[发明专利]一种SAR图像背景杂波建模及目标检测方法

权利要求书

1.一种基于MoLC+MoM-G⁰的SAR图像背景杂波建模及目标检测方法，其特征在于：

（一）基于MoLC+MoM的G⁰分布参数估计

对于SAR强度图像，G⁰分布的表达式为：

                （1）

G⁰分布参数估计的n、α和γ的MoLC估计方法为：

             （2）

当背景杂波十分均匀时，我们给出一种新的基于MoLC+MoM的G⁰分布参数估计方法：

                      （3）

            （4）

将（3）和（4）式第三项代入到（4）式的第一项中，限定和，通过数值计算即可求得参数，将求得的值先后代入（4）式的第三项和第二项中，便可求得参数和的值。

2.（二）G⁰分布参数的快速计算

直接使用（3）、（4）式对G⁰分布参数进行估计，计算强度均值和强度平方均值花费时间长，影响其在实时计算中的应用。

通过观察发现：当滑窗通过向右或向下平移一个像素对图像进行遍历时，相邻两个测试像素对应的背景杂波区中绝大部分的像素保持不变。

我们以滑窗向右平移为例进行说明。

如附图1所示，设背景区中的像素总数为N，背景区的边长为L，警戒区的边长为l，相邻的目标测试像素分别为I_l和I_r，则当滑窗向右平移一个像素时，前后两个背景杂波区域中的像素变化为：前一背景杂波区域中左侧有L+l个像素被移出，新的背景杂波区域中右侧有L+l个像素被移入，未发生变化的像素个数为N-2(L+l)，这些像素的均值、平方均值在前一背景杂波区域参数估计时已经计算过了，因此可以直接用于后一背景杂波区域样本统计量的计算。

设相邻两个像素I_l和I_r所对应的背景区的样本均值分别为，样本平方均值分别为，移入和移出的像素分别为 (i=1，2，…，L+l) ，则有：

                （5）

除了第一个目标测试像素，利用（5）式，右边测试像素背景区域中像素强度的均值和平方均值均可利用左边测试像素背景区域中像素强度的均值和平方均值进行计算，从而可以大大降低参数估计的计算量。

3.（三）SAR图像目标检测

为了实现快速、高效、自适应和高性能的SAR图像目标检测。

本发明目标检测的具体实现步骤如下：

（1）像素筛选

对待检测的整幅SAR场景图像进行像素筛选，舍弃背景区中目标污染的像素，然后利用剩下的杂波像素估计杂波统计模型的分布参数。

这里像素筛选包括求解全局阈值和生成索引矩阵两个功能模块。

全局阈值的求取：

设I为像素强度随机变量，若一个像素是目标像素的置信度为，则全局阈值T_g可根据SAR图像直方图由下式获得：

                      （6）

其中P代表概率值，表示杂波像素占整个图像像素的比例，它是一个基于经验人为设定的值。

通常SAR图像越大，的取值越大，越接近于1。

设由待检测图像直方图获得的累积分布函数为F，则（6）式可改写成：

                     （7）

首先对整幅图像的直方图进行统计，然后利用（7）式，我们即可求得全局阈值T_g。

索引矩阵的产生：

设待检测图像大小为N×M，图像中（i, j）处像素的强度为I _i, j，（i, j）处像素的索引值为V _i, j，并且：

                   （8）

则图像的索引矩阵为：

              （9）

利用索引矩阵V对背景区域中的像素进行像素筛选，舍弃背景区中目标污染的像素，最后利用剩下的像素对G⁰分布的参数进行估计。

（2）杂波统计模型参数估计

滑窗的选择：

选择正方形空心滑窗作为杂波统计模型参数估计的滑窗。

根据目标尺寸的先验知识，我们采用的正方形空心滑窗边长L为60像素、警戒区边长l为40像素，如附图1所示。

G⁰分布参数估计：

具体的基于MoLC+MoM的G⁰分布参数估计方法见第1部分。

（3）局部检测阈值的求解

设给定的虚警概率为，则CFAR局部检测阈值T_l可由下式计算得到：

                  （10）

对于分布来说，上述积分没有显式的解析表达式，因而利用（10）式无法直接求解出T_l。

为了解决这个问题，我们采用如下二分法方法。

记，则有：

a）变量初始化：令像素强度的最小值为a=min(I)，最大值为b=max(I)，初始循环次数m=0，最大循环次数为M，逼近精度为ε；

b) 令，通过数值积分计算，若，则转入第d步；否则m=m+1，执行第c步；

c) 若m>M，则执行第d步；否则，当时，令，当时，令，转入第b步；

d) 令，退出。

（4）目标像素检测

将当前测试像素强度值和局部阈值进行比较，若其强度值大于等于局部阈值T_l，则判定为目标点，将该像素值二值化为1，否则判定为背景点，二值化为0。

（5）虚警区域剔除

CFAR检测后所得的结果图像，通常仍然包含一些由虚警引起的面积较小或较大的背景杂波区域，与目标所占像素面积明显不同。

为了减小后续处理的负担，需要将这些虚警区域剔除。

具体处理方法是：遍历整个检测结果图像，对各标定区域，统计其中所含强度为“亮”的像素个数，作为该区域的面积。

如果该区域的面积没有处于目标面积区间之内，则剔除该区域。

其中S_min由经验确定，，这里L是实际目标的长度，W是实际目标的宽度，是SAR图像距离和横向距离分辨率，至此，完成了SAR图像目标的检测。