1.一种基于改进活动轮廓模型的SAR图像目标检测方法,其特征在于,包括如下步骤:步骤1,输入待检测的SAR图像,设其像素强度为I(x),图像尺寸为H×W像素;
步骤2,利用待检测的SAR图像,按照如下公式计算边缘检测算子g(x):其中,r为一个极小值, 表示二维梯度运算;
步骤3,对各项参数进行初始化处理:设置最大迭代次数为N,初始迭代次数为n=0,迭代终止条件ε,并根据待检测SAR图像分别设置时间步长τ和参数θ,将待检测的SAR图像I(x)利用最大值进行归一化,并作为初始的水平集函数u(0),即 设置初始的正则化辅助变量v(0)=u(0),初始的对偶变量p(0)=(p1(0),p2(0))=0,其中p1和p2分别为沿着列方向和沿着行方向的梯度值;
步骤4,根据能量泛函最小化准则进行目标轮廓曲线演化,迭代更新水平集函数u和正则化辅助变量v,得到最终的目标轮廓曲线u;
步骤5,根据目标轮廓曲线演化结果u,得到目标检测结果。
2.根据权利要求1所述的方法,其中步骤4根据能量泛函最小化准则进行目标轮廓曲线演化具体按照以下方式进行:
4a)更新水平集函数u:
4a1)利用如下公式计算div(p(n)):式中,div(·)表示散度运算,其中p(n)为迭代n次后的对偶变量,i和j分别表示行列索引,p=(p1,p2)是满足下列等式的对偶变量:
4a2)利用div(p(n))计算第n+1次迭代过程中对偶变量p的值p(n+1):其中v(n)表示第n次迭代过程中的正则化辅助变量;
4a4)根据计算得到的p(n+1),计算第n+1次迭代过程中u函数的值,即u(n+1)=v(n)-θdiv(p(n+1));
4b)更新正则化辅助变量v:
4b1)基于Gamma分布假设和Bhattacharyya距离度量,分别利用下式分别计算轮廓内外区域的能量值e1和e2:其中,Γ(·)表示标准的伽马函数,ln(·)表示对数运算,(αx,βx)表示以像素点x为中心的局部区域内像素服从的Gamma分布参数对,(αin,βin)和(αout,βout)分别表示轮廓内部局部区域和轮廓外部局部区域对应的Gamma分布参数对, 具体地,(αx,βx)可由下式计算得到:
αx=μ2/σ2,βx=αx/μ
其中,μ和σ2分别表示局部区域内的像素强度均值和方差;(αin,βin)和(αout,βout)分别可由下式计算得到:其中, 和 分别表示轮廓内部局部区域
的像素强度均值和方差, 和 分别表示
轮廓外部局部区域的像素强度均值和方差,式中H(φ)和H(-φ)分别表示轮廓内部和轮廓外部的水平集函数取值;
4b2)根据计算得到的u(n+1)、e1和e2,更新第n+1次迭代过程中v函数的值v(n+1):v(n+1)=min{max{u(n+1)-θ(λ1e1-λ2e2),0},1}其中λ1,λ2为权值系数;
4c)更新迭代次数n=n+1;
4d)判断是否满足终止条件||u(n+1)-u(n)||2≤ε或者n>N,若满足,则终止迭代,输出目标轮廓曲线演化结果u;否则,继续执行步骤4a)~步骤4d)之间的操作。
3.根据权利要求1所述的方法,其中步骤5根据目标轮廓曲线演化结果u得到目标检测结果具体按以下方式进行:对于任一像素点x,x∈x,若u(x)≥0.5,则将其视为目标像素点;否则视为杂波像素点;
在对所有像素点进行判别之后,得到目标检测结果。