本發(fā)明涉及SAR圖像檢測與鑒別技術(shù)領(lǐng)域，特別是涉及一種級聯(lián)恒虛警檢測方法及裝置。

背景技術(shù)：

SAR圖像目標(biāo)檢測的基本思路是根據(jù)艦船目標(biāo)與海面背景雜波的特征差異來區(qū)分二者，進(jìn)而將目標(biāo)分割出來。恒虛警檢測(CFAR)算法是一種利用灰度特征差異來區(qū)分二者的經(jīng)典目標(biāo)檢測方法，按檢測窗口大小可分為全局CFAR和局部CFAR算法，二者各有優(yōu)缺點(diǎn)。級聯(lián)的CFAR算法將全局CFAR和局部CFAR相結(jié)合，在保證檢測精度的同時(shí)提高了檢測效率。然而在實(shí)際應(yīng)用中，該算法仍有很大的改進(jìn)空間。

傳統(tǒng)的級聯(lián)CFAR算法中，一級全局CFAR與二級局部CFAR均使用整幅SAR圖像中的所有雜波數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模，通過直方圖擬合確定一種最優(yōu)的雜波統(tǒng)計(jì)分布模型，然后僅利用這一種單一分布模型進(jìn)行全局或局部CFAR檢測。當(dāng)SAR圖像包含的場景很大時(shí)，單一的分布模型很可能已不能很好的擬合整幅SAR圖像的背景雜波分布情況，此時(shí)若仍用單一分布模型來處理，必然會(huì)給檢測結(jié)果造成不良影響。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種級聯(lián)恒虛警檢測方法及裝置，以解決現(xiàn)級聯(lián)恒虛警檢測方法采用單一分布模型給檢測結(jié)果精度造成不良影響的問題。

為解決上述技術(shù)問題，本發(fā)明提供一種級聯(lián)恒虛警檢測方法，包括：

對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；

利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，所述潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；

根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；

利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；

剔除虛警雜波，并確定目標(biāo)信息。

可選地，所述剔除虛警雜波，確定目標(biāo)信息包括：

確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點(diǎn)；

對所述差異點(diǎn)進(jìn)行優(yōu)化處理，并根據(jù)所述差異點(diǎn)鄰域內(nèi)各像素點(diǎn)的類型確定所述差異點(diǎn)的類型。

可選地，所述根據(jù)所述差異點(diǎn)鄰域內(nèi)各像素點(diǎn)的類型確定所述差異點(diǎn)的類型包括：

檢測所述差異點(diǎn)在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點(diǎn)；

若存在目標(biāo)點(diǎn)，則判定所述差異點(diǎn)為目標(biāo)點(diǎn)；否則，判定為虛警雜波點(diǎn)。

可選地，所述對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型包括：

采用自適用窗口確定所述第一背景雜波分布模型；

所述根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型包括：

采用自適用窗口確定所述第二背景雜波分布模型。

本發(fā)明還提供了一種級聯(lián)恒虛警檢測裝置，包括：

第一確定模塊，用于對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；

第一檢測模塊，用于利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，所述潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；

第二確定模塊，用于根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；

第二檢測模塊，用于利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；

第三確定模塊，用于剔除虛警雜波，并確定目標(biāo)信息。

可選地，所述第三確定模塊具體為：確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點(diǎn)；對所述差異點(diǎn)進(jìn)行優(yōu)化處理，并根據(jù)所述差異點(diǎn)鄰域內(nèi)各像素點(diǎn)的類型確定所述差異點(diǎn)的類型的模塊。

可選地，所述第三確定模塊具體為：

檢測所述差異點(diǎn)在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點(diǎn)；若存在目標(biāo)點(diǎn)，則判定所述差異點(diǎn)為目標(biāo)點(diǎn)；否則，判定為虛警雜波點(diǎn)。

可選地，所述第一確定模塊具體為：采用自適用窗口確定所述第一背景雜波分布模型的模塊；

所述第二確定模塊具體為：采用自適用窗口確定所述第二背景雜波分布模型的模塊。

本發(fā)明所提供的級聯(lián)恒虛警檢測方法及裝置，通過對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；利用第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；利用第二背景雜波分布模型，采用恒虛警算法對初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；剔除虛警雜波，并確定目標(biāo)信息。本發(fā)明所提供的級聯(lián)恒虛警檢測方法及裝置，在二級檢測的每次CFAR檢測之前都進(jìn)行一次雜波統(tǒng)計(jì)建模，根據(jù)背景窗口中的雜波數(shù)據(jù)重新確定更加精確的雜波分布模型；從而提高了目標(biāo)檢測的精度。

附圖說明

為了更清楚的說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明所提供的級聯(lián)恒虛警檢測方法的一種具體實(shí)施方式的流程圖；

圖2為傳統(tǒng)CFAR檢測的流程圖；

圖3為傳統(tǒng)的級聯(lián)CFAR算法的流程圖；

圖4(a)為傳統(tǒng)CFAR檢測窗口示意圖，圖4(b)為本申請所提供的改進(jìn)的CFAR檢測窗口示意圖；

圖5為本發(fā)明所提供的級聯(lián)恒虛警檢測方法中差異點(diǎn)處理流程圖；

圖6為本發(fā)明實(shí)施例提供的級聯(lián)恒虛警檢測裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步的詳細(xì)說明。顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明所提供的級聯(lián)恒虛警檢測方法的一種具體實(shí)施方式的流程圖如圖1所示，該方法包括：

步驟S101：對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；

步驟S102：利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，所述潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；

步驟S103：根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；

步驟S104：利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；

步驟S105：剔除虛警雜波，并確定目標(biāo)信息。

本發(fā)明所提供的級聯(lián)恒虛警檢測方法，通過對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；利用第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；利用第二背景雜波分布模型，采用恒虛警算法對初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；剔除虛警雜波，并確定目標(biāo)信息。本發(fā)明所提供的級聯(lián)恒虛警檢測方法，在二級檢測的每次CFAR檢測之前都進(jìn)行一次海雜波統(tǒng)計(jì)建模，根據(jù)背景窗口中的雜波數(shù)據(jù)重新確定更加精確的雜波分布模型；從而提高了檢測精度。

傳統(tǒng)的級聯(lián)CFAR算法中采用的局部滑動(dòng)窗口模型包含目標(biāo)窗口、保護(hù)窗口和背景窗口，各個(gè)窗口的大小須根據(jù)目標(biāo)大小來確定，當(dāng)SAR圖像場景中含有多個(gè)目標(biāo)且各目標(biāo)尺寸差距較大時(shí)，用場景中最大的目標(biāo)尺寸來確定檢測窗口的大小。在這種情況下，大目標(biāo)區(qū)域的檢測性能受到的影響較小，然而對于尺寸相對較小的目標(biāo)，在同樣的條件下由檢測窗口所確定的背景區(qū)域與目標(biāo)之間的距離相對較遠(yuǎn)，會(huì)對背景雜波分布模型的參數(shù)估計(jì)造成影響，從而影響檢測性能。另外，傳統(tǒng)滑窗中設(shè)置保護(hù)窗口的主要目的是保護(hù)目標(biāo)像素不被泄漏到背景窗口中，這是必須的，然而該保護(hù)窗口在保護(hù)目標(biāo)像素的同時(shí)也增大了背景雜波區(qū)域與目標(biāo)之間的距離，依然會(huì)增大對雜波分布模型的參數(shù)估計(jì)誤差，給目標(biāo)檢測造成不良影響。

鑒于此，本發(fā)明所提供的檢測方法的另一種具體實(shí)施方式中為了得到更精確的雜波分布模型的參數(shù)估計(jì)，對局部檢測窗口進(jìn)行改進(jìn)，改進(jìn)后的檢測窗口舍棄了保護(hù)窗口，僅由目標(biāo)窗口和背景窗口組成。目標(biāo)窗口的大小由一級全局CFAR檢測分割出的潛在目標(biāo)點(diǎn)所構(gòu)成的目標(biāo)連通區(qū)域決定。方法是求取連通區(qū)域的最小外接矩形，用它作為目標(biāo)窗口，然后將目標(biāo)窗口作為內(nèi)邊界，向外延伸一定的長度得到外邊界，內(nèi)外邊界之間的部分為背景窗口。

此外，差異點(diǎn)指的是在一級全局CFAR檢測后被判定為目標(biāo)，但在二級局部CFAR檢測后卻又被判定為雜波的像素點(diǎn)。這些差異點(diǎn)可能為雜波，也有可能是強(qiáng)度稍弱的目標(biāo)點(diǎn)。這部分點(diǎn)在CFAR檢測中，當(dāng)虛警概率設(shè)置的較高時(shí)能夠被檢測出來，但在虛警概率設(shè)置的較低時(shí)則會(huì)被當(dāng)作雜波剔除掉。在傳統(tǒng)的級聯(lián)CFAR算法中，一級全局CFAR的虛警概率設(shè)置的較高，二級局部CFAR的虛警概率設(shè)置的較低，這就導(dǎo)致了部分強(qiáng)度較弱的目標(biāo)點(diǎn)的流失。

考慮差異點(diǎn)中目標(biāo)點(diǎn)與雜波點(diǎn)的區(qū)別，若某一差異點(diǎn)是目標(biāo)點(diǎn)，則該點(diǎn)必不會(huì)是孤立的，也就是說，在它的周圍肯定會(huì)有其他強(qiáng)度較大的像素點(diǎn)，這些點(diǎn)能夠連續(xù)通過兩級CFAR檢測最終被確定為目標(biāo)點(diǎn)，而雜波點(diǎn)的周圍一般仍是雜波，能夠同時(shí)通過兩級CFAR檢測的概率很小。所以我們可以通過查找差異點(diǎn)在二級局部CFAR檢測結(jié)果中對應(yīng)位置周圍的像素類型來判定其是目標(biāo)點(diǎn)還是雜波點(diǎn)。

因此，本申請對兩級檢測中產(chǎn)生的差異點(diǎn)進(jìn)行了優(yōu)化處理，通過檢查差異點(diǎn)在二級檢測結(jié)果圖像的對應(yīng)位置的八鄰域內(nèi)是否存在目標(biāo)點(diǎn)來確定其類型，進(jìn)一步提高了檢測精度。

剔除虛警雜波，確定目標(biāo)信息的過程可以具體包括：

確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點(diǎn)；

對所述差異點(diǎn)進(jìn)行優(yōu)化處理，并根據(jù)所述差異點(diǎn)鄰域內(nèi)各像素點(diǎn)的類型確定所述差異點(diǎn)的類型。

其中，檢測所述差異點(diǎn)在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點(diǎn)；若存在目標(biāo)點(diǎn)，則判定所述差異點(diǎn)為目標(biāo)點(diǎn)；否則，判定為虛警雜波點(diǎn)。

經(jīng)典CFAR檢測算法的基本思路是首先分析待檢測圖像的背景雜波分布模型，然后利用背景雜波數(shù)據(jù)來估計(jì)該模型的參數(shù)，接著再利用雜波模型和給定的虛警概率來確定檢測閾值，最后用待檢測像素和閾值進(jìn)行比較，大于閾值的像素點(diǎn)判定為目標(biāo)像素，否則判定為背景像素，如圖2所示。

傳統(tǒng)的級聯(lián)CFAR算法首先利用基于簡單統(tǒng)計(jì)分布模型(如高斯分布)的CFAR算法對整幅圖像進(jìn)行全局CFAR檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，潛在目標(biāo)點(diǎn)中包含有目標(biāo)點(diǎn)和虛警點(diǎn)；然后利用基于較復(fù)雜但更為精確的統(tǒng)計(jì)分布模型(如K分布)的CFAR算法對初次檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部CFAR檢測，進(jìn)一步剔除虛警雜波，確定目標(biāo)，如圖3所示。

本專利對傳統(tǒng)的級聯(lián)CFAR算法進(jìn)行優(yōu)化改進(jìn)，改進(jìn)后的檢測窗口模型如圖4(b)所示，而傳統(tǒng)的級聯(lián)CFAR算法中采用的檢測窗口模型如圖4(a)所示。傳統(tǒng)的檢測窗口模型會(huì)對背景雜波分布模型的參數(shù)估計(jì)造成影響，從而影響檢測性能。為了克服上述缺點(diǎn)，圖4(b)所示的改進(jìn)窗口舍棄了保護(hù)窗口，僅由目標(biāo)窗口和背景窗口組成，目標(biāo)窗口的大小由一級全局CFAR檢測分割出的潛在目標(biāo)點(diǎn)所構(gòu)成的目標(biāo)連通區(qū)域決定。確定目標(biāo)窗口與背景窗口的方法為：首先求取連通區(qū)域的最小外接矩形，用它作為目標(biāo)窗口，然后將目標(biāo)窗口作為內(nèi)邊界，向外延伸一定的長度(比如左右上下各個(gè)方向分別延伸30個(gè)像素)得到外邊界，內(nèi)外邊界之間的部分為背景窗口。

對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定背景雜波模型是CFAR檢測過程中的一個(gè)關(guān)鍵步驟，背景雜波模型的精確程度直接關(guān)系到目標(biāo)檢測性能的好壞。本專利采用自適應(yīng)窗口確定分布模型方法來克服傳統(tǒng)級聯(lián)CFAR算法中利用單一分布模型會(huì)給檢測精度帶來不良影響的問題。自適應(yīng)窗口確定分布模型的方法是在二級檢測中的每次CFAR檢測前都進(jìn)行一次海雜波統(tǒng)計(jì)建模，根據(jù)背景窗口中的雜波數(shù)據(jù)重新確定更加精確的雜波分布模型。

本專利對差異點(diǎn)的處理如圖5所示。首先通過對比一級CFAR檢測結(jié)果和二級CFAR檢測結(jié)果的差異得到差異點(diǎn)索引矩陣，然后通過查找差異點(diǎn)在二級局部CFAR檢測結(jié)果中對應(yīng)位置周圍的像素類型來判定其是目標(biāo)點(diǎn)還是雜波點(diǎn)。若在差異點(diǎn)對應(yīng)位置附近的一定范圍內(nèi)存在目標(biāo)點(diǎn)，則判定該差異點(diǎn)為目標(biāo)點(diǎn)，否則判定該差異點(diǎn)為虛警雜波點(diǎn)。為了能將差異點(diǎn)中的少量目標(biāo)點(diǎn)檢測出來，我們采用八鄰域檢測的方法對差異點(diǎn)進(jìn)行處理。

下面對本發(fā)明實(shí)施例提供的級聯(lián)恒虛警檢測裝置進(jìn)行介紹，下文描述的級聯(lián)恒虛警檢測裝置與上文描述的級聯(lián)恒虛警檢測方法可相互對應(yīng)參照。

圖6為本發(fā)明實(shí)施例提供的級聯(lián)恒虛警檢測裝置的結(jié)構(gòu)框圖，參照圖6級聯(lián)恒虛警檢測裝置可以包括：

第一確定模塊100，用于對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；

第一檢測模塊200，用于利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，所述潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；

第二確定模塊300，用于根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；

第二檢測模塊400，用于利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；

第三確定模塊500，用于剔除虛警雜波，并確定目標(biāo)信息。

作為一種具體實(shí)施方式，本發(fā)明所提供的級聯(lián)恒虛警檢測裝置中，所述第三確定模塊具體為：確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點(diǎn)；對所述差異點(diǎn)進(jìn)行優(yōu)化處理，并根據(jù)所述差異點(diǎn)鄰域內(nèi)各像素點(diǎn)的類型確定所述差異點(diǎn)的類型的模塊。

作為一種具體實(shí)施方式，本發(fā)明所提供的級聯(lián)恒虛警檢測裝置中，第三確定模塊具體為：

檢測所述差異點(diǎn)在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點(diǎn)；若存在目標(biāo)點(diǎn)，則判定所述差異點(diǎn)為目標(biāo)點(diǎn)；否則，判定為虛警雜波點(diǎn)。

在上述實(shí)施例的基礎(chǔ)上，本發(fā)明所提供的級聯(lián)恒虛警檢測裝置中，第一確定模塊具體為：采用自適用窗口確定所述第一背景雜波分布模型的模塊；

所述第二確定模塊具體為：采用自適用窗口確定所述第二背景雜波分布模型的模塊。

本實(shí)施例的級聯(lián)恒虛警檢測裝置用于實(shí)現(xiàn)前述的級聯(lián)恒虛警檢測方法，因此級聯(lián)恒虛警檢測裝置中的具體實(shí)施方式可見前文中的級聯(lián)恒虛警檢測方法的實(shí)施例部分，例如，第一確定模塊100，第一檢測模塊200，第二確定模塊300，第二檢測模塊400，第三確定模塊500，分別用于實(shí)現(xiàn)上述級聯(lián)恒虛警檢測方法中步驟101，102，103，104和105，所以，其具體實(shí)施方式可以參照相應(yīng)的各個(gè)部分實(shí)施例的描述，在此不再贅述。

本發(fā)明所提供的級聯(lián)恒虛警檢測裝置，通過對雜波背景進(jìn)行統(tǒng)計(jì)建模，確定第一背景雜波分布模型；利用第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點(diǎn)的初步檢測結(jié)果，潛在目標(biāo)點(diǎn)包含目標(biāo)點(diǎn)以及虛警點(diǎn)；根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計(jì)建模，確定第二背景雜波分布模型；利用第二背景雜波分布模型，采用恒虛警算法對初步檢測結(jié)果中的潛在目標(biāo)點(diǎn)進(jìn)行局部恒虛警檢測；剔除虛警雜波，并確定目標(biāo)信息。本發(fā)明所提供的級聯(lián)恒虛警檢測裝置，在二級檢測的每次CFAR檢測之前都進(jìn)行一次海雜波統(tǒng)計(jì)建模，根據(jù)背景窗口中的雜波數(shù)據(jù)重新確定更加精確的雜波分布模型；提高了目標(biāo)檢測的精度。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其它實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同或相似部分互相參見即可。對于實(shí)施例公開的裝置而言，由于其與實(shí)施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對本發(fā)明所提供的級聯(lián)恒虛警檢測方法以及裝置進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。