基于广义高斯分布模型的地面隐蔽目标检测方法技术

本发明专利技术提供一种基于GGD模型的地面隐蔽目标检测方法。技术方案是：基于原始UWB SAR图像构建对数比图像，利用对数比图像采用GGD模型进行统计建模并利用一阶对数累积量对GGD模型的参数进行估计，根据GGD模型参数的估计值计算CFAR检测阈值，利用CFAR检测实现对于UWB SAR图像中的地面隐蔽目标的检测。本发明专利技术能够实现对于GGD模型中形状参数更加精确的估计，同时不需要设置额外的参数或条件，简洁易行。

Ground concealed target detection method based on generalized Gauss distribution model

The invention provides a detection method for ground concealment targets based on the GGD model. The technical scheme is: the original UWB SAR image building log ratio image based on the log ratio image by using the GGD model in statistical modeling and parameters by using a first-order log cumulants of the GGD model to estimate the detection threshold according to the calculation of CFAR estimation of GGD model parameters, using CFAR detection for UWB detection in SAR images ground concealed targets. The invention can achieve more accurate estimation of the shape parameters in the GGD model, without the need to set additional parameters or conditions, so it is simple and easy to do.

【技术实现步骤摘要】
基于广义高斯分布模型的地面隐蔽目标检测方法
本专利技术属于UWBSAR(Ultra-WideBandSyntheticApertureRadar，超宽带合成孔径雷达)
，涉及一种基于GGD(GeneralizedGaussianDistribution，广义高斯分布)模型的地面隐蔽目标检测方法。
技术介绍
由于普通的光学雷达系统和SAR系统无法有效探测被叶簇覆盖的地面隐蔽目标，所以将军事目标隐藏在森林中成为有效规避敌方侦察的重要手段。UWBSAR是将UWB技术和SAR相联合产生的一种具有独特应用价值的新型主动式微波成像系统，该系统不仅具备传统SAR全天时，全天候成像的特点，同时还具有良好的叶簇穿透性，这使得该系统在地面隐蔽目标检测方面具有得天独厚的优势(参考文献：M.Lundberg,R.Ulander,E.Pierson,etal.“Achallengeproblemfordetectionoftargetsinfoliage,”SPIEConferenceonAlgorithmsforSyntheticApertureRadarImage.Orlando,USA；SPIEPress,pp.1-12,2006)。现有的UWBSAR地面隐蔽目标检测方法主要基于高斯分布模型，然而由于噪声以及SAR相干成像的特殊性，高斯分布模型被证明是难以描述UWBSAR获得的对数比图像的特征，对于地面隐蔽目标的检测结果并不能令人满意(参考文献：G.Gao,X.Wang,M.Niu,etal.“Modifiedlog-ratiooperatorforchangedetectionofsyntheticapertureradartargetsinforestconcealment,”JournalofAppliedRemoteSensing,vol.8,no.1,2014)。GGD模型在子带编码，视频图像处理以及多媒体信号处理上具有广泛的应用(参考文献：K.Song,“AgloballyconvergentandconsistentforestimatingtheshapeparameterofageneralizedGaussiandistribution,”IEEETrans.Inf.Theroy.,vol.52,no.2,pp.510-527,Feb.2006)。GGD模型参数估计的精确程度直接影响到GGD模型的使用效率，现有GGD模型的参数估计方法大致为Mallat法、最大似然估计法以及熵匹配法等，但是上述方法并不能很好地兼顾计算量与估计精度，为了获得理想的估计精度就必须大幅度地增大计算量，这使得GGD模型在实际应用中遇到了瓶颈。(参考文献：V.A.Krylov,G.Moser,S.B.Serpico,andJ.Zerubia,“Onthemethodoflogarithmiccumulantsforparametricprobabilitydensityfunctionestimation,”IEEETrans.ImageProcess.,vol.22,no.10,pp.3791-3806,Oct.2013)。
技术实现思路
本专利技术提供一种基于GGD模型的地面隐蔽目标检测方法。该方法对UWBSAR对数比图像采用GGD模型进行统计建模并利用对数累积量实现对于GGD模型的参数估计，实现对地面隐蔽目标的检测。本专利技术的技术方案是：基于原始UWBSAR图像构建对数比图像，利用对数比图像采用GGD模型进行统计建模并利用一阶对数累积量对GGD模型的参数进行估计，根据GGD模型参数的估计值计算CFAR(constantfalsealarmrate，恒虚警率)检测阈值，利用CFAR(constantfalsealarmrate，恒虚警率)检测实现对于UWBSAR图像中的地面隐蔽目标的检测。其中，利用下述公式计算GGD模型中形状参数c的估计值其中，Γ()表示Gamma函数，Ψ()为psi函数，f-1为f的反函数，m1是一阶对数累积量。且利用下式计算CFAR检测阈值T：其中Γ-1()是Gamma函数的反函数，Pfa是CFAR检测的虚警概率，通常根据实际需要人为设定。本专利技术的有益效果是：1.相比于现有方法，利用一阶对数累积量进行GGD参数估计，能够实现对于GGD模型中形状参数更加精确的估计，增强了对地面隐蔽目标的检测性能。2.采用本专利技术提出的利用一阶对数累积量对GGD模型的参数进行估计，不需要设置额外的参数或条件，简洁易行。附图说明图1为本专利技术流程图；图2、图3为本专利技术的实验数据；图4是本专利技术的实验结果；图5、图6、图7、图8和图9是进行理论验证的结果。具体实施方式图1为本专利技术流程图，具体实施步骤如下：基于原始的UWBSAR图像构建对数比图像，对得到的对数比图像采用GGD模型进行统计建模并利用对数累积量对GGD模型的参数进行估计：具体包括下面四步：第一步，基于原始的UWBSAR图像构建对数比图像x，其具体计算方法如公式一所示：x＝log(t1)-log(t2)(公式一)其中原始的UWBSAR图像包括在待检测场景中获得的任意两幅图像t1和t2。第二步，计算对数比图像的均值μ和图像标准差σ；然后将对数比图像按公式二进行归一化。y＝(x-μ)/σ(公式二)其中y表示归一化的对数比图像。第三步，对归一化对数比图像y进行取绝对值，即z＝|y|，然后对新的图像z计算一阶对数累积量m1，其计算方法如公式三所示：其中M表示图像z中的像素点个数，zi为图像z中第i个像素点的灰度值，i∈[1,M]。第四步，利用公式四计算GGD模型中形状参数c的估计值其中，Γ()表示Gamma函数，Ψ()为psi函数，f-1为f的反函数，为GGD模型形状参数c的估计值。根据GGD模型参数的估计值计算CFAR检测阈值，利用CFAR检测实现对于海上舰船目标的检测，即实现下面的第五步：第五步，利用第四步中得到的形状参数估计值，计算CFAR检测阈值T。CFAR检测阈值T的具体计算表达式如下：其中Γ-1()是Gamma函数的反函数，Pfa是CFAR检测的虚警概率，通常根据实际需要人为设定。利用对数比图像进行检测，当检测像素点的灰度值大于等于T时，判定为舰船目标像素。否则，判定为背景像素，实现对于地面舰船目标的检测。本专利技术的实验数据为由CARABAS-IISAR平台生成的SAR图像，图2和图3为不同时刻在待检测场景中获得的两幅图像。图2左上角类似阵列式分布的白点聚集区和图3右下角类似阵列式分布的白点聚集区是需要检测的地面隐蔽目标。图4为利用本专利技术获得的地面隐蔽目标检测结果图，图4的横坐标表示方位向，纵坐标表示距离向，从图中可以看出图2左上角的隐蔽目标和图3右下角的地面隐蔽目标都被较好的检测了出来，其检测概率为92％，这验证了本专利技术方法的有效性。为进一步验证一阶对数累积量对于GGD模型形状参数c估计的有效性，利用Matlab生成服从GGD模型的随机数。图5，图6，图7，图8为本专利技术采用的对数累积量方法与Mallat法的实验结果对比图。其中，图5，图6为两种方法在随机点个数为500时的估计结果对比图，图7，图8为两种方法在随机点个数为10000时的估计结果对比图。图5，图6，图本文档来自技高网...

【技术保护点】
一种基于广义高斯分布模型的地面隐蔽目标检测方法，其特征在于，包括下述步骤：基于原始超宽带合成孔径雷达图像构建对数比图像，利用对数比图像采用广义高斯分布模型进行统计建模并利用一阶对数累积量对广义高斯分布模型的参数进行估计，根据广义高斯分布模型参数的估计值计算恒虚警率检测阈值，利用恒虚警率检测实现对于超宽带合成孔径雷达图像中的地面隐蔽目标的检测；其中，利用下述公式计算广义高斯分布模型中形状参数c的估计值

【技术特征摘要】
1.一种基于广义高斯分布模型的地面隐蔽目标检测方法，其特征在于，包括下述步骤：基于原始超宽带合成孔径雷达图像构建对数比图像，利用对数比图像采用广义高斯分布模型进行统计建模并利用一阶对数累积量对广义高斯分布模型的参数进行估计，根据广义高斯分布模型参数的估计值计算恒虚警率检测阈值，利用恒虚警率检测实现对于超宽带合成孔径雷达图像中的地面隐蔽目标的检测；其中，利用下述公式计算广义高斯分布模型中形状参数c的估计值

【专利技术属性】
技术研发人员：高贵，欧阳克威，周石琳，高昇，李高升，何鹃，牟卫华，刘伟，程江华，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南,43