[发明专利]基于全局迭代检查的SAR图像自适应船只检测方法

说明书

本发明公开了一种基于全局迭代检查(Global Iterative Censoring,GIC)的SAR(合成孔径雷达)图像自适应船只检测方法。该方法利用成像区域的地理信息数据提取海洋区域；利用基于局部位置信息的模糊C均值分类器(Fuzzy Local Information c‑Means clustering,FLICM)将非均质海面划分多个均质子区域；利用GIC技术标记各子区域中的候选船只目标，并同步自适应选取区域内的最优海杂波分布模型；根据GIC得到的海杂波模型，利用二维滑窗恒虚警(CFAR)检测器对候选船只目标进行辨识，提高检测精度，实现对船只的检测。本发明将均质区域划分技术与GIC应用于SAR图像船只检测当中，在非均质海杂波、多目标场景等复杂场景下具有稳健高效、高检测率和低虚警率等优点。

技术领域

本发明涉及雷达图像处理技术领域，具体是一种基于区域分割和全局迭代检查的SAR图像海面船只自适应检测方法。

背景技术

船只目标检测是世界各海岸带国家的传统任务，在维护国家海洋权益、保护海洋环境、海上交通管理和海上执法监察等多方面有着广泛的应用。合成孔径雷达(SyntheticAperture Radar,SAR)因其全天时、全天候、大范围、高分辨率、长期连续观测的优点，在海洋船只探测方面具有得天独厚的优势，SAR图像船只检测也得到了国内外的广泛重视。近年来，随着SAR遥感技术的发展和大量SAR卫星的发射，利用SAR图像进行海面船只探测已成为海洋遥感应用的研究热点。

目前，SAR图像船只检测方法大致可分为两类，即对运动船只尾迹的检测和对船只本体的检测。

其中，对船只尾迹的检测，主要是通过Hough变换、Radon变换等图像处理的手段，在SAR图像上搜索由船舶直接产生的表面波尾迹，由船体排水和螺旋桨喷射造成的湍流尾迹，以及船舶在一定的层化条件下产生的内波尾迹。这类方法的主要缺陷在于，不仅无法对静止或缓慢运动的船只进行检测，而且运动船只的尾迹也并不稳定，常常会受到舰船速度和海面海况等因素的影响，在部分SAR传感器的图像上甚至无法观测到尾迹。尾迹的存在能够确证船只的存在，而没有尾迹并不代表没有船。因此，目前船只检测方法仍以对船只本体的检测为主。

对船只本体的检测主要是利用船只与海面背景的散射强度差异，即船-海对比度差异来实现的。根据SAR成像机理，在对船只成像时，船体与海洋表面、船体局部结构都会构成角反射器，对雷达波产生极强的后向散射，在SAR图像上表现为由几个乃至数十个像素构成的高亮目标。作为背景的海洋表面，在海面比较平静(风速小于2m/s)时，海面对雷达波束表现为镜面反射，后向散射回波较弱，SAR图像上的海洋背景很暗；在海风比较强烈的情况下，海面发生Bragg共振散射，回波信号较强，SAR图像上的海洋背景偏亮。但是在上述两种情况下，舰船后向散射回波均远强于海洋背景回波。因此在SAR图像上直接检测舰船目标，其本质是在存在杂波和噪声干扰的暗背景中检测高亮目标。在实际应用中，受复杂海洋环境和船只结构的影响，SAR图像上存在大量非均质海洋区域，中小型船只受到非均质区域的海杂波影响，船-海对比度被削弱，检测性能受到影响。此外，港口、航道、海上渔场等区域存在多目标环境，大量不同尺寸的船只聚集在小区域内，部分中小型船只在检测时受到附近的大型船只回波及其副瓣影响，检测参数被抬高，造成漏检，影响船只检测概率。

现有SAR图像船只检测方法主要包括如下算法：基于全局阈值的分割算法，基于滑动窗口的自适应阈值方法，基于雷达恒虚警的CFAR检测算法，基于模板的阈值检测算法，以及基于子孔径处理的检测算法。

其中，全局阈值算法通过设置一个固定的全局阈值来对图像进行分割，将所有高于所设阈值的像素作为舰船目标。其优点在于阈值计算简单，运算复杂度低，对多目标环境有较好的检测性能；其缺点在于该算法无法根据图像中局部区域变化和雷达入射角变化自动调整阈值，在非均质SAR图像的检测结果中引入大量的漏检和虚警。