[发明专利]基于最大稳定极值区域的SAR图像舰船目标检测方法

说明书

本发明公开了一种基于最大稳定极值区域的SAR图像舰船目标检测方法，该方法首先通过引力场增强法对SAR图像进行滤波，在抑制海杂波的同时增强舰船目标；然后，使用基于最大稳定极值检测方法通过目标区域模式特征得到候选目标位置；最后为了消除复杂海况下分布模型的失配风险，采用区域分块的加速核密度估计方法，根据统计特性得到目标的统计意义下的精检测结果。引力场增强技术预处理图像确保了最大稳定极值区域检测的稳定性，同时基于区域分块的加速核密度估计的检测器保证了检测结果的恒虚警率特性，与传统高分辨舰船目标检测方法相比，具有简单、高效和准确的特性。

技术领域

本发明属于雷达信号处理技术领域，特别涉及一种基于最大稳定极值区域的SAR图像舰船目标检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动式微波有源传感器，可以全天时、全天候、远距离获取观测场景二维图像。利用SAR图像进行舰船目标检测对于军事情报获取、海洋监视和渔业管控具有重要意义，已成为海洋遥感领域的研究热点。

在各种检测算法中恒虚警检测器因其简单与适应性强应用最为广泛。然而，随着合成孔径技术发展，分辨率提升，目标结构信息愈加明显，同时海杂波特征也更加复杂，对传统检测算法提出挑战。面对多目标、多尺度及非均匀杂波背景情况，传统恒虚警检测算法性能可能会下降。现有的用于多分辨率情况下舰船目标检测的检测窗设计方法可以根据雷达参数调整窗口大小，但其选取最大舰船长度作为目标窗宽度的设计使得杂波像素泄露进入目标窗，难以完整提取目标船只。基于目标推荐与支持向量机(SVM)的舰船检测方法，在复杂杂波环境下性能可能下降。超像素与Fisher Vector相结合的舰船目标检测方法，可以有效描述杂波与舰船目标像素块的特征，但是由于其检测阈值采用半监督的学习方式获得，这意味着当样本不足或者环境差异较大时检测器难以使用。加权信息熵与超像素相结合的检测方法，使用候选块邻域像素块进行参数估计，但是其选择的高斯分布海杂波模型面临较大失配风险。

一般情况下舰船是广阔海域中的稀疏目标，如何在大视场中快速、有效的检测舰船目标是重要问题。传统的滑动窗口方法大场景条件下逐像素的检测，计算量过大；固定大小的检测窗在多尺度目标检测中难以完整提取目标船只；传统方法往往选用的高斯分布作为海杂波模型，在高分辨图像中存在很大失配风险，且复杂海况环境下杂波模型具有失配风险。

发明内容

为了解决上述问题，本发明的目的是提出一种基于最大稳定极值区域的SAR图像舰船目标检测方法。该方法首先通过引力场增强法对SAR图像进行滤波，在抑制海杂波的同时增强舰船目标；然后，使用最大稳定极值检测方法通过目标区域模式特征得到候选目标位置；最后为了消除复杂海况下分布模型的失配风险，采用区域分块的加速核密度估计方法(BKDE)根据统计特性得到目标的统计意义下的精检测结果。与传统高分辨舰船目标检测方法相比，具有简单、高效和准确的特性。

为了达到上述目的，本发明采用以下技术方案予以解决。

基于最大稳定极值区域的SAR图像舰船目标检测方法，包括以下步骤：

步骤1，获取原始SAR图像，采用引力场增强法对原始SAR图像中舰船目标与背景杂波进行对比度增强，得到增强对比度的图像；

步骤2，采用最大稳定极值区域法对增强对比度的图像进行检测，得到对应的最大稳定极值区域，并将其作为候选舰船目标；

步骤3，对于每个候选舰船目标，构建区域分块的检测窗；基于所述区域分块的检测窗，使用加速的核密度估计方法对候选舰船目标进行精检测，得到恒虚警概念下的检测阈值，进而确定舰船目标。

与现有技术相比，本发明的有益效果为：