[发明专利]SAR图像海面舰船识别方法

说明书

本发明提出了一种SAR图像海面舰船识别方法。利用本方法可实现不同海杂波背景下的SAR图像海面舰船目标的检测与识别。本发明通过下述技术方案予以实现：对输入的海面SAR图像，基于累计分布直方图分布计算全局分割阈值，进而得到目标泄漏像素的索引矩阵；针对每一个像素，通过KS检验从模型字典中自适应选择最优统计模型进行杂波建模，并利用CFAR方法进行二值分割；在二值分割结果的基础上，利用局部亮点密度剔除孤立噪声点，提取连通区域、剔除背景、计算相应的特征参数，得到候选舰船目标；利用训练数据集构建舰船目标特征集，并通过朴素贝叶斯方法计算舰船目标的置信度。

技术领域

本发明属于雷达图像处理技术领域，具体涉及一种基于自适应统计建模的合成孔径雷达(SAR)图像海面舰船目标识别方法。

背景技术

合成孔径雷达SAR是一种利用微波反射信号成像的微波遥感成像系统，它利用主动发射的微波信号所照射区域的散射回波进行成像，不但可以在夜间工作，还可以穿透云层，因此具有全天时和全天候的特点。SAR图像也越来越多的应用到军用和民用领域，比如渔业监控，走私船只检测，海冰检测，救助遇难的船只，倾倒油污检测等。随着SAR设备的日益完善以及SAR图像成像算法的深入研究，大量的SAR图像被用来进行海洋上船只等目标的检测。近年来，利用SAR图像对海上目标进行检测与识别在海洋遥感领域得到了高度重视。

海上目标的检测作为海洋观测的一部分，目的是快速地发现海上的目标，从而对海洋进行实时监测，为后续的保护海洋权益和海洋资源提供可靠的依据。但是，一般的可见光图像受到天气的影响，很难穿透云层进行工作，此外在黑夜里也不得不暂停工作，再加上光学图像的成像原理导致其只能对海面进行成像，没有办法进行海洋纵深的检测，因此可见光图像不适合进行全天时、全天候以及多种信息复合的海洋监测。

SAR得到的图像是根据微波照射区域的物体回波的散射截面积(RCS)来区分不同的物体，简单来说，目标的RCS越大，目标的区域越大、亮度越强。所以区分SAR图像上不同区域的依据就是图像上RCS的不同。影响RCS的因素主要包括目标因素和雷达因素。目标因素是指目标形状、目标材质、目标表面粗糙度和目标表面介电常数。一般金属材质的表面介电常数要远大于一般的地物，所以无论是在陆地还是在海面，目标会在图像上表现为比较亮的区域。在SAR进行成像的时候，海洋中的运动目标与静止目标存在相对运动，而大部分的成像算法基于静止目标的假设进行成像，因此动目标会产生散焦现象。这种十字旁瓣和散焦的现象也给目标的检测带来了困难。受雷达入射角以及海面条件、目标的导电性的影响，图像上目标的尺度不是很统一，为目标的检测增大了难度。另外，由于SAR图像是根据目标区域的散射信号经过相干处理得到的，因此SAR图像中包含相干斑噪声，会导致图像质量的下降，影响目标检测的效果，整体的检测概率会下降，虚警率会上升。

在SAR图像舰船检测方法中，大多根据舰船在SAR图像中呈现为典型的高亮目标的特点，设计相应的目标检测方法实现舰船检测，基于恒虚警率(CFAR)的方法是目前应用最广泛的方法。该类方法假设杂波背景服从某种统计分布、并设定窗口和滑动步长，根据事先给定的虚警概率求取目标检测阈值，然后将像素值与阈值进行比较，大于阈值的为目标，反之则为背景。其中，常用的统计分布模型主要有高斯Gauss分布、伽马Gamma分布、韦布尔Weibull分布、对数正态LogNormal分布、费希尔Fisher分布、G₀分布、K分布、Alpha稳定分布等，不同的统计分布模型在不同海杂波背景下的目标检测中均取得了一定的检测效果。

在合成孔径雷达SAR图像舰船目标识别方面，由于早期的SAR传感器空间分辨率较低，舰船目标以点目标形式出现，从检测结果中能够提取的识别特征较少，且缺乏训练数据，现有的舰船目标识别方法较少。这些少量的舰船目标识别方法也仅仅利用灰度统计、峰值等特征进行鉴别筛选，效果不好。