[发明专利]基于分割组合的SAR图像自适应恒虚警率目标检测方法

说明书

技术领域

本发明专利属于合成孔径雷达(SAR)技术领域，涉及实时检测SAR图像目标的方法。

背景技术

近年来，合成孔径雷达(SAR)的快速发展不仅提升其在军事上的应用，同时也开始影响着日常的地形测绘航海监测等民事应用。但是随着机载和星载SAR传感器获得的图像数据趋于海量，而现有的图像分析能力根本无法满足收集到的数据的处理需求，因此发展SAR图像解译技术变得越来越迫切。SAR图像解译技术内容丰富，针对不同的应用蔓延种类繁多的分支。其中一个重要的分支就是如何从不可预知的背景杂波中发现到感兴趣区域(ROI)。这个被称作自动目标识别(ATR)过程。

作为ATR的第一步，目标检测对于后续的目标识别等一系列过程都有着较大的影响，直接会影响到整个计算的检测精度和计算的复杂度。而SAR图像目标检测算法在过去的近几十年得到了蓬勃发展。总共大致有以下三大类的SAR图像目标算法：(1)基于图像对比度的目标检测算法；(2)基于图像其他特征的目标检测算法；(3)基于复图像特征的目标检测算法。其中基于图像对比度的目标检测算法由于其计算简便，效果卓著而被大量研究。基于图像对比度的算法中主要的就是恒虚警率(CFAR)检测算法。CFAR检测算法因为其能保持恒定的虚警概率，并且实施较为简单而被广泛应用。如世界知名的加拿大的SARATR workbench系统和德国的ACoVis系统都采用了此项检测技术。

在理想均匀高斯背景杂波情况下，单元平均(CA)CFAR技术被证明能在保持恒定虚警概率的条件下同时取得最好的检测性能。另外当用来估计的杂波单元数趋于无穷时，CA-CFAR检测器被证明无限趋近于最优的尼曼皮尔逊检测器。但是应该注意的是，随着杂波单元数的增加，原本均匀的杂波假设倾向于被破坏。因此，在非均匀的杂波环境下，CA-CFAR的检测效果承受了巨大的损失。参考窗中一个或多个干扰目标会促使检测门限的上升，这会使虚警概率下降到一个我们不可以承受的范围，同时还会使检测概率下降。在杂波边缘环境也类似，当待检测单元在低杂波时会承受较多的虚警，而在高杂波时会损失检测概率。所以总体来说，CA-CFAR在非均匀环境的检测性能相比较均匀环境有较大下降，因此后续有各种CFAR检测器来用于探究此问题的解决方法。

在杂波边缘区域，选大(GO)CFAR能提供更好的检测性能，但是由于失去了相邻单元的相关信息，相比较CA-CFAR，在均匀区域有更大的下降。在多目标环境下，选小(SO)CFAR减少了相邻目标的影响，因此这种情况下获得较好的性能。但是在杂波边缘环境下相比较CA-CFAR能承受更多的虚警。另一种CFAR检测器，排列统计(OS)CFAR检测器能一定程度上克服以上几种CFAR检测器的缺陷，但是尽管它比较稳健，但是在杂波边缘环境下还是承受了较多的虚警。

想利用一种检测算法来适应复杂多变的各种场景，显然并不容易。如果开发一种算法，能根据被测单元所处的特定环境自适应的从以上经典的CFAR检测器中选择最合适的检测器来进行检测，无疑将具有较大的检测性能提升。因此这种自适应CFAR检测算法成为一个主要的CFAR研究方向。

黄祥于2005年提出了一种基于区域分类的自适应检测算法(RC-CFAR算法)，这种方法将场景数据分维分窗处理能很好提取待检测单元的环境参数，但是其分窗组合思想不够完善，在一些较复杂的目标场景下会造成目标检测率损失。本方法在其基础上提出了一种改进方案，能针对此类环境场景有效提高检测率。

发明内容

现有自适应CFAR技术的检测方法，检测概率较低，虚警率较高，在复杂的多个目标嵌在一起时容易受到周围目标干扰，同时一些较弱的目标因为被强目标所遮蔽难以被检测到。为了解决现有技术的上述问题，本技术方案提出了一种基于分割组合的利用各局部信息的自适应子窗组合的检测方法，主要利用基于分割组合的CFAR技术对SAR图像进行快速的目标检测，从而从海量SAR数据中迅速找到感兴趣的区域。为了能自适应的针对各特定环境，采取相应子窗组合从而达到最优的检测效果。本技术方案所提出的检测方法是针对成像后的图像数据进行检测，采用了基于分割组合的自适应CFAR检测方法进行检测，本方法计算量小，操作较为简单，检测效果明显提高，适于实时目标检测系统。

为了实现本发明的目的，本发明提供一种基于分割组合的SAR图像自适应恒虚警率目标检测方法，包含如下步骤：

步骤1：从合成孔径雷达系统中获取到一幅待检测SAR图像，该图像是n行，m列的；作为优先，步骤1中还包括对获取到的待检测SAR图像进行噪声滤除。