[发明专利]一种基于极化目标分解的支持向量机舰船目标检测方法

说明书

本发明提供一种基于极化目标分解的SVM舰船目标检测方法。本发明技术方案的基本原理主要是从目标的极化散射机理出发，提取目标的特征向量，再结合SVM进行舰船目标检测。技术方案包括：步骤一：特征向量的选取；步骤二：训练SVM分类器；步骤三：进行分类。本发明通过目标的后向散射信息提取特征向量可以很好的实现舰船目标检测，并且在抑制虚警和提高检测率方面有突出的表现。

技术领域

本发明属于SAR(synthetic aperture radar，合成孔径雷达)技术领域，涉及一种基于极化目标分解的SVM(support vector machine,支持向量机)舰船目标检测方法。

背景技术

极化SAR与单通道的SAR相比，其图像包涵了更丰富的目标后向散射信息。现今，极化SAR舰船目标检测方法已经开发出了许多种。然而现有的方法存在一个重要问题：对多种原因引起的虚警的抑制不够好。这在极大程度上限制了极化SAR舰船目标检测方法的发展。

目前基于SVM的SAR图像的舰船目标检测方法，主要是利用图像的多极化灰度信息提取特征向量，但是存在检测结果虚警率高的问题，本发明提出的新方法能够有效的降低虚警率，提高检测率。

发明内容

本发明提供了一种基于极化目标分解的SVM舰船目标检测方法。该方法通过目标的后向散射信息提取特征向量可以很好的实现舰船目标检测，并且在抑制虚警和提高检测率方面有突出的表现。

本发明技术方案的基本原理：主要是从目标的极化散射机理出发，提取目标的特征向量，再结合SVM进行舰船目标检测。

本发明的技术方案：

步骤一：特征向量的选取：

设已知极化SAR观测数据，观测数据的共极化分量S_HH(i,j),S_VV(i,j)和交叉极化分量S_HV(i,j),其中i,j表示像素点坐标。

利用下式计算体散射分量P_v(i,j)：

P_v(i,j)＝4|<|2S_HV(i,j)|²>|

其中，<·>表示计算邻域平均，邻域的大小根据实际情况确定，3*3或5*5均可。

利用下述步骤计算表面散射分量P_s(i,j)和二面角散射分量P_d(i,j)：

首先计算中间量x₁₁(i,j)和x₂₂(i,j)：

x₁₁(i,j)＝<|S_HH(i,j)+S_VV(i,j)|²>-2<|2S_HV(i,j)|²>

x₂₂(i,j)＝<|S_HH(i,j)-S_VV(i,j)|²>-<|2S_HV(i,j)|²>

如果x₁₁(i,j)＞x₂₂(i,j),则令：