[发明专利]高海况SAR船只检测方法及应用

说明书

本发明属于SAR船只监测技术领域，公开了一种高海况SAR船只检测方法、系统及应用，包括：根据SAR成像时船只和海洋特性，将SAR在极化‑时‑频维度上分解为若干的子图，结合极化相干最优思想进行船只检测，构建极化‑时‑频相干最优检测参量PTFO，在此基础上结合CFAR方法完成船只检测。在算法应用时，选用全极化RADARSAT‑2影像，利用有AIS匹配的全极化SAR数据，选取船只定量分析PTFO参数的船海对比对增强能力，并确定合适的时频分解个数为3；本发明通过极化SAR可以提供更丰富的目标信息，有助于目标检测，利用3景高海况全极化SAR数据进行船只检测测试，检测的品质因数达到0.95。

技术领域

本发明属于SAR船只监测技术领域，尤其涉及一种高海况SAR船只检测方法、系统及应用。

背景技术

目前，海上船只目标的监测对于海上交通管制、航运安全、渔业监测、海上执法、打击非法偷渡等起到重要的作用。星载合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种重要的主动探测手段，具有穿透云雾、不受光照影响，全天时、全天候的对地观测能力，在船只等海洋目标监测中得到了广泛的应用。

过去几十年，已开展了大量的SAR船只监测工作。学者们针对于单极化SAR数据的船只目标检测，发展了许多经典的方法，其中，应用最普遍的是基于海杂波分布模型的CFAR方法，如：K分布，瑞利分布，高斯分布，G0分布，对数正态分布，广义伽马分布和alpha稳态分布等；在标准CFAR的基础上，另外还有一些改进方法，有学者相继发展了OS-CFAR，CA-CFAR，快速自适应CFAR检测方法等算法。CFAR方法的关键在于需要建立SAR海杂波统计分布模型。目前用于模拟海杂波的概率密度模型很多，对于不同分辨率、入射角、极化方式、或者海况等条件，每一种模型均有各自的适用性。为提高海上舰船目标的检测性能，研究者们不再局限于单一的CFAR算法，而是将CFAR检测方法与其他检测方法结合，发展新的检测算法。例如，Leng等提出了同时考虑像素的强度和空间分布的双边CFAR方法，可以减小海杂波和SAR图像模糊带来的影响。此外，Schwegmann等提出将CA-CFAR中的标量阈值转化成多样化阈值(threshold manifold)以用于不同背景环境，结合船只分布图，进行模拟退火处理以选择合适的阈值，从而进行舰船目标检测。随着SAR图像分辨率不断提高，舰船由低分辨率SAR图像中的点目标扩展为面目标，新的检测算法相继提出，如Tello等提出了基于小波变换及其扩展的方法，Ouchi等提出基于子视图相关的方法等。