[发明专利]基于变异系数法的SAR船只检测优化方法

说明书

本发明公开基于变异系数法的SAR船只检测优化方法，包括如下步骤：(1)利用合成孔径雷达SAR获取遥感影像；(2)对步骤(1)中获取的遥感影像进行预处理；(3)对经过步骤(2)处理后的遥感影像中舰船目标进行检测提取，得到潜在船只目标；(4)利用变异系数法并以船舶长宽比、核密度估计值和目标像元个数作为船舶置信度的判别因子对经步骤(3)检测到的潜在船只目标进行优化。本发明计算量小、适用范围广且人为干扰因素小，不仅可以提高船舶检测结果的正确率，还可以节省大量的计算时间，同时还可以减少图像边缘的船舶目标漏检。

技术领域

本发明涉及雷达目标识别技术领域，特别涉及一种基于变异系数法的SAR船只检测优化方法。

背景技术

船舶作为当代的四大交通工具之一，在海上交通运输中占据着重要的作用。合成孔径雷达(SAR)是一种高分辨率成像雷达，具有全天时、全天候和大范围监视的能力。由于海洋和船舰目标对雷达信号的反射特性不同，舰船金属的后向散射系数很大，而海洋的后向散射系数很小，在SAR影像中船舶表现为亮像素，而海洋则为暗背景，因此SAR成为了海上船只监测的重要技术手段，在维护海洋权益、提高海防预警能力等方面发挥着重要功能。目前，国际上利用海洋SAR成像技术进行船只研究的国家很多，加拿大和欧美一些发达国家海洋船只探测技术处于世界领先地，提出了多种成熟的SAR船只检测识别模型。目前，对于海面船舶目标的检测研究与应用最广泛的方法是基于杂波统计的恒虚警率(CFAR)检测方法。其中，双参数CFAR、基于K分布的CFAR等检测方法，因其适应性较强及简单易行等优点，成为近年来应用最多的CFAR检测算法。

双参数CFAR检测方法虽简单易行，但其是基于背景杂波满足高斯分布的假设上，实际上除非图像做过视数较大的多视平均，否则SAR图像的杂波一般不满足高斯分布。其次，该算法对的计算量较大、计算时间长、图像边缘的船舶目标易造成漏检。K-CFAR检测算法是通过设定的虚警率得到全局阈值来检测目标，只适用于局部变化小的情况，其统计的海杂波中常常会混有舰船部分，统计的参数并不是实际的真实值，对于距离很近的舰船会出现漏检。此外，形状参数可能为负值，计算修正的Bessel函数会消耗大量运算时间。

随着高分辨SAR传感器，尤其2007之后的TerraSAR-X、Radarsat-2等新一代高分辨率SAR传感器的发射运行，基于高分辨率SAR影像进行船只检测识别已经成为SAR船只检测的热点。在高分辨率SAR图像对海表背景和船舶目标记录更加清晰的同时，船舶旁瓣、海表波浪等信息也是清晰可见；海表漂浮物、小型岛屿及人工设施等更容易对船舶检测造成混淆。所以，高分辨率SAR为船舶检测带来更多机遇的同时也带了不少困难。有研究初步获取包括海杂波等在内的潜在目标，基于船舶几何特征，利用层次分析法优化检测结果。层次分析法是主观的权重分析方法，以经验为主，人为干扰因素过强，一定程度上会影响船舶检测结果的正确率。

发明内容

有鉴于此，本发明在于提供一种计算量小、适用范围广且人为干扰因素小的基于变异系数法的SAR船只检测优化方法，不仅可以提高船舶检测结果的正确率，还可以节省大量的计算时间，同时还可以减少图像边缘的船舶目标漏检。

为解决上述问题，本发明采用如下技术方案：基于变异系数法的SAR船只检测优化方法，包括如下步骤：

(1)利用合成孔径雷达SAR获取遥感影像；

(2)对步骤(1)中获取的遥感影像进行预处理；

(3)对经过步骤(2)处理后的遥感影像中舰船目标进行检测提取，得到潜在船只目标；

(4)利用变异系数法并以船舶长宽比、核密度估计阈值和目标像元个数作为船舶置信度的判别因子对经步骤(3)检测到的潜在船只目标进行优化。

上述基于变异系数法的SAR船只检测优化方法，步骤(1)中所获取的遥感影像为Radarsat-2高分辨率影像。