[发明专利]一种SAR图像舰船目标统计特征提取方法与装置

说明书

本发明涉及一种SAR图像舰船目标统计特征提取方法与装置，包括：输入缓冲模块：步骤1、异步接收兴趣区图像数据；步骤2、将该兴趣区图像数据写入内部存储器；步骤3、读取该兴趣区图像数据，从外部数据总线读取运算参数，并根据该兴趣区图像数据和该运算参数，执行相应运算，生成统计特征值作为输出结果；步骤4、缓存该输出结果，并将该输出结果异步发送至外部数据总线。由此本发明能够同时计算阈值，亮度均值、亮度标准差等7个统计特征；可全自动处理ROI数据，运算操作只需要配置参数、写入数据和读取结果三个步骤；在任意级别的嵌入式可编程逻辑器件上均可适用。

技术领域

本发明涉及图像目标识别技术领域，具体地说，本发明涉及一种SAR(SyntheticAperture Radar，简称SAR)图像舰船目标统计特征提取方法与装置。

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为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。第一步目标检测负责将可能出现目标的区域与背景分离，生成兴趣区(Regions of Interest，简称ROI)；第二步目标鉴别负责分析所有兴趣区中是否存在有效目标，并剔除无效目标；第三部，对有效目标进行特征分析，根据一定的规则进行分类。

决定一个ATR系统优劣的其中两个关键指标是虚警概率和漏警概率。由于噪声总是客观存在的，当噪声信号的幅度超过检测门限时，雷达(或其他检测系统)就会被误认为发现目标，这种错误称为虚警，它的发生概率称为虚警概率(False Alarm Probability，简称FA)。由于噪声的干扰，目标的回波信号幅度可能低于检测门限，会被误判为没有目标，这种错误称为漏警，它的发生概率称为漏警概率(Miss Alarm Probability，简称MA)。为保证系统的MA足够低，往往在第一步的目标检测时会使用一个比较低的检测门限，因此其生成的兴趣区的FA会很高。第二步鉴别的主要任务是鉴别ROI中是否包含有效目标，保证系统的FA在预期范围内。

目标鉴别的主要手段是ROI内各类统计特征的提取和分析，单就SAR图像而言亮度和几何分布特征是目标鉴别过程的主要参考依据。目标鉴别过程涉及对大量图像数据的复杂演算，在地面处理中一般使用大型机群进行并行处理。目前SAR自动目标识别领域的一个主要趋势就是逐渐尝试在星载SAR环境中完成自动目标识别的任务，从而达到真正意义上的大范围实时自动目标识别。然而，太空工作环境对处理系统体积、重量、功耗等方面均有较大的限制，现有地面处理系统构架无法满足需要，因此当前迫切需要一种能够以较低的复杂度实现SAR图像目标快速检测的解决方案，以适应太空工作环境对处理系统的各种限制。