[发明专利]基于最优分数域Gabor谱特征的SAR目标检测方法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于最优分数域Gabor谱特征的SAR目标检测方法，可用于SAR目标的检测，其基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)与时频分析方法(Time Frequency Analysis,TFA)，提取图像的分数域Gabor谱特征，从而高精度检测出目标。 

背景技术

SAR具有全天时、全天候、穿透能力强、分辨率高等特点，已被广泛运用于军事侦察、地形测绘、地质勘探、海洋应用、农林监测、水资源利用和科学研究等领域。SAR发展迅速，SAR图像系统的信息获取技术明显超前于SAR图像成像后的信息处理技术，因此各个国家都对SAR ATR（Automation Target Recognition,ATR）展开了大量研究工作。SAR目标检测是SAR ATR的关键环节。 

FrFT实际上就是Fourier变换的广义形式。FrFT的概念其实最早在1929年，就由N.Wiener提出，但是并没有受到太多的瞩目。1980年Namias从特征值和特征函数的角度，以纯数学的方式重新提出它的概念，并揭示了FRFT的几个特性以后，FrFT变换逐渐受到各国学者的重视。1993年Almeida指出分数阶傅里叶变换可以理解为时频平面的旋转。1996年Ozaktas等提出了一种计算量与FFT相当的离散算法后，开始出现大量相关研究文章。目前FrFT已广泛应用于雷达、声纳、通信、信息安全等众多领域。 

时频分析的思想始于上世纪四十年代年D.Gabor提出的Gabor变换。常用的时频分析方法包括短时傅里叶变换（Short Time Fourier Transform，STFT）、Gabor变换（Gabor Transform，GT）、小波变换、Winger-Vile分布(Wigner-Vile Distributioan，WVD)、S变换等。Gabor变换是通过时域窗函数将时间信号进行截断，对截断后的局部信号做Fourier变换，并表示为时间和频率的联合分布，来揭示信号的时变谱特征，满足瞬时信号分析的要求，更适用于非平稳信号的研究。对图像信号进行时频分析实际上就是进行图像信号的空间-频率分析。 

近年来兴起的分数域时频分析方法正是在FrFT的基础上发展起来的。与传 统时频分析方法相比，在某些条件下，分数域时频分析能够取得更好的效果，这是因为分数域时频分析方法比传统时频分析多了一个分数域参量。目前，分数域时频分析方法已经被广泛用在科学研究与工程应用的很多相关领域，如相位恢复、信号重构、信号检测、参数估计、分数域滤波器设计、神经网络、图像数字水印、图像加密、油气勘测等。 

由于SAR图像的成像机理，所以其不能很好的描述轮廓和细节；其次，是SAR目标对方位角敏感，因此，不同目标及不同照射方位下所形成的SAR图像，其背景散射强度与目标散射强度也不相同；而且，SAR图像存在特有的斑点噪声，且在成像过程中辐射特征以及几何特征发生畸变，常规的图像检测方法不适用于SAR目标检测当中，因此需要一个高精度，抗噪性强的检测方法。 

发明内容

针对上述现有技术，本发明的目的在于如何提供一种基于最优分数域Gabor谱特征的SAR目标检测方法，其旨在抑制SAR图像相干斑噪声，提升传统Gabor变换时频的聚集性，改善时频分布，并能更精确的完成SAR目标检测。 

为达到上述目的，本发明采用如下技术方案： 

一种基于最优分数域Gabor谱特征的SAR目标检测方法，其特片在于，包括如下步骤： 

步骤一:读入m×n SAR图像信号； 

步骤二:将所述SAR图像信号按行、列方向展开为1×MN和MN×1的信号； 

步骤三：对两个方向的信号设计最优窗函数，并分别对它们做GT； 

步骤四：对两个方向得到的空间-频率谱做FrFT，并搜索最优变换阶次，改善空间-频率分布； 

步骤五：对经过步骤三和步骤四优化后的空间-频率谱进行能量衰减梯度特征提取，分别得到两个方向的特征表示； 

步骤六：将两个方向的特征表示对应空间位置做乘积，从而得到原始SAR图像的特征空间，完成检测。 

所述步骤三具体又分解为如下步骤： 

步骤3.1：对行方向信号进行GT后，得到MN×MN的空间-频率谱，利用FrFT的旋转性，并结合广义时频带宽积准则(Generalized Time-Frequency band product,GTBP)设计出最优窗；