1.一种基于局部显著性增强的CFAR舰船目标检测方法,其特征在于:该方法包括下列顺序的步骤:(1)获取待检测的原始SAR图像,设计对角‑斜对角线滑动窗口;
(2)对待检测的原始SAR图像进行局部灰度特征差异性度量,得到局部灰度特征对比度检测结果;
(3)对待检测的原始SAR图像进行局部纹理特征差异性度量,得到局部纹理特征对比度检测结果;
(4)融合局部灰度特征对比度检测结果和局部纹理特征对比度检测结果,得到目标增强显著图,然后根据目标增强显著图进行基于广义伽马分布的CFAR目标检测,得到舰船目标检测结果。
2.根据权利要求1所述的基于局部显著性增强的CFAR舰船目标检测方法,其特征在于:所述步骤(1)具体是指:任选公开数据集HRSID中的多目标场景SAR作为待检测的原始SAR图像,设计对角‑斜对角线滑动窗口,所述对角‑斜对角线滑动窗口分为三层,第一层为目标窗口T,第二层为保护窗口P,第三层为对角‑斜对角线上的四邻域背景窗口B1、B2、B3、B4。
3.根据权利要求1所述的基于局部显著性增强的CFAR舰船目标检测方法,其特征在于:所述步骤(2)具体是指:
基于局部窗口区域块间的灰度强度对比度,定义目标块与其周围杂波背景块之间的灰度非相似性,灰度非相似性的计算公式为:其中,μT表示局部滑窗区域中目标块的灰度均值, 表示周围四个背景块的灰度均值;当 时,目标块的灰度均值与周围杂波背景块的灰度均值相差越大,则灰度非相似性Lg就越大;反之,当 时,则不做灰度比较处理直接将灰度非相似性Lg置1;
结合目标块的强度特征,以及目标块与其周围杂波背景块间的灰度非相似性经局部滑窗处理,得到局部灰度特征对比度检测结果Cg为:式中,(p,q)为目标块T的中心坐标, 表示目标块T的第j个最大灰度值,N为最大灰度值个数;当目标块的灰度均值大于背景块的灰度均值且相差越大时,对目标块的灰度增强效果就越强;反之,当目标块的灰度均值小于背景块的灰度均值时,则对目标块的灰度特征不做处理。
4.根据权利要求1所述的基于局部显著性增强的CFAR舰船目标检测方法,其特征在于:所述步骤(3)具体是指:
基于LBP描述的局部纹理结构的矩阵模式表示为:
其中,xc代表窗口中心像素点处的灰度值,x(i,j)表示该窗口区域中的任意像素点的灰度值,L代表窗口的大小;将S取值为1的像素点记为亮像素,将S取值为0的像素点记为暗像素;
对局部LBP描述的非均匀纹理结构进行纹理强度特征值提取,则局部纹理强度特征值的计算公式如下:式中,m=|x(i,j)‑xc|,i,j=1,2,...,L表示L×L局部区域块的中心像素点与其余邻域像素点的灰度差的绝对值,则|D|max和|D|min分别表示灰度差值绝对值中的最大值与最小值,P(m)表示取值为m时的概率;
对全局SAR图像经滑窗计算得到局部纹理特征对比度检测结果Cte为:式中,LcT表示滑窗中心目标块的纹理强度特征值, 表示周围杂波背景块的纹理强度特征值, 表示L×L目标块区域中像素强度大于或等于中心像素强度的所有亮像素点的灰度均值; 表示L×L目标块中像素强度小于中心像素强度的所有暗像素点的灰度均值, 表示目标块的亮暗对比度。
5.根据权利要求1所述的基于局部显著性增强的CFAR舰船目标检测方法,其特征在于:所述步骤(4)具体是指:
融合局部灰度特征对比度检测结果和局部纹理特征对比度检测结果,其计算公式为:Cs=Cg×Cte
其中,Cg为局部灰度特征对比度检测结果,Cte为局部纹理特征对比度检测结果,Cs为目标增强显著图;
针对融合后的目标增强显著图进行基于广义伽马分布的CFAR目标检测,具体是指:基于广义伽马分布模型对目标增强显著图Cs进行CFAR舰船目标检测,广义伽马分布的概率密度函数定义为:上式中,δ、v和k分别代表尺度参数、功率参数和形状参数,Γ(·)表示伽马函数;
检测门限和虚警概率之间的关系为:
式中,QInv表示逆不完全伽马函数,Pfa为虚警概率;
基于上式计算所得的检测门限Th针对目标增强显著图Cs进行目标二值检测,即当Cs中的任意像素点处的值大于或等于检测门限Th时,则将该像素点视为目标像素点,反之,则视为背景像素点,得到舰船目标检测结果Cdetection表示为:其中,(i,j)表示目标增强显著图Cs中的任意像素点位置,当Cdetection(i,j)=1时,像素点表示目标像素,当Cdetection(i,j)=0时,像素点表示背景像素。