[发明专利]星载SAR图像中的飞机目标检测与鉴别方法

说明书

本发明属于雷达图像处理技术领域，具体为一种星载SAR图像中的飞机目标检测与鉴别方法。本发明的主要步骤为：机场检测：包括机场粗检测、机场目标精确分割，其中采用鉴别算子对目标进行粗定位，采用替代滤波法，减少图像干涉横条纹造成的影响及采用图像分割技术对机场目标精确定位；飞机目标检测：采用基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法；最后通过面积追踪与长宽比鉴别提取得到飞机目标。本发明能够高效、准确地检测出复杂背景中的飞机目标；本发明提出的飞机检测算法适用于复杂的SAR图像背景，鲁棒性高，实时性好，具有推广应用前景。

发明领域

本发明属于雷达图像处理技术领域，具体涉及一种星载SAR图像中的机场与飞机目标检测与鉴别方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是利用微波进行成像的主动传感器，是一种能够全天时、全天候工作的二维高分辨率成像雷达，具有穿透云和雾的能力，低频段的SAR甚至能够穿透植被和地表。SAR的主要特点是基于雷达与目标的相对运动，将较小尺寸的实际天线孔径用数据处理的方法合成一个较大尺寸的虚拟天线孔径，从而实现大孔径天线所能提供的高方位向分辨率。SAR的这些优点使得其在军事侦察，气候与环境的监测，资源的勘探，行星的探测等领域有着广泛的应用。

随着SAR及图像解译技术的飞速发展，其极化方式越来越多，分辨率也不断提高，对于SAR图像中目标的识别也逐渐成为可能。飞机作为一类重要的检测目标，在高分辨率遥感图像中对其进行精确定位与统计具有重要意义。在民用领域，飞机是重要的交通工具，飞机检测有助于管理机场。在军事方面，飞机检测具有显著的意义，获取诸如航空类型和数量等信息，用于军事防御等方面。因此，研究SAR图像中飞机检测具有重要意义。

复杂环境下SAR图像中的飞机目标检测的首要任务就是实现高精度的机场分割，然后在机场范围中进行飞机目标检测，这样不仅可以大大降低运算量，也可以解决陆地其余杂波对飞机检测的干扰。现有的机场检测方法主要分为两类：基于提取直线特征检测机场与基于图像分割检测机场。基于提取直线特征检测机场主要是通过检测跑道直线特征。跑道作为机场的重要组成部分，其直线特征是机场最重要的特征之一。对于大场景SAR图像中机场目标，由于机场目标所占面积较小，基于提取直线特征来提取机场易受背景虚警影响，检测结果较差。对于大场景下的SAR图像，机场区域常呈现为较暗区域，基于图像分割检测机场算法较稳定，鲁棒性好。基于图像分割检测机场时常用的特征有长宽比，形状复杂度，灰度共生矩阵与Hu不变矩等。

传统的SAR图像目标检测方法主要分为2类：传统恒虚警率(Constant FalseAlarm Rate，CFAR)检测算法，基于雷达散射面积，通过对亮度信息提取进而实现目标检测。CA-CFAR(Cell-average CFAR)，SO-CFAR(Smallest of CFAR)，GO-CFAR(Greatest ofCFAR)，OS-CFAR(Order-statistic CFAR)和VI-CFAR(Variability Index CFAR)等都是CFAR的衍生算法；多特征融合检测算法，常通过手动设计特征，如几何结构，亮度分布等信息对待检测目标进行提取。由于SAR图像特殊的成像机制，且随着散射条件与地形方位角的变化，SAR图像中飞机目标散射结果具有多样性。飞机在高分辨率SAR图像中易呈现为不连续的散射点，目标易被分成许多小块。对于SAR图像中飞机目标检测，由于陆地杂波分布无规律，无法采用合适的函数对陆地背景进行建模，大量高亮散射点的存在对目标检测造成很大干扰，基于杂波建模与亮度信息提取的CFAR检测算法并不适用于复杂背景中的飞机目标检测。且由于SAR图像复杂的成像机制与散射条件的多变性，飞机目标成像呈多变性，手动设计的特征难以适应于多种情况，鲁棒性差。

发明内容

本发明的目的在于提出一种高效、准确的星载SAR图像中的飞机目标检测与鉴别方法。

本发明提出的星载SAR图像中的飞机目标检测与鉴别方法，具体步骤如下：

(1)首先采用机场粗检测算法，对大场景中机场目标进行粗定位；