[发明专利]一种强海杂波下SAR图像目标快速检测方法

说明书

一种强海杂波下SAR图像目标快速检测方法，包含：S1、采用区域分块策略，将大场景SAR图像划分若干子块SAR图像；S2、基于子孔径相干处理获取与子块SAR图像对应的目标‑杂波对比度增强的子块相干图像；S3、基于子块相干图像的显著性，筛选出含目标的目标子块相干图像及对应的目标子块SAR图像，作为候选目标子块图像；S4、对候选目标子块图像进行精细目标检测，包括：对目标子块相干图像检测低散射目标像素，对目标子块SAR图像检测目标细节轮廓，对两种检测结果融合处理；S5、对精细目标检测结果除虚警，进行区域合并，得到最终目标检测结果。本发明能检测出海面大场景SAR图像中的结构复杂和散射强度弱的目标，检测率高，虚警率低，自适应性强，计算速度快。

技术领域

本发明涉及一种目标快速检测方法，具体是指强海杂波下的SAR图像的目标快速检测方法，属于雷达目标识别技术领域。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)成像是海面目标探测、监视与识别的重要手段，在海运交通监管、渔业管理乃至海上军事目标侦察等领域具有重要的应用价值。目标检测是SAR图像目标识别系统中的一项关键处理技术，可从复杂大场景海洋环境中提取感兴趣目标区域(Region Of Interest，ROI)，为进一步的目标特征提取与识别提供必要的信息输入，因此其性能会对整个识别系统的精度和效率产生重要的影响。

目前，SAR图像的目标检测研究最为深入、应用最为广泛的是恒虚警率(ConstantFalse-Alarm Rate，CFAR)检测算法。该类算法以目标和背景杂波存在相对明显的散射亮度差异为假设前提，结合给定的恒虚警率参数(PFA)，根据杂波的局部统计特性来自适应的确定判决阈值，实现目标检测。但是当海杂波较强(如：高海情、小入射角)时，SAR图像中的信杂比比较低，传统的CFAR检测容易产生大量虚警或目标漏检现象。此外，随着SAR图像分辨率的提高、场景幅宽的增大，使得SAR成像场景中的干扰杂波细节和内容极为复杂，且数据量剧增。因此，亟待提升CFAR算法面向复杂海洋大场景的SAR图像进行高效目标检测的能力。

在西安电子科技大学的侯彪等发明人于2014年申请的专利《基于多层CFAR的分层高分辨率SAR图像舰船检测方法》(公开号：CN104166838A)中，记载了利用对数正态分布作为杂波统计分布模型，试图通过基于全局阈值CFAR检测的多层迭代索引，来去除强散射目标像素对杂波统计参数估计的影响，提高检测精度和算法的适用性，并结合先验知识去除虚警。但是该方法基于全局阈值的迭代索引策略对复杂大场景SAR图像海面目标检测的适用性有限，因为复杂多变的洋流和气候条件容易造成不同海域的杂波统计特性存在差异，那么对应的最优检测阈值也不同，所以难以利用全局阈值高精度地检测目标。此外，由于该算法设计未考虑杂波抑制预处理，在对强杂波下弱小目标检测时容易出现漏检或虚警率高的现象。而且该算法采用的对数正太分布对SAR图像直方图中的低值部分存在“过”拟合，容易引入虚警。

在西安电子科技大学刘峰等发明人于2016年申请的专利《基于视觉注意机制模型和恒虚警率的的SAR图像目标检测方法》(公开号：CN105354541A)中，记载了通过基于傅里叶频谱残差信息的显著图估计和阈值检测，来初步选择潜在目标区域；从而，对潜在目标区域采用基于K分布的自适应滑窗CFAR算法进行更为精细的目标检测。但是，该算法更适用于目标定位，因为显著图中的目标细节轮廓模糊，形状易畸变，从而造成目标“过”检测。另外，由于所采用的K分布模型参数计算复杂且不适用于对极度非均匀海杂波建模，将造成计算负担较大和强杂波下的目标检测虚警率较高。