[发明专利]一种合成孔径雷达海上运动舰船目标检测方法

说明书

技术领域

本发明属于SAR(synthetic aperture radar，合成孔径雷达)技术领域，涉及一种利用SAR对海上运动的舰船目标进行检测的方法。

背景技术

SAR运动目标检测是SAR应用的一个重要领域。在军事情报监视、非法移民监管和大范围海洋交通监管等领域有着广泛的应用。通过在飞行平台上搭载两副或多副SAR天线对运动目标进行检测，现有的SAR运动目标检测是方法主要有DPCA(displaced phase center antenna，偏置天线相位中心)方法。参见文献：Chapin E and Chen C W.Airborne along-track interferometry for GMTI.Aerospace and Electronics Systems Magazines,IEEE,2009,24(5):13-18.

DPCA方法利用在很短时间间隔内获得的两幅复图像通过杂波对消的方法实现杂波抑制，进而实现运动目标检测。然而现有的DPCA技术主要运用于GMTI(ground moving target indication，地面运动目标检测)，对于海上运动舰船目标的检测并没有实质的进展，这主要是因为DPCA海杂波建模部分的理论缺失，使得DPCA技术无法直接运用到海上运动舰船目标检测问题上。

发明内容

本发明提供一种利用SAR对海上运动舰船目标进行检测的方法。该方法具有较好的杂波抑制效果，能显著提高图像信杂比，可有效提高海上运动舰船目标的检测性能。

本发明的技术方案是：

对利用SAR获得的前视图像和后视图像采用DPCA处理，得到抑制杂波后的待检测图像；设待检测图像中的海杂波服从K分布，采用Mellin变换估计所述K分布的参数；根据K分布的参数估计结果，计算CFAR检测阈值；利用CFAR检测阈值进行运动舰船目标像素的判别，最终得到运动舰船目标的检测结果。

本发明的有益效果是：

1.本发明通过DPCA处理将两幅图像中的信息合成到一幅待检测图像中，可以充分利用图像信息提高信杂比。通过理论推导证明了经DPCA处理之后的图像中海杂波是服从K分布的，利用K分布确定CFAR检测阈值，可以得到更高的检测率和更低的虚警率。

2.采用本发明提出的运动舰船目标检测方法不需要设置额外的参数或条件，简洁易行。

附图说明

图1和图2为本发明实验数据；

图3为本发明流程图；

图4、图5和图6为本发明的实验结果图。

具体实施方式

图1和图2为本发明实验数据，图1是利用SAR得到的前视图像复数据，图2是利用SAR得到的后视图像复数据，图1和图2的横坐标均表示方位向，纵坐标均表示距离向。这两幅图像都是由NASA/JPL AIRSAR机载SAR系统收集得到的，两幅图像大小均为6500×1001，每幅图像中包含有两个运动舰船目标，从图中可以看出，一个目标位于图像左侧。另一个目标位于图像右下角。

图3为本发明流程图，具体实施步骤如下：

第一步，对前视图像和后视图像采用DPCA处理，即利用公式一得到处理之后的待检测图像Z：

Z＝|X₁-X₂| (公式一)

其中X₁表示前视图像复数据，X₂表示后视图像复数据，||是取模运算。

第二步，设待检测图像中的海杂波服从K分布，采用Mellin变换估计CFAR检测所需背景窗中所述K分布的参数。CFAR检测滑动窗的尺寸选取要根据舰船目标的实际情况而定，一般的原则是目标窗宽度不能小于最小舰船目标的宽度，保护窗的宽度不能小于最大舰船目标的宽度，背景窗的尺寸要足够大以保证海杂波模型参数估计的准确性。

K分布的概率密度函数f_K(x；α,λ,n)如下：

上述K分布概率密度函数f_K(x；α,λ,n)包括三个未知数，即K分布的形状参数α、尺度参数λ、K分布的等效视数n。因为后续进行海上舰船目标检测时，使用CFAR的方法，通过数学推导得出CFAR检测滑动窗中背景窗中的像素点服从K分布，因此本步骤中对于CFAR检测滑动窗中背景窗中的像素点采用Mellin变换可以得到对于上述三个参数的估计，具体的计算方法如下：