【技術實現步驟摘要】
本專利技術涉及sar運動目標陰影檢測，具體地，涉及基于信息幾何理論的高精度視頻sar運動目標檢測方法。
技術介紹
1、視頻sar由于其具有持續監測目標區域變化的能力，在軍事決策、智慧城市、交通監管等領域有著廣泛的應用。在視頻sar系統中，由于雷達的載波頻率較高，運動目標回波的多普勒調制對目標的移動非常敏感。即使是很小的運動也會導致sar圖像中的運動目標成像出現較大的偏移和散焦，但運動目標留下的陰影可以反映運動目標在sar圖像序列中的實際位置和狀態信息。因此，與傳統sar系統相比，在視頻sar圖像序列中，運動目標的陰影更容易被觀察到，利用運動目標陰影進行檢測是更為直接和有效的手段。
2、目前，在傳統的視頻sar運動目標陰影檢測技術中，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動目標檢測方法。
3、基于差分的檢測方法首先通過多幀連續的視頻sar圖像估計背景圖像，再將背景圖像與當前待檢測圖像進行差分運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動信息與背景差分得到的二值圖做與運算，最后對上一步結果進行形態學處理提取運動目標陰影區域。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，檢測框會出現滯后的現象；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，因此很容易在運動目標陰影區域出現空洞與雙邊現象，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，獲取圖像中的運動目標陰影區域。但閾值分割方法是基于圖像的直方圖信息進行分割，忽略了視頻sar圖像的空間信息和邊緣信息，因此易出現漏檢和虛警過高的問題。
技術實現思路
1、為了解決上述問題，本專利技術的目的在于提供基于信息幾何理論的高精度視頻sar運動目標檢測方法，解決傳統的視頻sar運動目標陰影檢測方法存在不足的技術問題，在保證檢測精度的前提下，提高視頻sar運動目標陰影的檢測概率。
2、為了實現上述目的，本專利技術的技術方案如下：
3、本專利技術提供了基于信息幾何理論的高精度視頻sar運動目標檢測方法，包括以下步驟：
4、s1.對視頻sar圖像序列進行陰影增強與背景抑制；
5、s2.基于信息幾何理論的roi區域提取；
6、s3.通過錯檢抑制，有效去除虛假roi區域。
7、進一步的，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.設置混合高斯個數，并對視頻sar圖像序列所組成的數據矩陣x進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.利用在線子空間學習技術更新低秩矩陣u*vt，與原始的視頻sar圖像相減得到包含視頻sar運動目標陰影的前景圖像；
13、s14.利用交替方向乘子算法去除前景圖像中包含的強散點物體成像，得到經過陰影增強與背景抑制的視頻sar圖像序列，即增強圖像。
14、進一步的，所述s2包括以下步驟：
15、s21.將增強圖像在坐標像素處鄰域內的所有像素構成一個鄰域系統，構建描述該點的統計分布；
16、s22.計算js散度描述高斯統計流形中的幾何距離進行模式的分析，捕捉圖像中的局部信息特征；
17、s23.遍歷圖像的每個像素，得到增強圖像相應的js散度矩陣，計算聯合概率分布jpdf；
18、s24.利用最小交叉熵算法進行閾值選取，提取增強圖像的roi區域。
19、進一步的，所述s21包括以下步驟：
20、s211.將增強圖像在(x,y)像素處n*n鄰域內的所有像素構成一個鄰域系統，計算該鄰域系統內所有像素的均值μ和方差σ，利用高斯分布描述該鄰域系統的統計分布：
21、
22、s212.以當前(x,y)像素處的灰度強度值為均值μ′，給定一個極小的方差σ′，構建描述該點的統計分布：
23、
24、進一步的，所述s22包括以下步驟：
25、s221.由參數θ＝(μ,σ)t構成的概率分布族組成一個統計模型s＝{p(x|θ)|θ∈θ}，s在一定的拓撲結構下構成一個可微的高斯統計流形；
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計流形中的幾何距離，進行模式的分析；
27、s223.將js散度的數值歸一化，在高斯統計流形上，js散度解釋當前位置的像素灰度值與其鄰域系統分布之間的幾何關系，幫助捕捉圖像中的局部信息特征。
28、進一步的，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，得到該增強圖像相應的js散度矩陣；
34、s232.設nij為灰度值和js散度之間的聯合出現次數，將nij中的每個元素除以增強圖像的總像素數得到歸一化后的聯合概率分布jpdf。
35、進一步的，所述s3包括以下步驟：
36、s31.計算當前幀的梯度圖像，利用所述梯度圖像進行錯誤roi區域的剔除；
37、s32.利用數據關聯算法進行多幀的虛警抑制。
38、進一步的，所述s31包括以下步驟：
39、s311.采用sobel算子對圖像邊緣處進行檢測，計算原始視頻sar圖像的灰度級相對變化，得到當前原始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區域的重合面積，對重合面積大于閾值的roi區域進行剔除。
41、進一步的，所述s32包括以下步驟：
42、s321.提取每個roi區域的質心位置以及對應的時間幀編號，作為特征向量；
43、s322.設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的檢測點進行關聯，識別出可能的真實目標；
44、s323.在多幀中一致性較強的檢測點被認為是有效目標，符合一定的關聯次數與質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...
【技術保護點】
1.基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S1包括以下步驟：
3.根據權利要求1所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S2包括以下步驟：
4.根據權利要求3所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S21包括以下步驟：
5.根據權利要求3所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S22包括以下步驟：
6.根據權利要求5所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S222中的JS散度計算公式如下：
7.根據權利要求3所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S23包括以下步驟：
8.根據權利要求3所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S3包括以下步驟：
9.根據
10.根據權利要求8所述的基于信息幾何理論的高精度視頻SAR運動目標檢測方法，其特征在于，所述S32包括以下步驟：
...【技術特征摘要】
1.基于信息幾何理論的高精度視頻sar運動目標檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于信息幾何理論的高精度視頻sar運動目標檢測方法，其特征在于，所述s1包括以下步驟：
3.根據權利要求1所述的基于信息幾何理論的高精度視頻sar運動目標檢測方法，其特征在于，所述s2包括以下步驟：
4.根據權利要求3所述的基于信息幾何理論的高精度視頻sar運動目標檢測方法，其特征在于，所述s21包括以下步驟：
5.根據權利要求3所述的基于信息幾何理論的高精度視頻sar運動目標檢測方法，其特征在于，所述s22包括以下步驟：
6.根據權利要求5...
【專利技術屬性】
技術研發人員：付耀文，顏上取，張文鵬，楊威，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。