机动平台单通道SAR对海面舰船目标检测方法技术

本发明专利技术公开了一种机动平台单通道SAR对海面舰船目标检测方法，解决了传统目标检测方法不适用于机动平台对复杂海面背景的舰船目标检测问题；实现步骤包括：对输入SAR粗聚焦图像预处理，剔除陆地等无关信息；采用自适应背景窗提取剩余海面图像中待检测目标；依目标及背景像素的统计信息，构造基于K‑lognormal双参数混合模型改进CFAR算法，实现舰船目标粗检测；利用目标径向速度判定部分舰船目标，再用目标图像熵值判定其余待检测目标，实现两步精检测，完成海面舰船目标检测。本发明专利技术构建的基于K‑lognormal双参数混合模型更加精确地描述SAR数据的海杂波区和舰船目标区，结合粗检测与精检测有效降低目标检测中的虚警率。应用于复杂海面情况下的机动平台海面舰船目标检测。

【技术实现步骤摘要】
机动平台单通道SAR对海面舰船目标检测方法
本专利技术属于雷达信号处理
，主要涉及对海面舰船目标检测，具体是一种机动平台单通道SAR对海面舰船目标检测方法，适用于机动平台单通道SAR对海面舰船目标的检测。
技术介绍
机动平台SAR对特定海域有着全天时全天候远距离宽幅的监测管理优势，具体分析舰船的位置、大小、航向、航速以及类型等参数，对海面舰船目标进行检测，在民用和军用方面都有着广阔的应用前景。近几年，因星载SAR的广域监测能力与规律性的重访，海面舰船目标检测系统多应用于星载SAR系统。与星载SAR相比，机动平台SAR具有更好的监测灵活性，越来越多的海洋SAR监测系统装备于机动平台。机动平台SAR受制于空间与成本等因素，常采用单通道模式。与多通道SAR系统相比，单通道SAR系统可广泛应用于无人机SAR和弹载SAR等机动平台，具有更好的灵活性以及更广阔的应用前景。但现有的针对海面舰船目标检测算法多应用于多通道SAR系统，针对单通道模式下机动平台对海面舰船目标检测的方法还处于研究初期。此外，在实际应用中，复杂的海杂波分布以及存在陆地的复杂海面情况常使传统海面舰船目标检测算法失效。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种能够在复杂海面情况下有效检测的机动平台单通道SAR对海面舰船目标检测方法。本专利技术是一种适用于机动平台单通道SAR对海面舰船目标检测方法，其特征在于，包括有如下步骤：步骤1，对SAR图像预处理，剔除无关信息：输入复杂海面背景下的SAR粗聚焦图像，对该图像预处理，剔除大块陆地等无关信息，保留包含待检测目标的海面图像；步骤2，自适应背景窗提取待检测目标：采用自适应背景窗的方法，提取预处理后剩余海面图像中的待检测目标，实现待检测目标与海面背景分离，为后续舰船目标检测提供概率分布模型参数；步骤3，采用改进CFAR算法初步筛选疑似舰船目标：利用基于K-lognormal双参数混合模型的CFAR检测方法对待检测目标实现舰船目标粗检测，得到初始舰船目标集；步骤4，利用目标径向速度判定部分舰船目标：对初始舰船目标集中所有待检测目标进行径向速度检测，判定待检测目标是否为舰船目标，实现对舰船目标的第一步精检测，判定初始舰船目标集中部分待检测目标为舰船目标，并且保留集合中其余未准确判定的待检测目标；步骤5，利用目标图像熵值判定其余待检测目标：对已判定为舰船的目标进行聚焦前后的图像熵值统计，得到熵值变化率，以上述熵值变化率最小值为门限，对其余待检测目标采用ISAR聚焦前后的熵值变化率判定，实现对舰船目标的第二步精检测，完成对所输入复杂海面背景下的SAR粗聚焦图像中的舰船目标检测。本专利技术解决了SAR单通道模式下对舰船目标检测的问题，适用于机动平台单通道SAR对存在陆地的复杂海面背景下的舰船目标检测。本专利技术的有益效果为：(1)本专利技术所提出的方法适用于单通道模式下机动平台对海面舰船目标检测，构造基于K-lognormal双参数混合模型作为CFAR检测中的背景分布，相比单一的背景模型分布更加精确、更具有潜力，并提出粗检测与精检测分级处理的方案，能够有效解决传统检测算法不适用于复杂的海杂波分布、无法应用于复杂海面背景情况下的舰船检测的问题；(2)本专利技术所提出的方法能结合待检测目标尺寸自适应背景窗大小，同时避免了因滑动步长带来的虚警和漏检情况，采用粗检测与精检测相结合的方式，相比单级处理模式可进一步降低虚警率，能够实现对复杂海面情况下舰船类目标的有效检测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的机动平台单通道SAR对海面舰船目标检测方法的流程示意图；图2为机载雷达对舰船目标成像仿真几何示意图；图3为舰船模型图；图4为SAR粗聚焦与舰船检测结果；图5(a)为A舰船目标数据提取结果图；图5(b)为B舰船目标数据提取结果图；图5(c)为C舰船目标数据提取结果图；图6(a)为对A舰船目标ISAR精聚焦成像结果图；图6(b)为对B舰船目标ISAR精聚焦成像结果图；图6(c)为对C舰船目标ISAR精聚焦成像结果图；图7(a)为实测数据的待检测SAR聚焦图；图7(b)为参考算法舰船目标检测结果；图7(c)为所提算法舰船目标粗检测；图7(d)为所提算法舰船目标粗检测结果提取；图7(e)为参考算法舰船目标检测结果提取；图7(f)为所提算法舰船目标精检测结果提取；图8为实测数据熵值变化率统计图。具体实施方式下面结合附图对本专利技术详细说明实施例1随着我国海上交通和航运的迅速发展，无人机等机动平台SAR对特定海域、港口等水运交通的监管有着全天时全天候远距离宽幅的监测管理优势。目前已有的目标检测方法多应用于多通道模式下，但机动平台因空间和成本的限制多采用单通道模式，为解决当前舰船目标检测的发展需求，本专利技术提出一种机动平台单通道SAR对海面舰船目标检测方法，主要适用于机动平台对包含陆地的复杂海面情况所得粗聚焦SAR图像，能够实现对复杂海面情况下舰船类目标的有效检测，参见图1，包括有如下步骤：步骤1，对SAR图像预处理，剔除无关信息：输入机动平台SAR系统得到的复杂海面背景下的SAR粗聚焦图像，对该图像预处理，采用Otsu算法二值化图像，阈值处理后剔除大块陆地等无关信息，保留包含待检测目标的海面图像。步骤2，自适应背景窗提取待检测目标：采用自适应背景窗的方法，提取预处理后剩余海面图像中的待检测目标，实现待检测目标与海面背景分离，得到自适应背景窗内背景像素和目标像素的均值、方差和标准差，为后续舰船目标检测提供概率分布模型参数。步骤3，采用改进CFAR算法初步筛选疑似舰船目标：利用基于K-lognormal双参数混合模型的CFAR检测方法对待检测目标实现舰船目标粗检测，确定不同目标区域下待检测目标与背景的混合分布模型，将其作为CFAR检测中的背景分布，并设置合理虚警概率得到阈值，门限检测后初步筛选出疑似舰船目标，得到初始舰船目标集。设置合理虚警概率就是针对当前处理数据特点以及实际数据海面情况所设定的虚警概率，这属于CFAR检测中的常规操作，由此得到的阈值具体在实施例2中展开说明。到此完成本专利技术对海面舰船目标的粗检测。步骤4，利用目标径向速度判定部分舰船目标：对初始舰船目标集中所有待检测目标进行径向速度检测，判定待检测目标是否为舰船目标，实现对舰船目标的第一步精检测，判定初始舰船目标集中部分待检测目标为舰船目标，并且保留集合中其余未判定的待检测目标。步骤5，利用目标图像熵值判定其余待检测目标：对已判定为舰船的目标进行聚焦前后的图像熵值统计，得到熵值变化率，以上述熵值变化率最小值为门限，对其余待检测目标采用ISAR聚焦前后的熵值变化率判定，实现对舰船目标的第二步精检测，完成对所输入复杂海面背景下的SAR粗聚焦图像中的舰船目标检测。本专利技术所提出的方法适用于单通道模式下机动平台对海面舰船目标检测。构造基于K-lognormal双参数混合模型同时描述SAR数据的海杂波区和舰船目标区，利用混合模型作为CFAR本文档来自技高网...

【技术保护点】
一种适用于机动平台单通道SAR对海面舰船目标检测方法，其特征在于，包括有如下步骤：步骤1，对SAR图像预处理，剔除无关信息：输入复杂海面背景下的SAR粗聚焦图像，对该图像预处理，剔除大块陆地等无关信息，保留包含待检测目标的海面图像；步骤2，自适应背景窗提取待检测目标：采用自适应背景窗的方法，提取预处理后剩余海面图像中的待检测目标，实现待检测目标与海面背景分离，为后续舰船目标检测提供概率分布模型参数；步骤3，采用改进CFAR算法初步筛选疑似舰船目标：利用基于K‑lognormal双参数混合模型的CFAR检测方法对待检测目标实现舰船目标粗检测，得到初始舰船目标集；步骤4，利用目标径向速度判定部分舰船目标：对初始舰船目标集中所有待检测目标进行径向速度检测，判定待检测目标是否为舰船目标，实现对舰船目标的第一步精检测，判定初始舰船目标集中部分待检测目标为舰船目标，并且保留集合中其余未判定的待检测目标；步骤5，利用目标图像熵值判定其余待检测目标：对已判定为舰船的目标进行聚焦前后的图像熵值统计，得到熵值变化率，以上述熵值变化率最小值为门限，对其余待检测目标采用ISAR聚焦前后的熵值变化率判定，实现对舰船目标的第二步精检测，完成对所输入复杂海面背景下的SAR粗聚焦图像中的舰船目标检测。...

【技术特征摘要】
1.一种适用于机动平台单通道SAR对海面舰船目标检测方法，其特征在于，包括有如下步骤：步骤1，对SAR图像预处理，剔除无关信息：输入复杂海面背景下的SAR粗聚焦图像，对该图像预处理，剔除大块陆地等无关信息，保留包含待检测目标的海面图像；步骤2，自适应背景窗提取待检测目标：采用自适应背景窗的方法，提取预处理后剩余海面图像中的待检测目标，实现待检测目标与海面背景分离，为后续舰船目标检测提供概率分布模型参数；步骤3，采用改进CFAR算法初步筛选疑似舰船目标：利用基于K-lognormal双参数混合模型的CFAR检测方法对待检测目标实现舰船目标粗检测，得到初始舰船目标集；步骤4，利用目标径向速度判定部分舰船目标：对初始舰船目标集中所有待检测目标进行径向速度检测，判定待检测目标是否为舰船目标，实现对舰船目标的第一步精检测，判定初始舰船目标集中部分待检测目标为舰船目标，并且保留集合中其余未判定的待检测目标；步骤5，利用目标图像熵值判定其余待检测目标：对已判定为舰船的目标进行聚焦前后的图像熵值统计，得到熵值变化率，以上述熵值变化率最小值为门限，对其余待检测目标采用ISAR聚焦前后的熵值变化率判定，实现对舰船目标的第二步精检测，完成对所输入复杂海面背景下的SAR粗聚焦图像中的舰船目标检测。2.根据权利要求1所述的一种适用于机动平台单通道SAR对海面舰船目标检测方法，其特征在于，步骤3所述的实现舰船目标粗检测具体包括：(3a)依据步骤2中得到的自适应背景窗内背景像素和目标像素的均值、方差和标准差，构造确定的K分布的概率密度函数和lognormal分布的概率密度函数；K分布的概率密度函数：其中，x为概率密度函数自变量，L为图像视数(可由成像处理获取)，Γ(·)为Gamma函数，Kν-L(·)为ν-L阶第二类修正贝塞尔函数，κ1＝(μ,ν)，μ为背景像素均值，ν为形状参数，一般利用背景窗内像素点的统计值替代估计值，κ1＝(μ,ν)的统计值可表示为μ＝<x>其中，<·>为期望操作；lognormal分布的概率密度函数：其中，κ2＝(μ,σ)，μ为目标像素均值，σ为目标像素标准差；(3b)构造CFAR检测方法中描述舰船目标及背景分布的基于K-lognormal双参数混合模型为p(x|κ)＝λ1p(x|κ1)+λ2p(x|κ2)其中，κ＝(κ1,κ2,λ1,λ2)，λ1+...

【专利技术属性】
技术研发人员：邢孟道，刘鑫阁，李震宇，高悦欣，孙光才，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61