[发明专利]基于超像素局部信息度量的极化SAR舰船目标检测方法

说明书

本发明公开了一种基于超像素局部信息度量的极化SAR舰船目标检测方法，主要解决复杂场景下目标检测率低的问题，其方案是：1.对原始图像进行超像素分割，得到不同尺度下的超像素分割结果；2.对分割后的结果利用滑窗模型计算三种基于超像素级的差异性度量；3.将基于超像素级的差异性度量转换成基于像素级的差异性度量；4.利用核fisher判别，将像素级的差异性度量向量映射成差异性度量值，得到每个像素点的差异性度量值；5.对每个像素点的差异性度量值利用线性SVM分类器进行分类，确定每个像素的类别，进行自动目标检测。本发明提升了复杂场景下的目标检测性能，实现了自动检测的过程，可用于后续的舰船目标鉴别、识别与分类。

技术领域

本发明属于雷达目标检测技术领域，主要涉及极化SAR舰船目标检测方法，可用于后续的舰船目标鉴别、识别与分类。

背景技术

合成孔径雷达SAR利用微波遥感技术，不受气候和昼夜影响，具有全天候、全天时的工作能力，并具有多频段、多极化、视角可变和穿透性等特点。目前，SAR已广泛应用于军事侦察、地质普查、地形测绘和制图、灾情预报、海洋应用以及科学研究等领域，具有广阔的研究和应用前景。极化SAR因能获取完整极化信息的显著优势而迅速成为SAR发展的重要方向之一。基于极化SAR图像的舰船目标检测是极化SAR的一个重要的应用领域。

到目前为止，已经提出了许多使用极化SAR数据来实现目标检测的方法，例如极化白化滤波器，极化陷波滤波器和反射对称滤波器。此外，还提出了一些极化参数和判别特征，以增强潜在目标与局部杂波之间的差异。例如，极化熵与极化度也已被用于船舶目标检测。最近，还提出了基于超像素的散射机制分布特征和基于回归核的局部散射机制差异的舰船目标检测方法。这些方法虽然可以在一定程度上增强舰船和海面的对比度，但也有一些可能会受到复杂的海况和信杂比变化的影响。

由于现有的检测方法基本都是无监督检测方法，因此检测阈值的判定就是一个重要的任务。主要有三种方法来确定检测阈值。第一种方法是对极化统计量应用恒虚警率来计算检测阈值，这种方法计算的检测阈值很大程度上取决于杂波统计建模和参数估计的准确性。第二种方法是根据对某些参数的灵敏性分析，通过经验选择检测阈值，这种方法对不同的极化系统是很不方便的。第三种方法是利用聚类方法来确定检测阈值，但是，这种方法的聚类过程必须在局部区域内进行，当没有舰船存在时，这种方法确定的检测阈值可能导致后续检测到许多虚警。

上述传统方法主要有以下两个方面的缺点：第一，容易受到复杂的海况和信杂比变化的影响，导致舰船与海杂波的对比度降低；第二，难以获得准确的检测阈值，给极化目标检测系统带来极大的不便。

发明内容

本发明的目的在于针对已有极化SAR舰船目标检测方法的不足，提出一种基于超像素局部信息度量的极化SAR舰船目标检测方法，以增强舰船和海杂波的对比度，实现自动目标检测，提高在复杂情况下的检测性能。

为实现上述目的，本发明的技术方案包括如下：

(1)对给定的极化SAR图像I分别进行多尺度超像素分割，得到4个尺度下极化SAR图像超像素分割结果：S₁,S₂,S₃,S₄；

(2)对超像素分割后的结果S_k，利用超像素滑动窗口模型分别计算三种基于超像素级的差异性度量：似然比度量黎曼距离度量散射分量相似性度量其中，k＝1,...,4，表示4个尺度，表示当前尺度分割结果S_k中的超像素个数，j＝1,...,M_i，M_i表示以超像素为中心的滑窗边界上的超像素个数；

(3)将(2)中三种基于超像素级的差异性度量转化为基于像素级的差异性度量向量得到每个像素点在不同分割尺度下融合后的差异性度量向量D_s：