复杂背景SAR图像中的舰船目标检测与鉴别方法技术

本发明专利技术属于雷达图像处理技术领域，具体为一种复杂背景SAR图像中的舰船目标检测与鉴别方法。本发明专利技术的主要步骤为：(1)精细海陆分割；（2）舰船目标高效检测，包括大尺度CFAR和小尺度迭代CFAR，其中利用到了基于广义Gamma分布的合成孔径雷达图像杂波统计分布模型；（3）近岸目标虚警鉴别,包括基于最大似然的虚警鉴别算法和基于极化信息的虚警鉴别算法。本发明专利技术能够高效、准确地检测出近岸、港口等复杂背景中的舰船目标；能够利用基于最大似然和基于极化信息的虚警鉴别算法鉴别虚警目标，提高舰船目标检测准确率。本发明专利技术提出的舰船检测算法适用于任意的SAR图像背景，鲁棒性高，实时性好，具有推广应用前景。

【技术实现步骤摘要】
复杂背景SAR图像中的舰船目标检测与鉴别方法专利
本专利技术属于雷达图像处理
，具体涉及一种复杂背景SAR图像中的舰船目标检测与鉴别方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)具有全天候、全天时的对地观测能力，SAR在海洋监测方面得到了广泛的应用，并发挥了巨大的社会、经济和军事效益。近年来大量的多极化和全极化卫星成功发射，可以有效的获取地面目标的极化信息，进而可以通过极化信息识别不同的散射机制和散射体。恒虚警率(ConstantFalseAlarmRate,CFAR)舰船检测技术是最常用的SAR图像目标检测之一，CFAR采用逐像素的滑窗进行目标检测，算法的时间复杂度非常高，几乎不能应用于宽幅SAR图像检测和有较高实时性的需求应用场景。CFAR舰船检测利用局部区域的像素进行杂波分布的统计建模，没有考虑SAR图像的全局信息，无法应用于复杂环境下的舰船检测。在实际的SAR图像中，检测的背景环境非常复杂，不仅有纯海洋环境，还有岛屿、陆地等，特别是在靠近陆地的海洋区域还有人造的港口码头、海岸堤坝、岩礁、海上养殖物等，它们不仅具有较高的后向散射系数本文档来自技高网...

【技术保护点】
一种复杂背景SAR图像中的舰船目标检测与鉴别方法，其特征在于，具体步骤如下：(1)首先采用精细海陆分割算法，对SAR图像做精细海陆分割；(2)然后采用舰船目标高效检测算法，对舰船目标进行检测；(3)最后采用近岸目标虚警鉴别算法，对近岸目标进行虚警鉴别。所述的精细海陆分割算法，包括：基于广义Gamma分布的SAR图像杂波分布统计模型的建模与参数估计，数据库辅助的海陆分割和像素级精细分割；

【技术特征摘要】
1.一种复杂背景SAR图像中的舰船目标检测与鉴别方法，其特征在于，具体步骤如下：(1)首先采用精细海陆分割算法，对SAR图像做精细海陆分割；(2)然后采用舰船目标高效检测算法，对舰船目标进行检测；(3)最后采用近岸目标虚警鉴别算法，对近岸目标进行虚警鉴别。所述的精细海陆分割算法，包括：基于广义Gamma分布的SAR图像杂波分布统计模型的建模与参数估计，数据库辅助的海陆分割和像素级精细分割；(公式一)是广义Gamma分布的一种形式，其中Γ(·)表示Gamma函数，β,λ,ν＞0，分布表示广义Gamma分布的尺度参数，形状参数和能量参数。所述的舰船目标高效检测算法，包括：大尺度CFAR和小尺度迭代CFAR；所述的近岸目标虚警鉴别算法，包括：基于最大似然的虚警鉴别和利用极化信息的虚警鉴别；所述的基于广义Gamma分布的SAR图像杂波统计分布模型的建模和参数估计的流程为，首先估计SAR图像杂波的Gamm分布(GammaDistribution,伽马分布)，然后根据Gamma分布的参数作为初始值，利用数值的方法反复迭代逐步逼近求解广义Gamma分布参数的全局最优解或可以达到的最好的局部最优解；所述的数据库辅助的海陆分割的流程为，利用待检测SAR图像的经纬度信息读取该区域对应的数据库中的海陆分割掩膜，将该掩膜变换为与SAR图像相同的尺寸；所述的像素级精细分割的流程为，估计出SAR图像的海洋杂波的统计分布，判断海陆分割数据库精度误差范围内的像素的海陆属性；所述的大尺度CFAR的流程为，栅格化原始SAR图像，估计每个栅格内的SAR图像杂波统计分布，对二维阈值曲面进行平滑滤波和尺寸变化；所述的小尺度迭代CFAR的流程为，估计连通区域附件的背景杂波的统计分布，剔除连通区域对杂波统计估计的影响；所述的基于最大似然的虚警鉴别的流程为，估计出远海舰船的统计分布模型，估计出近岸陆地的统计分布模型，计算近岸目标属于远海舰船的似然概率，计算近岸目标属于近岸陆地的似然概率；所述的基于极化信息的虚警鉴别的流程为，计算目标区域极化散射机制，然后判断目标区域的极化散射属性。2.根据权利要求1所述的复杂背景SAR图像中的舰船目标检测与鉴别方法，其特征在于，所述的基于广义Gamma分布的SAR图像杂波分布统计模型的建模与参数估计，具体步骤为：(1a)在SAR图像的海洋区域选取一块大小合适的区域作为估计海洋杂波统计分布的样本数据，记该区域内海洋杂波像素的样本个数为N；(1b)用最大似然估计出(公式一)中广义Gamma分布的参数β、λ和ν，具体方法是用数值迭代方法求解(公式二)方程组中的广义Gamma分布的参数β、λ和ν(公式二)中的ψ(·)表示Gamma函数的导数，定义式见(公式三)；将利用数值方法求解得到的参数β、λ和ν代入(公式二)广义Gamma分布的概率密度函数中，即得到SAR图像海洋杂波的广义Gamma分布统计模型；(1c)对(公式一)进行积分得到广义Gamma分布的累计分布函数：(1d)(公式二)是非线性方程组，采用数值迭代的方法进求解。3.根据权利要求2所述的复杂背景SAR图像中的舰船目标检测与鉴别方法，其特征在于，所述的数据库辅助的海陆分割,具体步骤为：(2a)读取出待检测SAR图像的经纬度，具体包括该图像左上角的经纬度、该图像右上角的经纬度、该图像左下角的经纬度、该图像右下角的经纬度；(2b)利用这4个点的经纬度在全球海陆数据库(全球海陆数据库可以是任意的数据源，任意的分辨率，数据格式可以是表征海陆分布情况的任意格式包括但不限于二值图像或者SHP文件，分辨率越高精度越好)中读取出该区域海陆掩膜；(2c)利用最近邻插值将步骤(2b)中读取出的海陆掩膜插值为尺寸与SAR图像尺寸相同的图像；(2d)在步骤(2c)的海陆掩膜图像上，陆地部分向海洋部分膨胀，膨胀半径不小于数据库中海陆掩膜的分辨率，去掉海洋部分中由于分辨率误差而可以存在的陆地像素点；然后估计出此时海陆掩膜中海洋部分对应SAR图像的海洋杂波的广义Gamma分布，记为cG(x；β,λ,ν)。4.根据权利要求3所述的复杂背景SAR图像中的舰船目标检测与鉴别方法，其特征在于，所述的像素级精细分割,具体步骤为：(3a)SAR图像中陆地杂波和海洋杂波在强度分布上具有明显差异，设置一个合理的陆地概率；(3b)根据步骤(2d)中估计出的海洋杂波的广义Gamma分布求出陆地阈值PL：c-1(P；β,λ,ν)表是广义Gamma分布概率密度函数的逆函数；(3c...

【专利技术属性】
技术研发人员：徐丰，敖巍，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31