基于高分辨率合成孔径雷达图像的舰船检测方法

摘要

本发明提出了一种基于高分辨率合成孔径雷达SAR图像的舰船检测方法，主要解决现有检测与鉴别技术应用于高分辨率图像时，整体检测性能差的问题。其实现步骤是：将原始图像分解为一组子孔径图像；利用多幅子孔径图像之间的相位相关性信息和各个子孔径图像的幅度信息获取二值目标检测结果；对该结果进行后处理以提取候选目标切片；对候选目标切片进行目标与背景的分割后，提取三个现有鉴别特征和一个基于协方差矩阵的新特征，生成特征向量；使用适用于小样本问题的K近邻鉴别器完成目标鉴别。本发明具有目标检测精度与鉴别性能高的优点，可用于高分辨率SAR图像中海面舰船目标的检测。

主权项

1.一种基于高分辨率合成孔径雷达图像的舰船检测方法，包括：(1)预先筛选步骤：1a)将原始的单视复数型SAR图像分解为N幅子孔径图像，2≤N≤16；1b)对原始图像中的每一个像素点s，计算N幅子孔径图像中对应像素点处的N个随机变量s_i，i＝1，2，...，N之间的归一化相关矩阵R_s，并计算检测统计量图像中对应像素点处的值ρ_IC：ρ_IC＝log[<|s₁|²><|s₂|²>...<|s_N|²>(1-|R_s|)]其中，|s_i|表示s_i的模值，|R_s|表示R_s的行列式，<g>表示空间平均，log(g)表示取自然对数；将检测统计量图像中每一个像素点的值ρ_IC与根据检测虚警率设定的全局门限T_ρ相比，如果ρ_IC＞T_ρ，则二值检测结果图像I_bw中对应像素点赋值为1且被视为目标像素，否则赋值为0且被视为背景杂波；1c)对二值检测结果图像I_bw进行后处理，以提取出N_c幅候选目标切片其中G_i表示第i个候选目标切片，它是从原始图像中切割出来的一幅L_c×L_c大小的单视复数图；(2)目标鉴别步骤：2a)对每一幅候选切片图像C_i，进行目标与背景的分割，得到一幅分割标记图像，其中目标像素点都具有标记值1，背景像素点都具有标记值0，将标记值为1的像素点集合记为R_tg，像素点数目记为N_tg；2b)根据像素点集合R_tg中的像素点数目和像素点的值，提取以下四个鉴别特征：2b1)提取标准差特征：$f_1=\sqrt{\frac{S_2-S_1^2/N_{\mathrm{tg}}}{N_{\mathrm{tg}}-1}}$其中，$S_1=\underset{s\in R_{\mathrm{tg}}}{\Sigma }{10\log }_{10}{I}_s$$S_2=\underset{s\in R_{\mathrm{tg}}}{\Sigma }{\left({10\log }_{10}{I}_s\right)}^2$I_s表示像素点集合R_tg中的像素点s的强度值；2b2)提取分形维特征：其中M₁是最亮点二值图像中标记值为1的像素数目，M₂是使用2×2像素大小的盒子覆盖最亮点二值图像中标记值为1的像素点所需要的最少盒子数目；该最亮点二值图像是通过将切片图像C_i中强度值最大的50个像素点标记为1，其余像素点标记为0而得到；2b3)提取排列能量比特征：其中k个最亮的像素点取为R_tg中前5％强度值最大的像素点；2b4)提取基于协方差矩阵描述符的新特征：其中，||g||₂表示欧氏范数，C_R是使用R_tg中的像素点值计算得到的协方差矩阵，是训练集、验证集以及测试集中所有候选切片对应的协方差矩阵的均值，表示均值处的对数映射，表示均值处的向量算子；2c)根据已提取的四个特征，生成特征向量f＝[f₁ f₂ f₃ f₄]^T；2d)基于特征向量f，使用K近邻鉴别器计算鉴别统计量Dt(f)，并将Dt(f)与根据验证样本集设定的鉴别门限Tt相比，当Dt(f)≤Tt时，特征向量f对应的切片图像则认为是真实目标切片，否则为虚警。