技术特征：
1.一种合成孔径雷达图像舰船目标协同增强方法，其特征在于，包括以下步骤：输入原始合成孔径雷达sar图像，并获取所述sar图像中含有舰船目标的所有sar图像切片的切片集合，以获得所述切片集合中的超像素；基于所述切片集合计算出所述切片集合中所有超像素的局部灰度对比度，根据直方图信息计算得到所述局部灰度的超像素直方图密度值；基于所述超像素直方图密度值，计算得到交叉相关特征；基于所述交叉相关特征进行特征融合，获得图像增强结果并输出。2.根据权利要求1所述的方法，其特征在于，所述局部灰度对比度由下面公式计算得到：其中，为局部灰度对比度，m表示超像素的索引，m＝1,2,
…
,,表示第n个sar图像切片中超像素的数量，δ
n,m
表示第n个sar图像切片中第m个超像素的平均灰度值，表示第n个sar图像切片中第m个超像素的邻接超像素的索引集合，p表示中的元素。3.根据权利要求2所述的方法，其特征在于，所述根据直方图信息计算得到所述局部灰度的超像素直方图密度值，包括：预设表示第n个sar图像切片中的直方图信息，则所述超像素直方图密度值，由下面公式计算得到：其中，表示落在以为中心的直方图各自中的数量，k表示直方图划分的各自的数量,k表示直方图中格子的索引，表示截断距离，ρ
n,m,q
为超像素直方图密度值，indi(.)为当括号内的值小于零时，indi(.)输出1，否则输出0，q表示sar图像切片的索引，q＝1,2,
…
,n。4.根据权利要求3所述的方法，其特征在于，所述交叉相关特征由下面公式计算得到：其中，为交叉相关特征，φ
q
为ρ
n,m,q
的权重。5.根据权利要求4所述的方法，其特征在于，所述φ
q
由下面公式计算得到：φ
q
＝1/[1+κln(1+ε
q
)]其中，κ＝50为常数，ε为f
ta
[θ
(intra)
]和f
ca
[θ
(intra)
]交叉点曲线下面积。6.根据权利要求5所述的方法，其特征在于，预设第n个切片中的目标和杂波的服从两个不同的gamma分布，则所述f
ta
[θ
(intra)
]和f
ca
[θ
(intra)
]由下面公式计算得到：
其中，ta表示目标区域，ca表示杂波区域，ξ和μ表示gamma分布的形状参数和尺度参数，γ(.)表示gamma函数。7.根据权利要求6所述的方法，其特征在于，预设0<θ
*
<+∞表示所述f
ta
[θ
(intra)
]和f
ca
[θ
(intra)
]的交叉点，则所述ε由下面公式计算得到：其中，γ(.,.)表示下不完备gamma函数。8.根据权利要求1所述的方法，其特征在于，所述图像增强结果由下面公式计算得到：其中，n＝1,2,
…
,n，m＝1,2,
…
,,为图像增强结果。9.根据权利要求4所述的方法，其特征在于，所述方法还包括，对ρ
n,m,q
进行归一化：10.一种合成孔径雷达图像舰船目标协同增强装置，其特征在于，包括：像素获取模块，用于输入原始合成孔径雷达sar图像，并获取所述sar图像中含有舰船目标的所有sar图像切片的切片集合，以获得所述切片集合中的超像素；第一计算模块，用于基于所述切片集合计算出所述切片集合中所有超像素的局部灰度对比度，根据直方图信息计算得到所述局部灰度的超像素直方图密度值；第二计算模块，用于基于所述超像素直方图密度值，计算得到交叉相关特征；融合输出模块，用于基于所述交叉相关特征进行特征融合，获得图像增强结果并输出。
技术总结
本发明公开了一种合成孔径雷达图像舰船目标协同增强方法和装置，其中，该方法包括：输入原始合成孔径雷达SAR图像，并获取SAR图像中含有舰船目标的所有SAR图像切片的切片集合，以获得切片集合中的超像素；基于切片集合计算出切片集合中所有超像素的局部灰度对比度，根据直方图信息计算得到局部灰度的超像素直方图密度值；基于超像素直方图密度值，计算得到交叉相关特征；基于交叉相关特征进行特征融合，获得图像增强结果并输出。本发明通过开发不同SAR图像切片之间基于密度特征的相关性，协同增强其中的弱目标、抑制强海杂波，有利于后续目标检测性能的提升。后续目标检测性能的提升。后续目标检测性能的提升。
技术研发人员：李刚 王学谦 刘瑜 何友
受保护的技术使用者：中国人民解放军海军航空大学
技术研发日：2021.12.28
技术公布日：2022/4/26