[发明专利]一种SAR图像背景杂波建模及目标检测方法

说明书

技术领域

本发明涉及一种基于MoLC+MoM-G⁰的快速、自适应SAR图像背景杂波建模及目标检测方法。

背景技术

在CFAR目标检测中，目标检测性能的好坏主要取决于描述背景杂波所采用的统计模型的准确性。若描述杂波特性的统计模型采用不当，将会造成目标检测性能恶化的严重后果。为了改善目标检测的性能, 本文将采用Frery等人提出的G⁰分布对SAR背景杂波进行建模。G⁰分布对单视和多视、强度和幅度、均匀、不均匀和极不均匀的SAR杂波图像具有精确的建模能力，但它也存在参数估计困难、检测阈值难以获得的缺点。另外，通过分析本文下面介绍的CFAR检测算法，我们发现：获取全局阈值和索引矩阵的计算量都比较小，后续的CFAR检测过程的计算量较大，CFAR目标检测时间主要消耗在使用参考滑窗像素对G⁰分布参数的估计上。

为了解决上述问题，本发明提出了一种基于MoLC+MoM-G⁰的快速、自适应SAR图像背景杂波建模及目标检测方法。该方法采用G⁰分布对背景杂波进行建模，采用基于MoLC+MoM的参数估计方法和快速迭代算法自适应地完成G⁰分布参数的估计，采用二分法自适应地求取CFAR局部检测阈值，大大提高了CFAR检测的性能、计算效率和对检测环境的适应性，同时，通过CFAR检测前的像素筛选、CFAR检测后的面积剔除等进一步提高CFAR检测的性能。本文提出的SAR目标检测方法较好地兼顾了检测性能和计算效率两方面的要求，具有计算量小、速度快、效率高、自适应能力强、稳健性好和适用范围广等优点，具有一定的应用前景。

发明内容

为了克服上述背景技术的不足，本发明提供了一种基于MoLC+MoM-G⁰的快速、自适应SAR图像背景杂波建模及目标检测方法。

本发明所采用的具体技术方案如下：

（一）基于MoLC+MoM的G⁰分布参数估计方法

对于SAR强度图像，其G⁰分布的表达式为：

               （1）

其中，-α, γ, n, x>0，x为像素强度值；n为等效视数；γ为尺度参数，与被测区域的平均能量有关，γ越大，对应的平均能量越大；为形状参数，主要反映SAR强度图像的均匀程度，α的取值范围很宽，说明G⁰分布对不同均匀度的背景杂波都具有很好的建模能力，越大，则对应的背景杂波越均匀。

下面我们从Mellin变换出发，推导一种新的G⁰分布参数估计方法。

对于SAR强度图像，其灰度强度概率密度函数f(x)的Mellin变换如下：

                （2）

把（1）式代入到（2）式中，可得：

               （3）

根据《数学手册》（王连祥等，2005），可求得：

              （4）

对其两边取对数，可得：

（5）

称为G⁰分布对应的第二个第二类型的特征函数。对其在s=1处求k阶导数，可得对数累积量为：

                          （6）

将（5）式代入到（6）式中，求得G⁰分布对应的各阶对数累积量为：

              （7）

其中称为Digamma函数，即对数Gamma函数的一阶导数。称为（k-1）阶Polygamma函数。

在实际应用中，对数累积量一般用样本对数累积量来代替。设x₁，x₂，…，x_N为N个样本观测值，则样本对数累积量的表达式为：

                    （8）