本發(fā)明屬于sar(syntheticapertureradar，合成孔徑雷達(dá))技術(shù)領(lǐng)域，涉及一種利用sar對(duì)海上運(yùn)動(dòng)的艦船目標(biāo)進(jìn)行檢測(cè)的方法。

背景技術(shù)：

sar運(yùn)動(dòng)目標(biāo)檢測(cè)是sar應(yīng)用的一個(gè)重要領(lǐng)域。在軍事情報(bào)監(jiān)視、非法移民監(jiān)管和大范圍海洋交通監(jiān)管等領(lǐng)域有著廣泛的應(yīng)用。通過(guò)在飛行平臺(tái)上搭載兩副或多副sar天線對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，現(xiàn)有的sar運(yùn)動(dòng)目標(biāo)檢測(cè)是方法主要有dpca(displacedphasecenterantenna，偏置天線相位中心)方法。參見(jiàn)文獻(xiàn)：chapineandchencw.airbornealong-trackinterferometryforgmti.aerospaceandelectronicssystemsmagazines,ieee,2009,24(5):13-18.

dpca方法利用在很短時(shí)間間隔內(nèi)獲得的兩幅復(fù)圖像通過(guò)雜波對(duì)消的方法實(shí)現(xiàn)雜波抑制，進(jìn)而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)。然而現(xiàn)有的dpca技術(shù)主要運(yùn)用于gmti(groundmovingtargetindication，地面運(yùn)動(dòng)目標(biāo)檢測(cè))，對(duì)于海上運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)并沒(méi)有實(shí)質(zhì)的進(jìn)展，這主要是因?yàn)閐pca海雜波建模部分的理論缺失，使得dpca技術(shù)無(wú)法直接運(yùn)用到海上運(yùn)動(dòng)艦船目標(biāo)檢測(cè)問(wèn)題上。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種利用sar對(duì)海上運(yùn)動(dòng)艦船目標(biāo)進(jìn)行檢測(cè)的方法。該方法具有較好的雜波抑制效果，能顯著提高圖像信雜比，可有效提高海上運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)性能。

本發(fā)明的技術(shù)方案是：

對(duì)利用sar獲得的前視圖像和后視圖像采用dpca處理，得到抑制雜波后的待檢測(cè)圖像；設(shè)待檢測(cè)圖像中的海雜波服從k分布，采用mellin變換估計(jì)所述k分布的參數(shù)；根據(jù)k分布的參數(shù)估計(jì)結(jié)果，計(jì)算cfar檢測(cè)閾值；利用cfar檢測(cè)閾值進(jìn)行運(yùn)動(dòng)艦船目標(biāo)像素的判別，最終得到運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)結(jié)果。

本發(fā)明的有益效果是：

1.本發(fā)明通過(guò)dpca處理將兩幅圖像中的信息合成到一幅待檢測(cè)圖像中，可以充分利用圖像信息提高信雜比。通過(guò)理論推導(dǎo)證明了經(jīng)dpca處理之后的圖像中海雜波是服從k分布的，利用k分布確定cfar檢測(cè)閾值，可以得到更高的檢測(cè)率和更低的虛警率。

2.采用本發(fā)明提出的運(yùn)動(dòng)艦船目標(biāo)檢測(cè)方法不需要設(shè)置額外的參數(shù)或條件，簡(jiǎn)潔易行。

附圖說(shuō)明

圖1和圖2為本發(fā)明實(shí)驗(yàn)數(shù)據(jù)；

圖3為本發(fā)明流程圖；

圖4、圖5和圖6為本發(fā)明的實(shí)驗(yàn)結(jié)果圖。

具體實(shí)施方式

圖1和圖2為本發(fā)明實(shí)驗(yàn)數(shù)據(jù)，圖1是利用sar得到的前視圖像復(fù)數(shù)據(jù)，圖2是利用sar得到的后視圖像復(fù)數(shù)據(jù)，圖1和圖2的橫坐標(biāo)均表示方位向，縱坐標(biāo)均表示距離向。這兩幅圖像都是由nasa/jplairsar機(jī)載sar系統(tǒng)收集得到的，兩幅圖像大小均為6500×1001，每幅圖像中包含有兩個(gè)運(yùn)動(dòng)艦船目標(biāo)，從圖中可以看出，一個(gè)目標(biāo)位于圖像左側(cè)。另一個(gè)目標(biāo)位于圖像右下角。

圖3為本發(fā)明流程圖，具體實(shí)施步驟如下：

第一步，對(duì)前視圖像和后視圖像采用dpca處理，即利用公式一得到處理之后的待檢測(cè)圖像z：

z＝|x1-x2|(公式一)

其中x1表示前視圖像復(fù)數(shù)據(jù)，x2表示后視圖像復(fù)數(shù)據(jù)，||是取模運(yùn)算。

第二步，設(shè)待檢測(cè)圖像中的海雜波服從k分布，采用mellin變換估計(jì)cfar檢測(cè)所需背景窗中所述k分布的參數(shù)。cfar檢測(cè)滑動(dòng)窗的尺寸選取要根據(jù)艦船目標(biāo)的實(shí)際情況而定，一般的原則是目標(biāo)窗寬度不能小于最小艦船目標(biāo)的寬度，保護(hù)窗的寬度不能小于最大艦船目標(biāo)的寬度，背景窗的尺寸要足夠大以保證海雜波模型參數(shù)估計(jì)的準(zhǔn)確性。

k分布的概率密度函數(shù)fk(x；α,λ,n)如下：

上述k分布概率密度函數(shù)fk(x；α,λ,n)包括三個(gè)未知數(shù)，即k分布的形狀參數(shù)α、尺度參數(shù)λ、k分布的等效視數(shù)n。因?yàn)楹罄m(xù)進(jìn)行海上艦船目標(biāo)檢測(cè)時(shí)，使用cfar的方法，通過(guò)數(shù)學(xué)推導(dǎo)得出cfar檢測(cè)滑動(dòng)窗中背景窗中的像素點(diǎn)服從k分布，因此本步驟中對(duì)于cfar檢測(cè)滑動(dòng)窗中背景窗中的像素點(diǎn)采用mellin變換可以得到對(duì)于上述三個(gè)參數(shù)的估計(jì)，具體的計(jì)算方法如下：

其中xi表示的是背景窗中第i個(gè)像素點(diǎn)的灰度值，n表示的是背景窗中像素點(diǎn)的個(gè)數(shù)，ψ(·)表示的是psi函數(shù)，ψ(·,·)表示的是polygamma函數(shù)，kα-n(·)表示的是第二類(lèi)修正bessel函數(shù)。

第三步，設(shè)當(dāng)前待檢測(cè)像素點(diǎn)的坐標(biāo)為(k,l)，根據(jù)第二步中所述方法估計(jì)當(dāng)前背景窗中的k分布參數(shù){αk,l,λk,l,nk,l}，從而計(jì)算當(dāng)前檢測(cè)滑動(dòng)窗對(duì)應(yīng)的cfar檢測(cè)閾值thk,l，其具體計(jì)算公式如下：

其中pfa表示的虛警率，通常根據(jù)實(shí)際需要人為設(shè)定。

比較當(dāng)前檢測(cè)像素點(diǎn)灰度值tk,l與閾值thk,l的大小，判斷當(dāng)前像素是否為運(yùn)動(dòng)艦船目標(biāo)像素，其具體判決規(guī)則如下：

第四步，對(duì)待檢測(cè)圖像中的每一個(gè)像素點(diǎn)重復(fù)第三步，判斷每一個(gè)像素點(diǎn)是否為運(yùn)動(dòng)艦船目標(biāo)像素，從而完成對(duì)于運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)。

圖4、圖5和圖6為本發(fā)明的實(shí)驗(yàn)結(jié)果圖。圖4、圖5和圖6的橫坐標(biāo)均表示方位向，縱坐標(biāo)均表示距離向。圖4表示的是對(duì)圖1和圖2進(jìn)行dpca處理之后得到的圖像，圖5是本發(fā)明方法對(duì)于運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)結(jié)果圖，圖6是現(xiàn)有的ati(along-trackinterferometry，沿跡干涉)方法對(duì)于運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)結(jié)果圖。實(shí)驗(yàn)中cfar檢測(cè)滑動(dòng)窗的選取為：目標(biāo)窗尺寸為100*100，保護(hù)窗尺寸為150*150，背景窗尺寸為200*200，設(shè)置的虛警率為pfa＝10^-3。從圖4中可以看出，經(jīng)過(guò)dpca處理之后的圖像，其艦船目標(biāo)與背景的對(duì)比度明顯增強(qiáng)，這說(shuō)明dpca處理能夠有效提高圖像信雜比，適用于低信雜比環(huán)境下的運(yùn)動(dòng)艦船目標(biāo)檢測(cè)。圖5中白色矩形框所包圍區(qū)域即為運(yùn)動(dòng)艦船目標(biāo)存在區(qū)域，其中的白色像素點(diǎn)即為檢測(cè)到的艦船目標(biāo)像素點(diǎn)，從圖5中可以看出，整幅圖像中虛警較少，兩個(gè)艦船目標(biāo)都被較為完整的檢測(cè)了出來(lái)，檢測(cè)效果較好。而圖6所對(duì)應(yīng)的ati檢測(cè)算法，不僅虛警較多而且?guī)缀鯖](méi)有檢測(cè)到艦船目標(biāo)，檢測(cè)效果較差。

本發(fā)明的一個(gè)創(chuàng)新點(diǎn)是設(shè)待檢測(cè)圖像中的海雜波服從k分布的，因此采用的cfar檢測(cè)中的背景窗也服從k分布的。其理論證明如下：

根據(jù)乘積模型，利用sar獲得的前視圖像或后視圖像ai(k)可以表示成如下的形式：

ai(k)＝xi(k)yi(k)i＝1,2(公式六)

其中xi(k)表示紋理變量，yi(k)表示高斯相干斑變量，i＝1對(duì)應(yīng)前視圖像，i＝2對(duì)應(yīng)后視圖像，k表示多視處理中的第k個(gè)子視。

對(duì)前視圖像和后視圖像進(jìn)行dpca處理，然后進(jìn)行平方操作，得到多視dpca強(qiáng)度統(tǒng)計(jì)量h，如下式所示：

其中m表示多視處理的總視數(shù)。

在雷達(dá)分辨率足夠高的情況下，通常認(rèn)為海雜波的rcs(radarcrosssection，雷達(dá)橫截面積)在單個(gè)通道的各子視之間的波動(dòng)是極其微小的，這也就意味著xi(k)＝xii＝1,2，如果進(jìn)一步認(rèn)為兩個(gè)通道是完全一樣的，那么可以得到x1(k)＝x2(k)＝x，從而可以將公式七簡(jiǎn)化為：

對(duì)于海雜波而言，紋理變量x屬于γ^1/2(μ,v)分布，此時(shí)能較好的反映紋理變量x的特征。γ^1/2(μ,v)的概率密度函數(shù)的表達(dá)式如下：

其中v表示尺度參數(shù)，μ表示形狀參數(shù)。

令w＝x²，由x服從γ^1/2(μ,v)分布，可得w服從χ²分布，即w～χ²(μ,v)，從而得到w的概率密度函數(shù)的表達(dá)式為：

對(duì)h進(jìn)行歸一化，可以得到：

式中e(·)表示取期望操作。

令則公式十一可以改寫(xiě)為：

根據(jù)公式十二，可以得到的概率密度函數(shù)為：

為了進(jìn)一步化簡(jiǎn)公式十三，需要利用如下公式對(duì)公式十三中的積分項(xiàng)進(jìn)行求解：

根據(jù)公式十四，公式十三可以進(jìn)一步寫(xiě)成如下形式:

對(duì)公式十五作變量替換得到待檢測(cè)圖像中的海雜波服從如下分布：

令可以將公式十六化為：

公式十七就是k分布的概率密度函數(shù)表達(dá)式，由此可以得到待檢測(cè)圖像中的海雜波是服從k分布的。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。