1.一种基于人眼视觉注意机制的SAR图像舰船检测方法,包括以下步骤:步骤1、计算输入SAR图像的亮度特征矩阵、局部对比度特征矩阵与全局对比度特征矩阵,进而构建高斯金字塔,利用高斯金字塔计算得到多个尺度下的亮度特征图、局部对比度特征图与全局对比度特征图;具体为:步骤1-1:计算输入SAR图像的亮度特征矩阵:
其中,fl为亮度特征矩阵,I为输入SAR图像的像素矩阵,(i,j)为像素点坐标;
步骤1-2:计算输入SAR图像的局部对比度特征矩阵;
采用滑动窗口扫描整个输入SAR图像,计算每一个窗口的局部对比度特征:将窗口T(i,j)等分为9个区域;针对中心区域,搜寻区域内像素点的最大值Lmax;针对除中心区域外的其他区域,计算每一个区域内的像素均值,并搜寻像素均值的最大值Lmax;计算局部对比度特征为:其中,floc为局部对比度特征矩阵,n为预设次幂值;
步骤1-3:计算输入SAR图像的全局对比度特征矩阵:
g(i,j)=I(i,j)-μ
其中,fglob为全局对比度特征矩阵,μ表示输入SAR图像的像素均值,N为输入SAR图像的像素点总数,α为预设阈值;
步骤1-4:对输入SAR图像的亮度特征矩阵、局部对比度特征矩阵、全局对比度特征矩阵分别进行多次降采样,依次得到亮度特征高斯金字塔、局部对比度特征高斯金字塔、全局对比度特征高斯金字塔;
步骤1-5:基于亮度特征高斯金字塔、局部对比度特征高斯金字塔、全局对比度特征高斯金字塔,利用中央-周边特征模拟感受野的工作方式,分别得到多个尺度下的亮度特征图l(c,s)、局部对比度特征图loc(c,s)与全局对比度特征图g(c,s),其中,c与s均为高斯金字塔中的尺度;
步骤2、对每一张特征图分别进行归一化操作,再将归一化后多个尺度下的亮度特征图相加得到亮度特征显著图、多个尺度下的局部对比度特征图相加得到局部对比度特征显著图、多个尺度下的全局对比度特征图相加得到全局对比度特征显著图;
步骤3、将亮度特征显著图、局部对比度特征显著图与全局对比度特征显著图进行线性加权相加,得到视觉显著图;
步骤4、对视觉显著图提取HOG特征,训练得到SVM分类器;
步骤5、采用SVM分类器,利用滑动窗口检测舰船目标,并通过非极大值抑制消除重叠的窗口,得到最终检测结果。
2.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法,其特征在于,步骤2具体为:步骤2-1:针对每一张亮度特征图l(c,s)、局部对比度特征图loc(c,s)或全局对比度特征图g(c,s)分别进行归一化操作:首先,将特征图归一化至[0,M]范围内,其中M为特征图中的全局最大值;然后计算除去全局最大值M外的局部最大值的平均值再将归一化后特征图与系数进行相乘;最后,将相乘后特征图的大小设置为与输入SAR图像相同;经归一化操作后对应得到亮度特征图l′(c,s)、局部对比度特征图loc′(c,s)或全局对比度特征图g′(c,s);
步骤2-2:将多个尺度下的特征图相加,分别得到亮度特征显著图、局部对比度特征显著图与全局对比度特征显著图:其中,L、Loc与G依次为亮度特征显著图、局部对比度特征显著图与全局对比度特征显著图。
3.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法,其特征在于,步骤3具体为:步骤3-1:将亮度特征显著图、局部对比度特征显著图与全局对比度特征显著图分别归一化至[0,1]范围内,得到归一化后亮度特征显著图局部对比度特征显著图与全局对比度特征显著图步骤3-2:将归一化后亮度特征显著图、局部对比度特征显著图与全局对比度特征显著图通过线性加权相加得到视觉显著图:其中,SM为视觉显著图;ω1、ω2与ω3均为预设权重。
4.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法,其特征在于,步骤4具体为:步骤4-1:提取视觉显著图像中的HOG特征,得到HOG特征向量;
步骤4-2:将HOG特征向量作为SVM模型的输入进行训练,得到SVM分类器。
5.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法,其特征在于,步骤5具体为:步骤5-1:采用滑动窗口扫描整个视觉显著图,采用SVM分类器对每一个窗口进行背景与目标的分类;
步骤5-2:利用非极大值抑制消除重叠框,进而得到最终检测结果。