10b：平滑虚景垂直图像第三统计直方图。
[0033]
图11：分割前的目标示意图。
[0034]
图12a：图12a第一目标分割示意图。
[0035]
图12b：图12b第二目标分割示意图。
[0036]
图12c：图12c第三目标分割示意图。
[0037]
图13：分割之前的检测与识别结果图。
[0038]
图14：分割后识别结果图。
[0039]
图15：本发明sar图像并排目标识别装置模块图。
具体实施方式
[0040]
以下结合附图对本发明的技术方案进行说明，但本领域的普通技术人员熟知，本发明的部分步骤可以省略或适当变形，只要不脱离本发明的构思范围，这些变化均属于本发明的保护范围。
[0041]
基于目标直方图波峰提取的sar图像飞机并排目标精确分割法是一种能够保图像分辨率、边缘定位准确的sar图像边缘提取方法，其核心是通过对直方图的预处理及轮廓追踪，从而确定其峰谷结构，进而找到理想的分割门限。
[0042]
请参考图2是本发明sar图像并排目标识别方法流程图，包括以下步骤：步骤101：首先获取sar图像，判断图像中目标长宽比；步骤102：进一步判断目标长宽比是否小于2，如果是，则进入步骤103，结束图像分割与目标识别；如果目标长宽比大于等于2，则进入步骤104，摆正图像目标，生成第一统计直方图，根据峰值的个数判断目标数量；步骤105进一步获取旋转角度，对图像进行两个方向的旋转；
步骤106针对旋转后的图像按列统计每一列亮点的个数，得到第二统计直方图和第三统计直方图；步骤107进一步平滑处理并排目标垂直图像第二统计直方图、并排目标水平图像第二统计直方图、虚景水平图像第三统计直方图及虚景垂直图像第三统计直方图，并通过差分算法获取图像中的所有波峰；步骤108进一步对平滑处理后的图像中的所有波峰进行筛选，得到目标数量；步骤109最后对平滑处理后的图像目标进行等分点分割，获得每个目标的信息。
[0043]
请参考图3本发明的sar图像示意图，该图像中存在飞机目标并排摆放，在进行图像检测时，容易将多个并排目标检测为单个目标，在进行目标识别时则无法准确的提取目标特征，从而导致目标识别结果产生偏差，影响目标识别率，所以，进行并排目标的判断及分割是首先必须要进行的步骤，将并排目标正确的分割，既可以提高目标识别率也可以剔除检测过程中无法筛掉的虚景。
[0044]
由于现实中飞机目标的长度和宽度差距较小，所以在sar图像中单个飞机目标的长宽比接近1，最大不超过2，而并排目标图像中是多个目标有序并排摆放，所以其宽度不变，长度是多个飞机的长度，其长宽比大于2，所以通过目标的长宽比进行判断是否为多目标并排。
[0045]
当长宽比小于2时，目标为单个目标不需要进行分割；当长宽比大于等于2时，待识别目标为并排目标或虚景，需要进行目标分割，图3中的飞机目标为斜向停放，无法判断并排飞机的数量，首先需要将图像中的飞机目标正向摆正，统计图像中每一列的亮点个数并生成第一统计直方图，根据峰值的个数判断目标数量，根据长宽比判断出并排目标，如图4a所示为三个目标并排摆放，图4b为虚景示意图。
[0046]
进一步获取图像需要旋转的角度，由于目标图像并排摆放，其最小外接矩形的两个边必有一个和目标朝向是一致的，所以首先根据目标最小外接矩形的四个顶点，求出其两条边的方向，得到旋转角度，再通过角度计算仿射变换的变换矩阵，根据变换矩阵对目标进行旋转变换，得到两个方向上的变换后的图像，对图4a和图4b的图像分别进行两个方向的旋转，得到图5a所示并排目标的垂直图像示意图、图5b所示并排目标的水平图像示意图、图6a所示虚景水平图像示意图及图6b所示虚景垂直图像示意图。
[0047]
进一步对图5a所示并排目标的垂直图像示意图和图5b所示并排目标的水平图像示意图分别按列统计每一列的亮点的个数，生成如图7a并排目标垂直图像第二统计直方图及图7b所示并排目标水平图像第二统计直方图，其中一个直方图是飞机机头或者机尾朝上，另外一个直方图是飞机机头或者机尾朝左，直方图呈现有起有落，具有多个波峰和波谷的波浪线。
[0048]
对图6a所示虚景水平图像示意图及图6b所示虚景垂直图像示意图分别按列统计每一列的亮点的个数，生成如图8a所示虚景水平图像第三统计直方图及图8b所示虚景垂直图像第三统计直方图，直方图呈现只有一个波峰的图像。
[0049]
从图7a、图7b、图8a及图8b可以明显观察到，并排目标的直方图由于成像不完全的原因，出现不该有的峰刺，这些峰刺对波峰的检测具有干扰性，所以需要对直方图进行平滑处理，所述平滑处理采用七点三次函数拟合平滑，分别得到图9a平滑并排目标垂直图像第二统计直方图、图9b平滑并排目标水平图像第二统计直方图、图10a平滑虚景水平图像第三
统计直方图及图10b平滑虚景垂直图像第三统计直方图，通过平滑处理使得直方图相对比较平滑，波峰更加突出，进一步通过差分算法获取所有的波峰，具体步骤如下： 步骤1071：设统计直方图为一维向量：v=[v1,v2,
…
,vn] ，其中vi,i∈[1,2,
…
,n]，代表图像在第i列上的亮点个数；步骤1072：计算v的一阶差分向量diffv，其中diffv(i)=v(i 1)
−
v(i)，其中i∈1,2,
…
,n
−
1；步骤1073：对差分向量进行取符号函数运算，trend=sign(diffv)，即遍历diffv，若diffv(i)大于0，则取1；若diffv(i)小于0，则取-1，否则取值为0，其中：；步骤1074：从尾部遍历trend向量，进行如下操作：if trend(i)=0且trend(i 1)≥0，则trend(i)=1，if trend(i)=0且trend(i 1)《0，则trend(i)=
−
1；步骤1075：对trend向量进行一阶差分运算，得到r=diff(trend)；步骤1076：遍历得到的差分向量r，如果r(i)=
−
2，则i 1为投影向量v的一个峰值位，对应的峰值为v(i 1)；如果r(i)=2，则i 1为投影向量v的一个波谷位，对应的波谷为v(i 1)。
[0050]
进一步对图像中的所有波峰进行筛选，得到目标数量，具体过程为：由差分算法计算得到直方图中所有的波峰和波谷，波峰的位置就是飞机目标机头所在的位置，所以波峰的个数也是机头的个数，也就是并排飞机的个数，由于经过平滑处理之后的直方图依然存在部分无效波峰，所以需要对波峰进行筛选得到真实有效的波峰，由于波峰值在直方图中较大，两个波峰之间的距离较远，而两个波峰数值的差距较小，因此采取如下四个筛选策略进行筛选：规则1：波峰峰值最小阈值筛选；规则2：波峰峰值最大阈值筛选；规则3：相邻大小的波峰数值的差距小于某个阈值筛选；规则4：在规则3中对应的横坐标之间的差距大于某个阈值筛选。
[0051]
最后对图像目标进行等分点分割，获得每个目标的信息，筛选得到的并排飞机直方图中所有的波峰对应并排停放的飞机数量，假设获得m个波峰，则目标中存在m架飞机，进一步将m架飞机逐个进行目标切割分解为m个子目标，由于波谷求取比较困难，且不易设置筛选条件，因此放弃波谷计算，波谷所在的位置是分割线所在的位置。由于波谷无法准确获取，本发明设定并排摆放的飞机均属于同类型号且同等大小的飞机，在成像结果中，并排中的飞机大小和朝向基本一致，因此通过等分点确定分割线，如果有m架并排飞机，则计算m-1个等分点，设线段两个端点的坐标为（x1，y1）及（x2，y2），则第k个等分点的坐标为：。
[0052]
通过获取所有等分点的坐标，可以确定每个子目标在原始图像中的位置，再通过
每个子目标的四个顶点的坐标确定其最小外接矩形，进一步结合原图及筛选结果，获取该子目标的所有属性，分割前的目标如图11所示。
[0053]
分割前检测结果与识别结果如图13所示，依次将该目标的所有子目标进行分割，并循环将所有并排目标进行分割，得到分割之后的所有单个飞机目标，分割之后的所有目标如图12a第一目标分割示意图、图12b第二目标分割示意图及图12c第三目标分割示意图所示，该图图12a、图12b及图12c的目标分别对应图11的三个飞机目标。
[0054]
由于虚景的直方图不具有并排目标直方图的规律，本发明还可以根据波峰的求取以及筛选规则，通过波峰进行虚景的剔除，分割及去除虚景之后的识别结果如图14所示。
[0055]
采用本发明的sar图像并排目标识别方法，目标特征对齐精度高，解决了特征对齐精确度较差的问题，本方面在面对峰刺对波峰的干扰时，采用了七点三次函数拟合平滑的平滑处理，避免了特征对齐过程中的边缘对齐不精确的问题，同时阈值适应性较高，目标识别更加准确。
[0056]
本发明还提供一种sar图像并排目标识别装置，所述装置包括：sar图像获取模块201、图像比例判断模块202、图像旋转模块203、直方图生成模块204、平滑处理模块205、图像筛选模块206及目标分割模块207，其中：sar图像获取模块201用于获取sar图像，图像比例判断模块202判断sar图像中目标长宽比；图像旋转模块203用于获取旋转角度，对图像进行两个方向的旋转，直方图生成模块204用于统计图像中每一列亮点的个数并生成第一统计直方图，并根据峰值的个数判断目标数量；平滑处理模块205用于平滑处理和生成并排目标垂直图像第二统计直方图、并排目标水平图像第二统计直方图、虚景水平图像第三统计直方图及虚景垂直图像第三统计直方图，进一步通过差分算法获取图像中的所有波峰；图像筛选模块206进一步对图像中的所有波峰进行筛选，得到目标数量；目标分割模块207对图像目标进行等分点分割，获得每个目标的信息。
[0057]
尽管已经采用最佳实施例对本发明的构思进行了说明，但本领域的普通技术人员可以将其中的部分步骤省略或简单变化，从而实现本发明的发明目的，这些变化或简单变形均属于本发明权利要求书的保护范围。