[发明专利]基于广义相干散射子改进模型杂波仿真的目标检测方法

说明书

本发明涉及一种基于广义相干散射子改进模型杂波仿真的目标检测方法，其特征在于，包括以下步骤：S1：利用广义相干散射子改进模型，表征自然环境杂波的统计分布；S2：建立广义相干散射子模型下的参数模型，用于表征多种经典统计分布；S3：在广义相干散射子改进模型下，构建底层相干散射子相关函数与SAR图像相关纹理的理论关系模型；S4：基于广义相干散射子改进模型，实现对自然环境的相关杂波仿真；S5：利用相关杂波仿真结果，进行目标检测，与现有技术相比，本发明具有用于复杂自然场景、检测结果准确等优点。

技术领域

本发明涉及合成孔径雷达图像统计建模和目标检测领域，尤其是涉及一种基于广义相干散射子改进模型杂波仿真的目标检测方法。

背景技术

作为SAR图像解译的重要基础理论研究之一，SAR图像统计建模一直是近几十年来的研究热点。对于SAR图像的统计建模主要涉及两方面：表征图像强度的单点概率分布模型和表征图像纹理信息的两点统计特征即相关函数。目前的统计建模研究主要存在以下两个问题：(1)一种统计建模模型仅仅适用于某一种特定场景，在实际应用中不具备普适性；(2)大部分统计模型都是为了表征图像特性而发展的唯象学方法，忽视了散射本身的物理过程，因此不具备物理意义。

最近，邓新萍等人分析了符合物理散射过程的相干散射子模型，并设计了极化SAR数据的仿真模型，该模型将散射场建模为多个散射体的散射贡献的相干叠加，说明了散射体类型及散射体数目对目标图像统计特征的重要影响，其提出的散射体类型有：高斯分布散射体、K分布散射体、Beta分布散射体以及混合散射体，其对散射体数目的建模有：常数、服从负二项式分布、服从均值服从某种分布的泊松分布。该文献指出同一图像数据由不同的物理场景解释，一种物理解释是每个分辨率单元内散射体数目的变化，另一种物理解释是不同散射体类型的混合，这两种物理解释难以区分。

该模型尝试从物理角度对SAR图像的统计模型进行分析与阐述是一项很好的引领工作，但我们仍需建立一个既符合物理散射过程、又能够表征现有多种SAR杂波统计特性的广义统计框架，同时还需要纳入SAR图像的空间相关特性模型。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于广义相干散射子改进模型杂波仿真的目标检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于广义相干散射子改进模型杂波仿真的目标检测方法，包括以下步骤：

S1：利用广义相干散射子改进模型，表征自然环境杂波的统计分布；

S2：建立广义相干散射子改进模型下的参数模型，用于表征多种经典统计分布；

S3：在广义相干散射子改进模型下，构建底层相干散射子相关函数与SAR图像相关纹理的理论关系模型；

S4：基于广义相干散射子改进模型，实现对自然环境的相关杂波仿真；

S5：利用相关杂波仿真结果，进行目标检测。

进一步地，所述的广义相干散射子改进模型中，将散射体数目设定为常数，防止在仿真实现过程中，很大的或带来很大的时间消耗，受限于仿真工具的内存，也能够防止很小的或使得仿真结果出现偏差。

进一步地，所述的广义相干散射子改进模型将SAR图像单个分辨率单元内的复散射场A建模为由多个具有独立相位的复高斯随机分量的叠加，其表达式为：

其中，A和θ分别为复散射场的幅值和相位，和分别为复散射场的实部和虚部，N为单个分辨率单元内独立散射体的数目，和分别表示每个散射体的散射场的实部分量和虚部分量。

进一步地，所述的单个分辨率单元内独立散射体的数目N为一个固定的常数，所述的散射体的散射场的实部分量和虚部分量为服从高斯分布的随机变量，且两者的分布参数不同。