极化SAR图像舰船目标检测方法

摘要

本发明公开了一种极化SAR图像目标检测方法，主要解决现有检测方法对能量的依赖和虚警率较高的问题。其实现步骤是：选取目标和杂波两类训练样本，并进行特征提取和能量归一；定义极化字典学目标函数，监督学一个对杂波和目标具有区分能力的极化字典；对测试图像进行极化特征提取和能量归一；采用极化字典对测试特征向量进行稀疏编码；将特征向量在杂波子字典下的重构误差比例作为检验统计量；比较检验统计量与阈值的大小，将大于阈值的像素判为目标，否则判为杂波，完成目标检测。本发明仅利用极化信息进行目标检测，具有稳健性好，虚警率低，能对弱小目标进行检测的优点，适用于目标和杂波对比度较低时的极化SAR图像目标检测。

主权项

一种极化SAR图像的舰船目标检测方法，包括：A.训练步骤：(A1)从极化SAR图像场景中，选取M个杂波像素作为杂波训练样本集合，对集合中像素i＝1,...,M，采用像素i的3×3邻域窗口内像素计算杂波极化协方差矩阵C_i；(A2)根据杂波极化协方差矩阵C_i，计算杂波极化特征向量其中(·)^T表示矩阵转置；式中C_i(a,b)表示极化协方差矩阵C_i第a行第b列的元素，a≤b，a＝1,2,3，b＝1,2,3；R(·)，I(·)分别表示取实部和虚部算子；(A3)对杂波极化特征向量进行能量归一，得到归一化的杂波极化特征向量：其中||·||₂表示2范数算子；(A4)将归一化杂波特征向量x_i拼接成杂波特征矩阵X₁＝[x₁,...,x_i,...,x_M]；(A5)从极化SAR图像场景中，选取N个目标像素作为目标训练样本集合，对集合中像素j＝1,...,N，采用与步骤(A1)，(A2)，(A3)相同的操作，得到目标像素j归一化极化特征向量x_j，将归一化目标极化特征向量拼接成目标特征矩阵X₂＝[x₁,...,x_j,...,x_N]；(A6)将杂波特征矩阵X₁与目标特征矩阵X₂进行拼接，得到特征矩阵：X＝[X₁,X₂]；(A7)定义杂波编码子字典D₁＝[d₁,...,d_p,...,d_K]，字典的每一列d_p称为一个原子其中p＝1,...,K，K为原子个数；定义目标编码子字典D₂＝[d₁,...,d_q,...,d_K]，q＝1,...,K；将杂波编码字典与目标编码字典进行拼接，得到编码字典D＝[D₁,D₂]；(A8)利用特征矩阵X，采用稀疏编码与字典更新交替迭代的方法对编码字典D进行学习，得到输出优化后的编码字典D^*＝D^L+1，L为字典更新迭代次数：B.测试步骤：(B1)对于一组待检测全极化SAR图像I，定义一个与水平‐水平极化图像I_HH大小相同 的指示图像B，用以对检测结果中目标像素的位置进行标记；(B2)对待检测极化SAR图像I中的像素t采用与训练阶段步骤(A1)相同的操作，计算测试极化协方差矩阵C_t；(B3)根据测试极化协方差矩阵C_t，进行与训练阶段步骤(A2)相同的操作，提取测试极化特征向量(B4)对测试极化特征向量进行与训练阶段步骤(A3)相同的操作，获得归一化测试极化特征向量x_t；(B5)假设测试像素点t为杂波，根据训练阶段步骤(A8)学习获得的编码字典D^*，对测试极化特征向量x_t进行稀疏编码，获得测试极化特征向量x_t的稀疏编码系数其中z_t1,z_t2分别为测试极化特征向量x_t在杂波编码字典D₁和目标编码字典D₂的编码系数；(B6)根据稀疏编码系数z_t，构建检验统计量：(B7)根据虚警率设置检测阈值T＝0.42，将检验统计量与该阈值进行比较，若大于检测阈值T则判别为目标，在指示图像B中将像素t所在位置标记为1，否则标记为0；(B8)对待检测图像I的每一个像素，都进行与步骤(B2)～(B7)相同的操作，完成对指示图像B的赋值，指示图像B即为对应于待检测图像I的检测结果。