[发明专利]多目标环境下基于灰度相关特性的CFAR检测方法

说明书

本发明公开了一种多目标环境下基于灰度相关特性的CFAR检测方法，该方法对背景窗口采用自适应阈值法进行杂波截断处理，剔除背景窗口中的异质像素，同时最大限度保留真实杂波；采用最大似然法对截断后的杂波进行双参数（对数均值与对数标准方差）估计，采用二维对数正态分布实现杂波相邻像素间灰度联合概率密度的精确建模；根据给定的虚警率得到不同间距不同方向的联合CFAR检测结果，最后对不同间距不同方向上的联合CFAR检测结果进行融合，实现基于灰度相关特性的CFAR检测。本发明综合利用了信杂比、灰度相关和截断杂波统计特征，在提高多目标环境下目标检测率的同时，可有效降低虚警率，具有较高的应用价值。

技术领域

本发明涉及SAR图像目标检测技术领域，尤其涉及一种多目标环境下基于灰度相关特性的CFAR检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率的成像雷达，具有全天时和全天候观测的能力。利用SAR图像进行目标检测与监视的研究和技术开发在海洋遥感领域得到高度重视，是现阶段SAR图像海洋应用的研究热点。

随着天气、海洋风速的变化,海况相差很大，因此呈现在SAR图像中的杂波也会有巨大的差别，针对这些复杂情况，在检测过程中需要有一个自适应的恒虚警(CFAR)检测方法。CFAR检测算法设置了目标窗口、保护窗口、背景窗口三个滑动窗口以适应背景杂波的变化，通过对背景杂波进行参数估计及概率建模，并由给定的虚警率(PFA)自适应计算出检测阈值，实现自适应CFAR检测。

传统CFAR检测算法中，保护窗口的设置是为了防止包含目标的部分像素泄露到背景窗口，影响参数估计的准确性。然而，在港口和繁忙海航线等复杂背景杂波区域，背景窗口中海杂波会受到目标像素、“十字拖”、以及方位向模糊等异质元素的干扰，使得估计的参数偏离真实值，影响灰度概率建模精度，最终导致目标检测率下降。

针对多目标等复杂环境下产生的检测率降低的问题，提出了大量基于样本筛选的CFAR检测方法，这些方法通过迭代法筛选出杂波样本，并对筛选出的杂波进行参数估计与概率建模，有效提升多目标等复杂背景杂波环境下的目标检测率。然而这些方法通常采用固定阈值进行杂波筛选，丢弃了大量的真实海杂波样本，导致参数估计准确度较差，且杂波筛选、参数估计与CFAR检测阈值计算过程复杂，计算效率较低。

传统CFAR检测算法仅利用了目标与周围杂波的对比度信息，没有充分发掘目标内部的空间相关特性。目标内部像素间的空间相关特性是舰船的固有特性，具有其内在的规律。目标和杂波内部每个像素点都不是孤立存在的，各像素之间是相互关联的。传统的SAR图像CFAR检测方法只利用了目标孤立像素点的强度信息，没有充分发掘目标内部各像素之间的空间相关信息，导致检测结果中存在大量的虚警，尤其是复杂背景杂波下。

总之，传统CFAR检测方法在多目标环境下难以兼顾高检测率和低虚警率，亟待开发兼顾高检测率和低虚警率的新CFAR检测方法。

发明内容

本发明目的就是为了弥补已有技术的缺陷，提供一种多目标环境下基于灰度相关特性的CFAR检测方法。

本发明是通过以下技术方案实现的：

一种多目标环境下基于灰度相关特性的CFAR检测方法，包括有如下步骤：

步骤(1)：设置由目标窗口和背景窗口组成的局部滑动窗口，通过采用自适应阈值的杂波截断法去除泄露到背景窗口中的目标、方位模糊异质元素，保留背景窗口中的真实海杂波，采用最大似然估计法对背景窗口中自适应阈值截断后的杂波样本在对数域进行双参数(对数均值和对数标准方差)估计；

步骤(2)：统计背景窗口中截断杂波样本某一间距相邻像素之间在水平、垂直、对角、反对角四个方向上的灰度相关度因子，并采用二维对数正态分布对某一间距相邻像素四个方向上的灰度联合概率密度函数建模；