[发明专利]基于高分辨率合成孔径雷达图像的舰船检测方法

说明书

技术领域

本发明属于雷达图像识别技术领域，特别是一种基于高分辨率合成孔径雷达图像的舰船检测方法，可用于对海面上的舰船目标进行检测与鉴别。

背景技术

舰船检测广泛地应用于海事监控、渔业管理、海上船只交通监控等领域，尤其在提高海事安全、监控非法运营船只等方面，具有重要的作用。自从1978年SEASAT卫星发射成功以来，大量的舰船检测方法依赖于合成孔径雷达SAR图像。与光学图像相比，SAR图像受时间、天气等条件影响较小，因此更适于舰船检测。2007年，三颗具有高分辨率SAR传感器的卫星发射成功，包括加拿大的RADARSAT-2卫星、意大利的COSMO-SkyMed和德国的TerraSAR-X。它们提供了分辨率在1米左右的高分辨率SAR数据，这些数据为基于高分辨率SAR图像的舰船检测方法的研究提供了新的契机。

基于SAR图像的舰船检测系统通常包含了三个模块：陆海分离；预先筛选，也称为目标检测；以及目标鉴别。

预先筛选的目的是为了提取出图像中潜在的舰船目标，也就是候选舰船目标。传统的方法主要有两类。第一类方法使用恒虚警检测技术。这些技术通过提取与背景杂波相比，具有高强度的像素点来检测目标。在实现时，通过将像素点值与一个根据背景杂波统计特性估计出来的门限相比，来检测目标像素。这类方法在估计杂波分布参数以及与虚警率相关的门限值方面，具有较大的运算量。而且，它们需要假设背景杂波的分布模型，这些假设的模型也许并不适用于实际中所观察到的任意的、复杂的杂波数据。第二类方法依赖于子孔径图像分析。这类方法基于以下原理，人造目标与背景杂波相比，在不同的子孔径之间会体现会非平稳性和高相关性的特点。子孔径方法不需要假设观察数据的先验分布。这些方法通过将原始的图像分解成一组子孔径图像，并分析子孔径图像之间的相关性来提取目标像素。已有的方法大多只将原始图像分解成两幅子孔径图像进行分析。在分析时，有的方法只考虑复数子图像的幅度信息而忽略了相位信息。因此检测精度并不够高。

预先筛选步骤完成后，得到了候选舰船。此时，通常存在大量的虚警。目标鉴别的目的就是进一步降低虚警。在舰船目标的鉴别方面，由于以往缺乏训练数据以及SAR图像分辨率较低的原因，已有的方法非常少。而且这些少量的方法也仅使用了非常简单的鉴别策略，例如根据强度筛选。对于高分辨率图像，这些已有的鉴别方法不能充分利用高分辨率图像中目标所包含的精细特征信息，影响鉴别效果。上述已有检测与鉴别方法的不足，导致整个舰船检测系统最终的目标检测效果差。

发明内容

本发明主要针对上述已有技术的不足，提出一种基于高分辨率SAR图像的舰船检测方法，以在检测阶段充分利用多幅子孔径图像所包含的幅度与相位信息，在鉴别阶段充分利用高分辨率图像中目标的精细特征信息，提高舰船检测系统的整体性能。

实现本发明目的技术关键是：在预先筛选阶段，利用多幅子孔径图像之间的相位相关性信息以及各个子孔径图像的幅度信息，提高图像中目标与背景杂波的对比度，在鉴别阶段，除了借鉴用于高分辨率SAR图像车辆目标鉴别的三种经典纹理特征外，还提出了一种新的基于区域协方差矩阵的鉴别特征，并结合适用于小样本问题的K近邻鉴别器完成鉴别，正确获取图像中大多数真实舰船目标的位置、形状及轮廓。

其具体实现步骤包括如下：

(1)预先筛选步骤：

1a)将原始的单视复数型SAR图像分解为N幅子孔径图像，2≤N≤16；

1b)对原始图像中的每一个像素点s，计算N幅子孔径图像中对应像素点处的N个随机变量s_i，i＝1，2，...，N之间的归一化相关矩阵R_s，并计算检测统计量图像中对应像素点处的值ρ_IC：

ρ_IC＝log[<|s₁|²><|s₂|²>...<|s_N|²>(1-|R_s|)]

其中，|s_i|表示s_i的模值，|R_s|表示R_s的行列式，<g>表示空间平均，log(g)表示取自然对数；