一种强海杂波下SAR图像目标快速检测方法技术

一种强海杂波下SAR图像目标快速检测方法，包含：S1、采用区域分块策略，将大场景SAR图像划分若干子块SAR图像；S2、基于子孔径相干处理获取与子块SAR图像对应的目标‑杂波对比度增强的子块相干图像；S3、基于子块相干图像的显著性，筛选出含目标的目标子块相干图像及对应的目标子块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：对目标子块相干图像检测低散射目标像素，对目标子块SAR图像检测目标细节轮廓，对两种检测结果融合处理；S5、对精细目标检测结果除虚警，进行区域合并，得到最终目标检测结果。本发明专利技术能检测出海面大场景SAR图像中的结构复杂和散射强度弱的目标，检测率高，虚警率低，自适应性强，计算速度快。

A fast target detection method for SAR images under strong sea clutter

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波统计分布模型，试图通过基于全局阈值CFAR检测的多层迭代索引，来去除强散射目标像素对杂波统计参数估计的影响，提高检测精度和算法的适用性，并结合先验知识去除虚警。但是该方法基于全局阈值的迭代索引策略对复杂大场景SAR图像海面目标检测的适用性有限，因为复杂多变的洋流和气候条件容易造成不同海域的杂波统计特性存在差异，那么对应的最优检测阈值也不同，所以难以利用全局阈值高精度地检测目标。此外，由于该算法设计未考虑杂波抑制预处理，在对强杂波下弱小目标检测时容易出现漏检或虚警率高的现象。而且该算法采用的对数正太分布对SAR图像直方图中的低值部分存在“过”拟合，容易引入虚警。在西安电子科技大学刘峰等专利技术人于2016年申请的专利《基于视觉注意机制模型和恒虚警率的的SAR图像目标检测方法》(公开号：CN105354541A)中，记载了通过基于傅里叶频谱残差信息的显著图估计和阈值检测，来初步选择潜在目标区域；从而，对潜在目标区域采用基于K分布的自适应滑窗CFAR算法进行更为精细的目标检测。但是，该算法更适用于目标定位，因为显著图中的目标细节轮廓模糊，形状易畸变，从而造成目标“过”检测。另外，由于所采用的K分布模型参数计算复杂且不适用于对极度非均匀海杂波建模，将造成计算负担较大和强杂波下的目标检测虚警率较高。在国防科技大学高贵等专利技术人于2009年发表的论文《AnadaptiveandfastCFARalgorithmbasedonautomaticcensoringfortargetdetectioninhigh-resolutionSARimages》中，提出了一种基于自动索引的CFAR检测算法，通过单次索引去除目标像素对杂波统计参数估计的干扰，并构建了一种G0分布参数估计加速策略来提高算法效率。但是，该算法中目标索引图的生成需要先验的索引深度(即目标像素数)，而在实际环境下该参数是未知的，这将导致最优阈值难以确定，使得算法的自适应性和检测精度有限。另外，尽管该算法采用了加速策略，其对于尺寸为1000×1000像素的SAR图像的处理时间仍然为“分钟”量级，难以满足大场景快速目标检测的需求。在清华大学的YiCui等专利技术人发表的论文《OntheIterativeCensoringforTargetDetectioninSARImages》中，提出了一种迭代索引策略(ICS)来去除目标像素对杂波分布的影响，不需要索引深度等先验信息，可自适应的检测目标。进一步，在国家卫星海洋应用服务单位的WentaoAn等专利技术人发表的论文《AnImprovedIterativeCensoringSchemeforCFARShipDetectionWithSARImagery》中，对上述YiCui等提出的方法中的初始目标索引图生成算法和目标像素索引方式进行改进，以更彻底地滤除目标及其邻域强散射像素对杂波分布的影响，提高检测精度和减少迭代次数。但是，上述这两种算法直接应用于大场景图像的迭代索引处理和复杂的K-分布参数估计，会带来较大的计算负担，使得目标检测速度较慢。此外，这几种索引CFAR算法均未考虑杂波抑制预处理，对强杂波下的目标容易漏检或虚警率较高。基于上述，本专利技术提出一种强海杂波下SAR图像目标快速检测方法，以解决现有技术中存在的缺点和限制。
技术实现思路
本专利技术的目的是提供一种强海杂波下SAR图像目标快速检测方法，能有效检测出海面大场景SAR图像中的结构复杂和散射强度较弱的目标；具有检测率高、虚警率低、自适应性强、计算速度快的优点。为实现上述目的，本专利技术提供一种强海杂波下SAR图像目标快速检测方法，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、后处理：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。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。所述的S2中，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。所述的S3中，具体为：计算每个子块相干图像的显著性参数；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；并且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，从而获得候选目标子块图像；其余未被筛选出的为海杂波子块图像，包括：海杂波子块相干图像和海杂波子块SAR图像。所述的S3中，检测阈值根据各个子块相干图像的显著性参数的直方图计算得到。所述的S4中，具体为：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；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；将所述的两种检测结果进行融合，得到精细目标检测结果。所述的S4中，对目标子块相干图像的检测和对目标子块SAR图像的检测采用并行方式进行。所述的S4中，基于Pareto分布的全局阈值检测算法，对目标子块相干图像检测低散射目标像素本文档来自技高网...

【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