[发明专利]基于多线程的SAR图像CFAR自适应快速检测方法

说明书

技术领域

本发明属于船舰检测系统领域，具体涉及基于多线程的SAR图像CFAR自适应快速检测方法。

背景技术

随着全球海洋技术的发展，船舰检测的实时性和准确性要求也越来越高。迄今为止，文献中提出了很多关于目标检测的算法，在这些算法中，恒虚警率(Constant False Alarm Rate,CFAR)检测算法因为计算简单、阈值自适应、复杂背景检测速度快(Salazar,1999，Bisceglie and Galdi,2005)而被认为是SAR图像目标检测的一种重要算法，己广泛应用到许多船舰检测系统中(Crisp,2004)。

利用CFAR实现目标检测通常需要选择合适的杂波分布模型和检测器。在海洋杂波背景中应用的统计模型有高斯、瑞利、对数正态(Farina and Russo,1986)、韦布尔(Riflcin,1994)、G0(Frery,1997)、K分布(Erfanian and Vakili,2009)等，常用的CFAR检测器(Novak and Hesse,1991,Kuttikkad and Chellappa,1994,Salazar,1999,Hofele,2001)有单元平均(CA)、有序统计量(OS)、取大(GO)、取小(SO)-CFAR，以及基于以上几种检测器的组合CFAR等。CA-CFAR在均匀杂波环境下检测效果很好，但在非均匀背景情况下性能较差；GO,SO,OS等算法对于存在杂波干扰的非均匀背景都缺乏普适性(刘佳媛和焦淑红，2013)。为了提高算法的普适性，Smith和Varshney(Smith and Varshney,1997,Smith and Varshney,2000)从自适应地选择算法的角度出发，在不同的杂波背景情况下选择相应的最佳检测算法，提出了VI-CFAR(Variability Index-CFAR)，可以根据VI假设检验动态地选择CA,SO,GO等算法；Farrouki和Barkat(Farrouki and Barkat,2005)从自适应地选择参考像素集合的角度出发，结合CA-CFAR在均匀杂波背景下良好的检测性能，提出了基于有序数据变化统计量(Ordered Data Variability,ODV)的自动筛选单元平均(Automatic Censored Cell Averaging,ACCA)算法；Bisceglie(Bisceglie and Galdi,2005,Bisceglie and Galdi,2001)等人提出了一种去除一部分数值的CFAR算法(本文简称为Bisceglie算法)，很适合局部区域的目标检测；Salazar(Salazar,1999)等人提出了基于Beta-prime分布的CFAR算法(本文简称为Salazar算法)；Kuttikkad(Kuttikkad and Chellappa,1994)等人提出了基于威尔分布和基于K分布的目标CFAR算法等。在这些文献研究中可以看出，基于CFAR的SAR目标检测算法研究最为广泛、实用。

Gui Gao(Gao,2009)等人改进了Salazars算法，提出了一种基于AC的CFAR自适应快速检测算法，该算法可以在保证目标准确率的情况下，相应提高检测速度，但仍然达不到军事作战对舰船目标检测的实时性要求。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于多线程的SAR图像CFAR自适应快速检测方法，设计合理，克服了现有的不足，具有良好的推广效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于多线程的SAR(合成孔径雷达)图像CFAR(恒虚警率)自适应快速检测方法，按照如下步骤进行：

步骤1：输入SAR图像；

步骤2：对整幅SAR图像进行全局检测，通过直方图统计设定CFAR值或者自定义方法求取全局阈值；

步骤3：获取索引矩阵，具体按照如下步骤进行：

步骤3.1：比较SAR图像中每一个像素点的值和通过步骤2计算出的全局阈值；

若：SAR图像中像素点的值小于全局阈值，则将SAR图像中像素点的值设置为0；

或SAR图像中像素点的值大于全局阈值，则将SAR图像中像素点的值设置为1，并将这些像素点作上标记，称为标记点；

步骤3.2：判断SAR图像中所有像素点的值和全局阈值是否比较完；

若：判断结果是SAR图像中所有像素点的值和全局阈值已经比较完，则得到索引矩阵；