A method for rapid detection of strong sea clutter, SAR image target includes: S1, the regional block strategy, will be divided into several sub block image scene SAR SAR image; S2, sub aperture coherent processing to obtain and corresponding sub blocks of SAR image target clutter contrast enhancement based on image sub block coherence; S3, a significant sub block coherent images based on selected target containing target block coherent images and the corresponding SAR image, as the target candidate image blocks; S4, fine target detection, the target candidate image blocks including the target block coherent image detection of low RCS target pixel. The target detection in SAR image sub block target detail outline, two kinds of detection result fusion; S5, the precise target detection results in false alarm, by region merging to get the final detection results. The invention can detect the target with complex structure and weak scattering intensity in the SAR image of the large sea area. The detection rate is high, the false alarm rate is low, the adaptability is strong, and the computation speed is fast.
【技术实现步骤摘要】
一种强海杂波下SAR图像目标快速检测方法
本专利技术涉及一种目标快速检测方法,具体是指强海杂波下的SAR图像的目标快速检测方法,属于雷达目标识别
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)成像是海面目标探测、监视与识别的重要手段,在海运交通监管、渔业管理乃至海上军事目标侦察等领域具有重要的应用价值。目标检测是SAR图像目标识别系统中的一项关键处理技术,可从复杂大场景海洋环境中提取感兴趣目标区域(RegionOfInterest,ROI),为进一步的目标特征提取与识别提供必要的信息输入,因此其性能会对整个识别系统的精度和效率产生重要的影响。目前,SAR图像的目标检测研究最为深入、应用最为广泛的是恒虚警率(ConstantFalse-AlarmRate,CFAR)检测算法。该类算法以目标和背景杂波存在相对明显的散射亮度差异为假设前提,结合给定的恒虚警率参数(PFA),根据杂波的局部统计特性来自适应的确定判决阈值,实现目标检测。但是当海杂波较强(如:高海情、小入射角)时,SAR图像中的信杂比比较低,传统的CFAR检测容易产生大量虚警或目标漏检现象。此外,随着SAR图像分辨率的提高、场景幅宽的增大,使得SAR成像场景中的干扰杂波细节和内容极为复杂,且数据量剧增。因此,亟待提升CFAR算法面向复杂海洋大场景的SAR图像进行高效目标检测的能力。在西安电子科技大学的侯彪等专利技术人于2014年申请的专利《基于多层CFAR的分层高分辨率SAR图像舰船检测方法》(公开号:CN104166838A)中,记载了利用对数正态分布作为杂 ...
【技术保护点】
一种强海杂波下SAR图像目标快速检测方法,其特征在于,包含以下步骤:S1、采用区域分块策略,将大场景SAR图像划分为若干子块SAR图像;S2、基于子孔径相干处理方法,获取与每个子块SAR图像对应的目标‑杂波对比度增强的子块相干图像;S3、基于每个子块相干图像的显著性,预筛选出含有目标的目标子块相干图像,以及与其对应的目标子块SAR图像,作为候选目标子块图像;S4、对候选目标子块图像进行精细目标检测,包括:对各个目标子块相干图像检测低散射目标像素,对各个目标子块SAR图像检测目标细节轮廓,和对两种检测结果的融合处理;S5、对精细目标检测结果去除虚警,并进行区域合并,得到最终检测结果。
【技术特征摘要】
1.一种强海杂波下SAR图像目标快速检测方法,其特征在于,包含以下步骤:S1、采用区域分块策略,将大场景SAR图像划分为若干子块SAR图像;S2、基于子孔径相干处理方法,获取与每个子块SAR图像对应的目标-杂波对比度增强的子块相干图像;S3、基于每个子块相干图像的显著性,预筛选出含有目标的目标子块相干图像,以及与其对应的目标子块SAR图像,作为候选目标子块图像;S4、对候选目标子块图像进行精细目标检测,包括:对各个目标子块相干图像检测低散射目标像素,对各个目标子块SAR图像检测目标细节轮廓,和对两种检测结果的融合处理;S5、对精细目标检测结果去除虚警,并进行区域合并,得到最终检测结果。2.如权利要求1所述的强海杂波下SAR图像目标快速检测方法,其特征在于,所述的S2中,具体为:对于每个子块SAR图像,沿其方位向进行子孔径分解,得到多个子视图像,并计算各个子视图像的相干系数,获得该子块SAR图像对应的目标-杂波对比度增强后的子块相干图像:其中,为与第k个子块SAR图像对应的第k个子块相干图像;NB为子块SAR图像的总数;sp和sp+1分别表示对第k个子块SAR图像进行子孔径分解所得到的第i个和第i+1个子视图像;上标*表示复共轭运算;<·>表示空间求平均运算。3.如权利要求2所述的强海杂波下SAR图像目标快速检测方法,其特征在于,在进行子孔径分解的过程中,采用部分重叠的子孔径划分方式。4.如权利要求2所述的强海杂波下SAR图像目标快速检测方法,其特征在于,所述的S3中,具体包含以下步骤:S31、计算每个子块相干图像的显著性参数:其中,Sk表示第k个子块相干图像的显著性参数;NB为子块相干图像的总数;μk和σk分别为的幅度均值和方差;|·|表示求模值运算;max(·)表示求最大值运算;S32、筛选出显著性参数大于检测阈值的子块相干图像,其为含有目标的目标子块相干图像;筛选出与各个目标子块相干图像对应的子块SAR图像,其为含有目标的目标子块SAR图像;S33、将筛选出的目标子块相干图像与目标子块SAR图像作为候选目标子块图像;未被筛选出的即为海杂波子块图像,包括:海杂波子块相干图像和海杂波子块SAR图像。5.如权利要求4所述的强海杂波下SAR图像目标快速检测方法,其特征在于,所述的检测阈值根据各个子块相干图像的显著性参数的直方图估算得到。6.如权利要求4所述的强海杂波下SAR图像目标快速检测方法,其特征在于,所述的S4中,具体包含以下步骤:S4a、采用基于Pareto分布的全局阈值检测算法,对各个目标子块相干图像检测低散射目标像素;S4b、采用基于积分图像的快速迭代索引CFAR检测算法,对各个目标子块SAR图像检测目标细节轮廓;S4c、将S4a和S4b中的检测结果进行融合,得到精细目标检测结果。7.如权利要求6所述的强海杂波下SAR图像目标快速检测方法,其特征在于,所述的S4a和S4b采用并...
【专利技术属性】
技术研发人员:顾丹丹,张元,梁子长,鲁炳坦,
申请(专利权)人:上海无线电设备研究所,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。