基于极化方位角正割函数特征的舰船检测方法

摘要

本发明提供一种基于极化方位角正割函数特征的舰船检测方法，其步骤为：（1）输入极化SAR图像，进行极化方位角正割函数特征提取；（2）基于该特征，结合总功率特征进行基于K均值聚类算法的舰船目标检测。本发明提出了一种新的极化特征，该特征能够有效地检测出具有二面角散射特性以及方位向倾斜较大的人造目标，并且，在舰船检测方面，大大提高了舰船检测的效率，降低了运算的复杂度。

主权项

1.一种基于极化方位角正割函数特征的舰船检测方法，其特征在于，该方法的包括步骤如下：步骤（1）、输入极化SAR图像，进行极化方位角正割函数特征提取；所述步骤（1）中极化SAR图像每个像素可以由协方差矩阵C表示；$C=\left[\begin{array}{ccc}{\left|s_{\mathrm{HH}}\right|}^2& \sqrt{2}{s}_{\mathrm{HH}}{s}_{\mathrm{HV}}^{*}& s_{\mathrm{HH}}{s}_{\mathrm{VV}}^{*}\\ \sqrt{2}{s}_{\mathrm{HV}}{s}_{\mathrm{HH}}^{*}& 2{\left|s_{\mathrm{HV}}\right|}^2& \sqrt{2}{s}_{\mathrm{HV}}{s}_{\mathrm{VV}}^{*}\\ s_{\mathrm{VV}}{s}_{\mathrm{HH}}^{*}& \sqrt{2}{s}_{\mathrm{VV}}{s}_{\mathrm{HV}}^{*}& {\left|s_{\mathrm{VV}}\right|}^2\end{array}\right]$式中，*为求共轭；针对极化SAR图像，定义其圆极化相关系数如下，式中，Re()表示取实部，Im()表示取虚部；利用其虚部与实部之比，定义一种新的极化特征——极化方位角正割函数特征；其计算公式为：$\sec \left(4\theta \right)=\sqrt{1+{\tan }^2\left(4\theta \right)}$$\tan 4\theta =\frac{-2\mathrm{Re}(<S_{\mathrm{HV}}^{*}\left(\frac{S_{\mathrm{HH}}-S_{\mathrm{VV}}}{2}\right)>)}{{\left|\frac{S_{\mathrm{HH}}-S_{\mathrm{VV}}}{2}\right|}^2-{\left|S_{\mathrm{HV}}\right|}^2}$其中S_HH,S_HV,S_VV分别表示水平发射、水平接收散射成分，水平发射、垂直接收散射成分，垂直发射、垂直接收散射成分；sec()表示正割函数；tan()表示正切函数；θ表示极化方位角；Re()表示取实部；步骤（2）、基于步骤（1）提取的特征，结合总功率特征进行基于K均值聚类算法的舰船目标检测；所述步骤（2）中基于极化方位角正割函数特征，结合总功率特征，利用K均值聚类算法对舰船目标进行检测，其误差平方和准则函数公式为：$E=\underset{i=1}{\overset{k}{\Sigma }}\underset{p\in X_i}{\Sigma }{\left|\right|p-m_i\left|\right|}^2$其中，p为图像像素点，m₁,m₂,...,m_k分别为各聚类子集的均值代表点，即聚类中心；由上述协方差矩阵C，定义总功率特征为：span＝|s_HH|²+|s_VV|²+2|s_HV|²；S_HH,S_HV,S_VV分别表示水平发射、水平接收散射成分，水平发射、垂直接收散射成分，垂直发射、垂直接收散射成分，span表示所求图像的总功率特征。