[发明专利]一种极化SAR图像停泊舰船检测方法

说明书

本发明公开了一种极化SAR图像停泊舰船检测方法，所述方法包括如下步骤：步骤一：输入极化SAR图像，将极化SAR图像进行极化目标分解，进而进行极化特征提取；步骤二：对特征提取后的图像进行海陆分割，得到海陆分割模板，将陆地强散射部分去掉，得到海陆分割后结果；步骤三：根据步骤二的分割结果，利用PAPSO‑SVM对极化SAR图像停泊舰船进行检测；步骤四：对检测结果进行统计分析和评价，采用品质因数作为评价指标。该方法改善了小样本条件下停泊船只检测虚警率高的问题，一定程度上解决了停泊舰船检测困难的问题。

技术领域

本发明属于遥感图像处理技术领域，涉及一种基于种群活跃度粒子群(PopulationActivity Particle Swarm Optimization，PA-PSO)优化支持向量机(SVM)的极化SAR图像停泊舰船检测方法。

背景技术

合成孔径雷达(SAR)是一种全天候全天时的获取遥感信息的先进手段，而极化SAR则较传统SAR包含更多的极化信息，其通过不同的发射接收方式，得到了含有多通道的原始回波，能够更加细致的反应地物信息的差异，尤其是对人造目标与自然目标的区分有着很大的优势。舰船检测是海上目标检测的重要部分，对国防安全、海上运输、海洋经济发展、港口城市规划以及恶劣气候条件下的舰船搜索搜救都具有很重要的意义。而对于停泊舰船的检测更是研究的重难点。目前，获取大量的停泊舰船样本较为困难，是对出海或入港舰船进行检测和分析的重难点。

支持向量机(SVM)是在本数目有限条件下一种较为有效的机器学习样本分类方法，通过将在低维空间的样本映射到高维空间，并引入惩罚因子，使样本能够分类，为方便计算采用核函数进行映射，常用的效果较好的核函数即是径向基核函数(RBF)，对于RBF核函数SVM，有两个参数很重要，即惩罚因子c与核函数参数g，它们决定了SVM的泛化能力和分类的准确性。因此，惩罚因子和核函数参数的选择十分重要。

发明内容

为了使惩罚因子和核函数参数的选择结果能使SVM性能达到最优，本发明提供了一种基于PA-PSO优化SVM的极化SAR图像停泊舰船检测方法。该方法改善了小样本条件下停泊船只检测虚警率高的问题，一定程度上解决了停泊舰船检测困难的问题。

本发明的目的是通过以下技术方案实现的：

一种极化SAR图像停泊舰船检测方法，包括如下步骤：

步骤一：输入极化SAR图像，将极化SAR图像进行极化目标分解，进而进行极化特征提取；

步骤二：对特征提取后的图像进行海陆分割，得到海陆分割模板，将陆地强散射部分去掉，得到海陆分割后的结果，所述海陆分割后的结果中包含训练样本和测试样本；

步骤三：根据步骤二的分割结果，利用PAPSO-SVM(种群活跃度改进的粒子群优化的支持向量机算法)对极化SAR图像停泊舰船进行检测，具体步骤如下：

步骤三A：根据待操作的种群数目的不同定义不同的级别种群活跃度(PA)，若待操作种群数目为N，则种群活跃度级别为2^N，其中，种群数目N的取值要求是根据要改进算法的参数决定的，要改进的参数是几个，则对应的种群就有几个，例如本发明中PAPSO是应用到对SVM的两个参数进行调整，所以种群数目N＝2；

步骤三B：利用种群活跃度对PSO(粒子群)算法进行改进，以每个种群产生范围在1-2^N的随机数作为种群活跃度，对具有不同的种群活跃度的粒子进行不同程度的交换，得到PA-PSO算法，其中，交换方法如下：