[发明专利]一种基于伴方差修正模型的海洋目标特征提取方法

说明书

本发明公开了一种基于伴方差修正模型的海洋目标特征提取方法，属于海洋遥感技术领域，包括构建OceanTD深度学习模型，基于OceanTD深度学习模型对海洋目标特征进行初步检测；然后构建一种伴方差修正模型，对对数逻辑分布函数进行方差修正，考虑标准差和绝对值误差指标，增加方差修正项，推导出其公式，提高了对复杂海况海杂波的拟合优度；最后，基于伴方差修正模型采用CFAR算法提取海洋目标特征，并对提取的海洋目标特征进行可视化，提高了海洋目标检测的召回率和海洋目标参数提取的准确率；本发明所提出的方法，海杂波拟合优度显著提高，目标检测虚警量明显减少，特征提取准确率有效改善。

技术领域

本发明公开了一种基于伴方差修正模型的海洋目标特征提取方法，属于海洋遥感技术领域。

背景技术

CFAR算法是当前海洋目标检测中比较成熟的方法，是雷达信号检测领域里最常用和最有效的一类检测算法，包括双参数CFAR算法、自适应双参数CFAR检测方法、基于K分布的CFAR算法和基于威布尔分布的CFAR算法等。Burl等学者基于海洋背景杂波符合高斯分布的假定，提出双参数CFAR检测算法，由于海洋背景杂波受多种因素的影响，并不严格符合高斯分布，导致双参数检测算法虚警率高。目前的研究鲜见针对海杂波的分布特点、对大量概率分布函数进行实验拟合和分析。传统CFAR目标检测方法高斯分布的假定具有一定局限性，导致海洋目标特征提取精度不够。

发明内容

本发明公开了一种基于伴方差修正模型的海洋目标特征提取方法，以解决现有技术中，传统CFAR目标检测方法高斯分布的假定具有一定局限性，导致海洋目标特征提取精度不够的问题。

一种基于伴方差修正模型的海洋目标特征提取方法，构建OceanTD深度学习模型，基于OceanTD深度学习模型对海洋目标特征进行初步检测，然后提出一种伴方差修正模型，基于伴方差修正模型使用CFAR算法提取海洋目标特征，并对提取的海洋目标特征作可视化处理。

优选地，所述伴方差修正模型对对数逻辑分布函数进行方差修正，具体公式为：

式中，x∈[0，+∞]，是像素值；α0，是尺度参数；β2，是形状参数；ε∈[0，1]，是修正参数。

优选地，基于伴方差修正模型采用CFAR算法提取海洋目标特征的具体方法为：

(1)调用初步检测的结果，以疑似目标为中心点构建窗口；

(2)提取(1)中窗口中不是疑似目标的次数最多的单元影像；

(3)筛选(2)中提取的单元影像；

(4)绘制像素数组的直方图，提取直方图中，最小像素值到最大像素值间的有效像素及有效像素对应的频数，将提取的有效像素及其频数作为拟合数据，将拟合数据保存到拟合数组中；

(5)调用伴方差修正模型拟合(4)中的拟合数组，求出拟合曲线的α、β、ε参数值并计算拟合优度；

(6)计算拟合曲线有效像素的积分，当积分值达到阈值时，输出临界像素X_tb，否则重新计算积分直至达到阈值；

(7)以像素值大于X_tb的像素值作为检测条件，检测(1)中窗口中的影像，将疑似目标保存到疑似目标数组中，聚簇疑似目标像素，保存各个目标簇的参数；

(8)当目标簇在坐标轴上的长度、宽度及纵横比满足目标簇阈值时，对目标簇进行直线拟合和椭圆拟合，提取目标簇的实际长度、实际宽度、实际纵横比和像素值；

满足实际长度、实际宽度、实际纵横比的目标簇的相应参数即为提取的目标参数。

优选地，一种基于伴方差修正模型的海洋目标特征提取方法具体为：