[发明专利]一种SAR图像海洋目标快速检测方法与装置

说明书

本发明提供一种SAR图像海洋目标快速检测方法，包括：1)使检测窗口在待检测的SAR图像中滑动；2)对于当前检测窗口，将该检测窗口中的每个像素的灰度与预设的灰度阈值比较，判断该像素是否为亮点；3)根据当前检测窗口中的亮点数目是否超过预设的亮点数目阈值，判断当前检测窗口是否为目标窗；4)将目标窗聚集成目标兴趣区。本发明能够在处理系统能力有限的前提下，有效地提高目标检测的速度。本发明能够在目标检测第二阶段有效阻止连续数据对聚集模块的冲击，提高模块的连续处理能力。本发明适合于FPGA实现，并且可以通过FPGA的并行处理来提高系统的运算能力和吞吐率。本发明便于灵活地调整检测窗口的大小。

技术领域

本发明涉及图像目标识别技术，具体地说，本发明涉及一种合成孔径雷达(Synthetic Aperture Radar，简称SAR)图像海洋目标快速检测方法与装置。

背景技术

合成孔径雷达是一种高分辨率的微波侧视成像雷达，它利用距离向脉冲压缩原理及方位向合成孔径原理，实现了雷达照射区域直观的空间可视图像。合成孔径雷达除了具备遥感观测中常用的可见光和红外遥感器所具备的可进行大范围、高分辨率和快速观察的特点外，还具有全天时、全天候、穿透能力强等特点。特别是针对海洋背景的应用，由于水体的雷达反射系数很低，有利于提高舰船目标与海面背景的信噪比，因此合成孔径雷达成像在针对海面舰船目标的应用上本身就具有先天的优势，加之以合成孔径雷达成像不受光照和云层的影响，因此它逐渐成为最有发展前景的海洋观测手段之一。

伴随着合成孔径雷达技术的不断发展和分辨率不断提高，SAR图像的自动目标识别(Automatic Target Recognition,ATR)已经成为SAR图像解译领域的研究热点之一。SAR图像自动目标识别系统的目的是在无需人工干预的情况下，利用计算机对所收集的SAR数据进行自动分析，完成目标发现、定位和识别任务，进而分析判断目标所属种类。它涉及到的应用技术包括现代信号处理、模式识别、人工智能等。

美国是最早对SAR自动目标识别系统进行研究的国家。早在20世纪80年代，林肯实验室就开始进行SAR自动目标识别系统方面的研究，其最大的贡献之一就是提出了SAR自动目标识别的三级处理流程。该处理流程由于结构合理、处理效果优良，已经成为了SAR自动目标识别领域广泛认可和采用的框架。在此框架提出后，SAR自动目标识别领域绝大部分研究都是基于这个三级框架开展。图1示出了SAR自动目标识别三级框架的示意图，可以看出，SAR自动目标识别包括：目标检测、目标鉴别和目标分类三个步骤。

目标检测通常是SAR图像目标识别的第一步，其目的是从杂波背景中提取可能的目标兴趣区，这通常是目标识别中数据量最大的处理步骤。因此这一步的处理速度与质量决定了整个系统的目标识别速度和质量。

图2示出了目标检测的流程示意图。参考图2，目标检测主要分两个阶段，第一阶段是把符合目标特征的小块目标区域从杂波背景中提取出来；第二阶段将提取出来的分散小块目标区域，根据其位置特征聚集成接近目标尺度的大块目标兴趣区。目标检测第一阶段通常使用恒定虚警率检测方法(Constant False Alarm Rate，下文中简称CFAR)。其基本原理为：假定背景杂波符合某种概率分布模型，典型的有高斯分布、Gamma分布、K分布、Weibull分布等，然后根据背景杂波区数据估算出相关概率分布模型参数，在设定虚警率的前提下，利用杂波概率模型和虚警率计算出检测阈值，以像素群的灰度是否超过阈值区分目标和背景。

传统的CFAR算法通过滑动三个窗口完成对SAR图像中所有像素的检测。图3示出了传统CFAR算法窗口的示意图，可以看出CFAR算法窗口包括背景窗、保护窗和目标窗。根据CFAR检测原理，采用目标窗信号的平均能量与背景窗内噪声的平均能量比值(Signal toClutter Ratio简称SCR)作为目标检测的判据，将该比值和设定的检测阈值做比较，以判断目标窗内数据是否为目标，随后以目标窗大小为单位移动目标窗至新位置，计算、判断，直至完成全图数据检测为止。在这个检测过程中，就可以提取出具有目标数据的那些目标窗。