一种极化雷达海面舰船目标检测方法及系统技术方案

本发明专利技术涉及一种极化雷达海面舰船目标检测方法及系统，其特征在于，该方法包括：获取待检测的极化雷达图像数据并进行预处理；对预处理后的极化雷达数据进行预检测，并标注极化雷达数据中的舰船目标，产生初始的舰船样本；对初始的舰船样本中的每一像素均提取张量数据切片，生成舰船样本集；采用舰船样本集，对基于Tucker分解的半监督支持张量机进行训练，得到待检测的极化雷达图像数据中的舰船目标检测结果，本发明专利技术可以广泛应用于目标检测领域中。本发明专利技术可以广泛应用于目标检测领域中。本发明专利技术可以广泛应用于目标检测领域中。

【技术实现步骤摘要】
一种极化雷达海面舰船目标检测方法及系统


[0001]本专利技术涉及目标检测领域，特别是关于一种极化雷达海面舰船目标检测方法及系统。

技术介绍

[0002]雷达是一种主动式探测系统，具有不受天气、云雾、光照等环境因素影响的特点，可以进行全天时、全天候的工作。极化雷达相比于单通道雷达，通过发射并接收两种不同极化方式的电磁波，得到多通道的观测数据，获取目标在不同极化方式下电磁波的雷达散射截面积(RCS)，从而获取更丰富的散射特性，这有助于在复杂场景中的提取目标信息。因此，极化雷达在军事、航空、遥感等领域有着广泛的应用。近年来，使用极化雷达进行海面舰船目标检测已经成为雷达遥感领域的重要应用。民用上，海面舰船目标检测有助于管理海运交通与海洋渔业活动，可以有效打击走私等非法行为。军用上，海面舰船目标检测可以监测到战时需打击的重点目标的位置等信息，确保军事上的主动权。因此，针对大量的极化雷达海面数据，需要及时有效地发现和提取舰船目标，需要开展针对海面舰船的极化雷达目标检测算法的研究。
[0003]目前，绝大部分极化雷达海面舰船目标检测系统可以分为以下两种类型：1)基于海杂波模型的目标检测。基于海杂波模型的目标检测框架，在中低海况情形下，海面杂波信号强度弱，舰船目标回波信号强度强，舰船目标检测系统通过对海面杂波信号统计建模，采用恒虚警检测方法获得阈值，从而完成舰船目标检测。然后利用舰船大小、舰船散射特性等现有的先验对检测结果去除虚警结果，并给出最后的舰船检测结果。2)基于舰船目标极化特征的目标检测。基于舰船目标极化特征的目标检测框架中，检测系统主要关注如何提取目标的极化特征用于目标检测。由于舰船目标是人造目标，其电磁散射特性与海面有较大差别，因此舰船目标与海面存在极化特征差异，从而可以将舰船从海杂波中区分出来，通过综合考虑目标后向散射功率、散射特性(例如布拉格散射、二次散射、体散射)、各极化分解系数、极化熵等特征，可以得到舰船检测结果。此外，通过设定一定的优化目标函数来综合不同极化通道的信息也是一种目标特征提取的方式，例如基于杂波起伏度准则可以导出极化白化滤波器(PWF)等。
[0004]然而，现有的舰船检测方法存在一定的局限性。基于海杂波模型的检测方法，其优点在于所需人为设置的超参数少，检测系统可自适应学习海杂波的统计模型，并据此进行舰船目标检测，因此，检测系统可在不同观测传感器、不同场景条件下具有良好的泛化性能，但是其局限性表现在，现有海杂波模型通常只能表示中低海况的海面，在高海况情形下海杂波分布复杂，随机性大，难于建立良好的海杂波模型。而基于舰船目标极化特征的监测框架，其优点在于人造舰船目标一般具有某些显著的极化散射特征，通常这种特征不管是在中低海况还是高海况，均可以与自然形成的海面区分开，利用这些特征可以有效地检测部分复杂场景的舰船目标。然而，目标的极化特征会随着船只类型、传感器类型、场景条件等各种因素变化，人工设计的极化特征难以在所有的情形下均取得良好性能。这是因为这
些极化特征在人工设计的过程中融入了一部分极化信息，但也同时忽略了很多极化信息。在这种情况下，为在各种船只类型、传感器类型、海面场景条件下均能得到有效地进行目标检测，需要提出新的方法尽可能保留极化信息，或是根据相应的传感器、船只类型、海面场景进行针对性的特征提取，这通常需要进行有监督的极化特征学习，但是监督学习需要面临数据获取等局限性。

技术实现思路

[0005]针对上述问题，本专利技术的目的是提供一种能够完整地保留邻域内的全部空间信息与极化信息的极化雷达海面舰船目标检测方法及系统。
[0006]为实现上述目的，本专利技术采取以下技术方案：第一方面，提供一种极化雷达海面舰船目标检测方法，包括：
[0007]获取待检测的极化雷达图像数据并进行预处理；
[0008]对预处理后的极化雷达数据进行预检测，并标注极化雷达数据中的舰船目标，产生初始的舰船样本；
[0009]对初始的舰船样本中的每一像素均提取张量数据切片，生成舰船样本集；
[0010]采用舰船样本集，对基于Tucker分解的半监督支持张量机进行训练，得到待检测的极化雷达图像数据中的舰船目标检测结果。
[0011]进一步地，所述对预处理后的极化雷达数据进行预检测，并标注极化雷达数据中的舰船目标，产生初始的舰船样本，包括：
[0012]采用修正的极化白化滤波器，对预处理后的极化雷达数据进行预检测，分别得到单视时和多视时修正后的像素强度；
[0013]根据单视时和多视时修正后的像素强度，标注极化雷达数据中的舰船目标，产生初始的舰船样本。
[0014]进一步地，所述修正后的像素强度包括单视时和多视时修正后的像素强度，其中：
[0015]单视时修正后的像素强度z为：
[0016][0017]多视时修正后的像素强度z为：
[0018][0019]其中，S
hh
、S
hv
和S
vv
分别为极化雷达散射矩阵HH通道、HV通道、VV通道对应的散射分量；y
ij
，i，j＝1，2，3为正定Hermite矩阵的各个分量，表示类别标签；r1为一阶相似性参数；r2为二阶相似性参数；α0为一阶相似性参数前的权重；上标*表示复共扼；参数ρ、γ、ε和σ
hh
为：
[0020][0021]其中，E表示求期望。
[0022]进一步地，所述对初始的舰船样本中的每一像素均提取张量数据切片，生成舰船样本集，包括：
[0023]对初始的舰船样本中的每一像素均提取张量数据切片；
[0024]提取出所有类别标签为舰船的张量数据切片，组成舰船样本集。
[0025]进一步地，所述采用舰船样本集，对基于Tucker分解的半监督支持张量机进行训练，得到待检测的极化雷达图像数据中的舰船目标检测结果，包括：
[0026]根据舰船样本集，对基于Tucker分解的支持张量机的分类界面决策函数进行训练，将基于Tucker分解的支持张量机扩展为半监督形式；
[0027]计算剩余的每一张量数据切片的分类界面决策函数，并输出类别标签；
[0028]若未达到最大迭代次数且存在新舰船样本，使得类别标签为舰船，则从该新舰船样本中选择使权重参数和张量数据切片之间在Tucker分解含义下的内积运算最大的新张量数据切片，设置其类别标签为舰船，并将该张量数据切片加入至舰船样本集中，并重新进行迭代训练；否则，结束迭代；
[0029]根据最后一轮迭代训练得到的分类界面决策函数，为所有张量数据切片生成类别标签，返回舰船目标检测结果。
[0030]进一步地，所述根据舰船样本集，对基于Tucker分解的支持张量机的分类界面决策函数进行训练，将基于Tucker分解的支持张量机扩展为半监督形式，包括：
[0031]设置张量数据切片的核心张量，并对所有张量数据切片进行Tucker分解；
[0032]初始化舰船样本集，并设置算法最大迭代次数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极化雷达海面舰船目标检测方法，其特征在于，包括：获取待检测的极化雷达图像数据并进行预处理；对预处理后的极化雷达数据进行预检测，并标注极化雷达数据中的舰船目标，产生初始的舰船样本；对初始的舰船样本中的每一像素均提取张量数据切片，生成舰船样本集；采用舰船样本集，对基于Tucker分解的半监督支持张量机进行训练，得到待检测的极化雷达图像数据中的舰船目标检测结果。2.如权利要求1所述的一种极化雷达海面舰船目标检测方法，其特征在于，所述对预处理后的极化雷达数据进行预检测，并标注极化雷达数据中的舰船目标，产生初始的舰船样本，包括：采用修正的极化白化滤波器，对预处理后的极化雷达数据进行预检测，分别得到单视时和多视时修正后的像素强度；根据单视时和多视时修正后的像素强度，标注极化雷达数据中的舰船目标，产生初始的舰船样本。3.如权利要求2所述的一种极化雷达海面舰船目标检测方法，其特征在于，所述修正后的像素强度包括单视时和多视时修正后的像素强度，其中：单视时修正后的像素强度z为：多视时修正后的像素强度z为：其中，S
hh
、S
hv
和S
vv
分别为极化雷达散射矩阵HH通道、HV通道、VV通道对应的散射分量；y
ij
，i,j＝1,2,3为正定Hermite矩阵的各个分量，表示类别标签；r1为一阶相似性参数；r2为二阶相似性参数；α0为一阶相似性参数前的权重；上标*表示复共扼；参数ρ、γ、ε和σ
hh
为：其中，E表示求期望。4.如权利要求1所述的一种极化雷达海面舰船目标检测方法，其特征在于，所述对初始的舰船样本中的每一像素均提取张量数据切片，生成舰船样本集，包括：对初始的舰船样本中的每一像素均提取张量数据切片；提取出所有类别标签为舰船的张量数据切片，组成舰船样本集。5.如权利要求1所述的一种极化雷达海面舰船目标检测方法，其特征在于，所述采用舰船样本集，对基于Tucker分解的半监督支持张量机进行训练，得到待检测的极化雷达图像数据中的舰船目标检测结果，包括：根据舰船样本集，对基于Tucker分解的支持张量机的分类界面决策函数进行训练，将
基于Tucker分解的支持张量机扩展为半监督形式；计算剩余的每一张量数据切片的分类界面决策函数，并输出类别标签；若未达到最大迭代次数且存在新舰船样本，使得类别标签为舰船，则从该新舰船样本中选择使权重参数...

【专利技术属性】
技术研发人员：任达伟，杨健，韩松历，王洪淼，
申请(专利权)人：清华大学，
类型：发明
国别省市：