[发明专利]基于傅里叶级数的SAR图像船只检测方法

说明书

基于傅里叶级数的SAR图像船只检测方法，该方法首先获得SAR图像数据值分布的概率分布函数f₁(x)。对所述的概率分布函数进行以c为底的对数运算，得到f₂(x)；采用n阶傅里叶级数拟合f₂(x)，n阶的傅里叶级数表达式；对f₃(x)做以c为底数、f₃(x)为指数的指数运算，得到拟合后的海杂波概率分布函数f₄(x)；根据拟合的海杂波的概率分布函数f₄(x)计算累积分布函数F(x)；通过阈值判定为船只目标，否则为海杂波。通过本方式拟合的海杂波分布模型，其拟合数据精度较高。

技术领域

本发明属于遥感图像处理技术领域，具体涉及图像处理、海杂波的拟合、CFAR检测算法等方面。可应用于渔业监管、船只监测等方面。

背景技术

合成孔径雷达(SAR)具有全天时、全天候、大范围的观测能力，已成为海洋监测的有效手段。基于SAR图像的船只检测是海洋监测系统中的重要环节，在海洋交通管理、环境保护、渔业管理、打击非法移民等应用中发挥着重要的作用[1]。基于海杂波分布概率密度函数的恒虚警率检测方法，是迄今为止发展的最成熟的船只检测方法，已被应用于很多实际的船只检测系统中[2]。该方法根据海杂波的概率分布函数(Probability DistributionFunction-PDF)计算累积分布函数(Cumulative Distribution Function-CDF)，并结合预先设定的恒虚警率(CFAR)，自适应的计算检测阈值，将船只目标从海洋背景中检测出来。

该方法的核心是精确地拟合SAR图像的海杂波分布的概率分布函数。早期的海杂波统计基于SAR成像相干斑模型，从相干斑的统计特性出发，建立了相干斑幅度服从瑞利分布，强度服从负指数分布的模型[3]。随着SAR成像分辨率的提高，图像中不仅存在相干斑，还存在纹理信息，Ward等证明了二者之间满足乘性关系[4]，进而在乘性模型框架下发展了K分布[5][6]、G0分布[7][8]等模型。除了上述基于相干斑先验假设的海杂波统计模型外，还发展了通过对真实SAR图像数据统计建模实验的验证而获得的模型，主要包括对数正态分布[9]、韦布尔分布[10]等模型。受SAR入射角、极化方式不同，以及天气、风速、海况变化等内外因素的影响，海杂波在SAR图像中的统计分布具有较大的差异，上述的海杂波拟合方法均不能较好的适用于各种情况[11，12]。

本发明提出基于傅里叶级数拟合海杂波的方法拟合优度优异，将傅里叶级数拟合的海杂波分布与CFAR方法相结合，针对高分辨率、复杂海况SAR图像，具有很好的船只检测效果。

参考文献

[1]Brusch S.,Lehner S.,Fritz T.,et al.Ship surveillance withTerraSAR-X[J].IEEE Transactions on Geoscience andRemote Sensing,2011,49(3):1092-1103.

[2]Crisp D J.The state-of-the-art in ship detection in syntheticaperture radar imagery[R].Defence ScienceAnd Technology OrganisationSalisbury(Australia)Info Sciences Lab,2004.

[3]Oliver C,Quegan S.Understanding synthetic aperture radar images[M].SciTech Publishing,2004.

[4]Ward K D.Compound representation of high resolution sea clutter[J].Electronics letters,1981,17(16):561-563.