基于自适应区域生长法的雷达回波图像目标物处理方法

本发明属于海洋遥感测量，涉及一种利用雷达回波图像处理目标物的方法，特别是一种基于自适应区域生长法的雷达回波图像目标物处理方法。

背景技术：

1、海洋中蕴含着丰富的资源，人类也对大海充满向往并不断探索。人类在探索海洋的过程中需要对周围的海洋环境进行监测，海洋环境的监测是一个多方位的系统工程，海面物理状态是核心监测部分。然而海面上目标物会降低雷达海浪纹理图像质量，影响提取信息的可靠性。所以需要一种图像处理方法处理雷达回波图像中的目标物干扰用于获得清晰的海浪图像。

2、目标物对于海浪图像属于噪声干扰，在雷达回波图像上的具体表现为高亮区域，影响着海浪参数反演的结果。传统的目标物干扰处理方法多为阈值分割的方法，但是当目标物所在区域灰度值接近海浪区域灰度值时容易造成海浪纹理的缺失，自适应区域生长法能够一定程度上的避免这种情况，但是传统的区域生长法也具有一定的局限性，即不能够判断是否有目标物产生。

技术实现思路

1、针对上述现有技术，本发明要解决的技术问题是提出一种基于自适应区域生长法的雷达回波图像处理目标物的方法。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种基于自适应区域生长法的雷达回波图像目标物处理方法，步骤如下：

4、步骤一：在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标下得到灰度图像i(x,y)，i(x,y)的大小为n*n。

5、步骤二：基于自适应区域生长判定算法，确定灰度图像i(x,y)中目标物所在位置。

6、自适应区域生长判定算法的具体步骤包括：

7、步骤2.1自适应阈值判断是否有拟目标物产生。具体步骤为：

8、步骤2.1.1求解灰度图像i(x，y)所有像素点的平均值aaverage，计算公式为；aaverage＝average(i(x，y)中所有像素点)

9、步骤2.1.2设定参数其中gray为灰度图像最大灰度值，通过平均值aaverage和参数c1确定判断阈值d1，计算公式为：

10、aaverage+c1＝d1

11、步骤2.1.3求解灰度图像i(x，y)所有像素点的最大值amax，计算公式为：

12、amax＝max(i(x，y)中所有像素点)

13、步骤2.1.4判断灰度图像i(x，y)所有像素点的最大值amax是否大于判断阈值d1，若成立则进行步骤2.2，若不成立则直接结束进程输出灰度图像i(x，y)。

14、步骤2.2梯度下降找拟目标物初始生长点并在灰度图像i(x，y)确定拟目标物区域。具体步骤为：

15、步骤2.2.1将灰度图像i(x，y)中所有像素点的灰度值进行从大到小排列，选取特定灰度值所在位置为拟目标物的生长点，其中特定灰度值选取从大到小第x位灰度值，根据实际情况确定；

16、步骤2.2.2设置滑窗大小为p*p，寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点，直到滑窗中无相似特征的像素点时停止遍历图像；

17、具有相似特征的像素点的筛选办法为：

18、c(i)(j)-ccentre＜d2

19、式中c(i)(j)表示滑窗部第i行第j列像素点的灰度值，ccentre表示滑窗二中心点的灰度值，d2为筛选阈值，若满足上式则以c(i)(j)为新的起始点继续寻找具有相似特征的像素点，直到滑窗内部上式不成立为止；

20、步骤2.2.3重复步骤2.1至步骤2.2n次，找到一部分拟目标物噪声；

21、步骤2.3最大值寻找步骤2.2中可能遗漏的拟目标物初始生长点并确定遗漏的拟目标物区域。具体步骤为：

22、步骤2.3.1将灰度图像i(x，y)中所有像素点的灰度值进行从大到小排列，选取最大灰度值所在位置为拟目标物的生长点；

23、步骤2.3.2设置滑窗大小为p*p，寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点，直到滑窗中无相似特征的像素点时停止遍历图像；

24、具有相似特征的像素点的筛选办法为：

25、c(i)(j)-ccentre＜d2

26、式中c(i)(j)表示滑窗内部第i行第j列像素点的灰度值，ccentre表示滑窗二中心点的灰度值，d2为筛选阈值，若满足上式则以c(i)(j)为新的起始点继续寻找具有相似特征的像素点，直到滑窗内部上式不成立为止；

27、步骤2.3.3重复步骤2.3m次，其中m＝x-1，找到剩余拟目标物噪声。

28、步骤2.4判断拟目标物是否为真实目标物。具体步骤为：

29、步骤2.4.1统计每个拟目标物所占像素点位numberi，并判断每个拟目标物所占像素点位总数是否大于单个目标物识别最大上限area＝m*m；拟目标物所占像素点位小于识别最大上限则可认为是拟目标物，继续步骤2.4.2；反之则认为拟目标物为虚假目标物不对这一拟目标物进行后续处理，将这一拟目标物区域的初始生长点位的像素值用灰度图像i(x，y)的平均值进行代替，这一拟目标物区域内的其他点位的像素值不进行处理，保留原值进行输出；

30、步骤2.4.2计算每一部分拟目标物的像素点的平均灰度值，计算公式为：

31、baverage＝average(单个拟目标物区域所有像素点灰度值)

32、步骤2.4.3确定目标物阈值d3；

33、步骤2.4.4判断每一部分拟目标物平均灰度值baverage是否大于d3，若成立则是真实目标物并进行步骤三，若不成立则认为拟目标物为虚假目标物，不对这一拟目标物进行后续处理，将这一拟目标物区域的初始生长点位的像素值用灰度图像i(x，y)的平均值进行代替，这一拟目标物区域内的其他点位的像素值不进行处理，保留原值进行输出；

34、步骤三：基于均值填充过渡算法，对步骤二找出的多个真实目标物进行处理。

35、均值填充过渡算法的具体实现包括：

36、步骤3.1将各目标物所在像素点的灰度值用0填充；

37、步骤3.2将灰度图像i(x，y)沿最外层镜像扩充至(n+2m)*(n+2m)用于填充；

38、步骤3.3以噪声点为中心，选择距离向和方位向距离中心点为m个点位的四个像素点的均值代替噪声点进行图像填充；

39、步骤3.4填充完的目标物边缘与周围海浪边缘进行均值计算，进行平滑处理，以使得填充目标物边缘能够与周围海浪具有相似的纹理特征。

40、本发明的有益效果：针对现有技术存在的理论局限性，通过对自适应区域生长法处理雷达回波图像的研究，本发明公开了一种基于自适应区域生长法处理雷达回波图像获得清晰海浪图像的改进方法。本方法考虑了雷达噪声产生的原因，针对具体现象，设计了一套处理方法用于消除雷达回波图像中的目标物噪声从而获得清晰的海浪图像。本发明使用x波段航海雷达进行实验，实验结果表明本方法能够有效地处理雷达回波图像以获得清晰海浪图像。与现有技术相比，利用本发明所提出的利用雷达回波图像获得清晰海浪的方法，起优点在于：

41、(1)能够较为准确的识别目标物干扰所产生的噪声点，能够针对噪声点进行有效地去除和图像修复，尽可能的还原真实的海浪图像。

42、(2)本发明考虑了降雨天气下对雷达回波图像的影响，实验结果表明，降雨天气下本发明所阐述的方法依旧能够有效地去除噪声，并进行图像的修复。

43、(3)算法整体逻辑简单易懂，容易实现，梯度计算，程序响应快，能够满足工程实用性。