基于高斯函数拟合海杂波的sar图像船只检测方法
【技术领域】
[0001] 本发明属于遥感图像处理技术领域，具体涉及图像处理、海杂波的拟合、CFAR检测 算法。可应用于渔业监管、船只监测等方面。
【背景技术】
[0002] 我国是一个海洋大国，管辖着300多万平方公里的海域，海洋资源丰富，加强对进 入我国管辖海域船只的监测是维护我国海洋权益的重要手段。合成孔径雷达（SAR)因具有 全天时、全天候、大范围的观测能力，而成为海洋监测的主要手段之一 [1]。基于海杂波分布 概率密度函数的恒虚警率检测方法，是迄今为止发展的最成熟的船只检测方法，已被应用 于很多实际的船只检测系统中[2]。该方法根据海杂波的概率密度函数（PDF-Probability DistributionFunction)计算累积分布函数（CDF-CumulativeDistributionFunction)， 并结合预先设定的恒虚警率（CFAR)，自适应地计算检测阈值，将船只目标从海洋背景中检 测出来。
[0003] 该方法的核心是精确地拟合SAR图像的海杂波分布的概率密度函数。早期的海杂 波统计基于SAR成像相干斑模型，从相干斑的统计特性出发，建立了相干斑幅度服从瑞利 分布，强度服从负指数分布的模型[3]。随着SAR成像分辨率的提高，图像中不仅存在相干 斑，还存在纹理信息，Ward等证明了二者之间满足乘性关系[4]，进而在乘性模型框架下发 展了K分布[5] [6]、G°分布[7] [8]等模型。除了上述基于相干斑先验假设的海杂波统计 模型外，还发展了通过对真实SAR图像数据统计建模实验的验证而获得的模型，主要包括 对数正态分布[9]、韦布尔分布[10]等模型。受SAR入射角、极化方式不同，以及天气、风 速、海况变化等内外因素的影响，海杂波在SAR图像中的统计分布具有较大的差异，上述的 海杂波拟合方法均不能较好的适用于各种情况[11，12]。本发明基于高斯函数拟合的海杂 波建模方法提出适用于多种海况和SAR传感器的高分辨率SAR图像。
[0004] 参考文献
[0005] [ 1 ]BruschS. ,LehnerS. ,FritzT. ,eta1.Shipsurveillance withTerraSAR-X[J].IEEETransactionsonGeoscienceandRemote Sensing, 49(3):1092-1103, 2011
[0006] [2]CrispDJ.Thestate-of-the-artinshipdetectioninsynthetic apertureradarimagery[R]?DefenceScienceAndTechnologyOrganisation Salisbury(Australia)InfoSciencesLab, 2004.
[0007] [3]OliverC,QueganS.Understandingsyntheticapertureradarimages[M]. SciTechPublishing, 2004.
[0008] [4]WardKD.Compoundrepresentationofhighresolutionseaclutter[J]. Electronicsletters,1981,17 (16):561-563.
[0009] [5]JiY,ZhangJ,MengJ,etal.AnewCFARshiptargetdetectionmethodin SARimagery[J].ActaOceanologicaSinica, 2010, 29 (1):12-16.
[0010] [6]JakemanE,PuseyPN.Amodelfornon-Rayleighseaecho[J].Antennas andPropagation,IEEETransactionson, 1976, 24(6):806-814.
[0011] [7]Frery,A.C,Muller,H.-J. ,Yanasse,C.C.F. ,etal.AModelforExtremely HeterogeneousClutter[J].IEEETransactionsOnGeoscienceAndRemote Sensing, 1997, 35(3) : 648-659.
[0012] [8]鲁统臻，张杰，纪永刚等.基于GO分布的高海况SAR船只目标检测方法[J]. 海洋科学进展，2011，29 (2) : 186-195.
[0013] [9]ff.Szajnowski.Estimatorsoflog-normaldistributionparameters[J]. IEEETrans.Aerosp.Electron.Syst. , 1977,AES-13(5):533 - 536.
[0014] [10]Tsagaris,V. ,Vozikis,G. ,etal.Shipdetectionmodulesbasedon ASARandterassardataforGreekareasofinterest[C] ?IEEE2ndInternational ConferenceonSpaceTechnology(ICST), 2011:1-4.
[0015] [11]李永晨，刘浏.SAR图像统计模型综述[J].计算机工程与应 用，2013, 49(13) : 180-186.
[0016] LiYongchen,LiuLiu.ReviewofstatisticalmodelsofSARimage[J]. ComputerEngineeringandApplications, 2013, 49(13):180-186.
[0017] [12]GaoG.StatisticalmodelingofSARimages:Asurvey[J]. Sensors, 2010, 10(1) : 775-795.
【发明内容】
[0018] 本发明提供一种适合高分辨率的SAR图像的船只检测方法，采用n阶高斯函数（n 取3, 4, 5, 6)拟合海杂波结合CFAR算法，能够有效地检测出检测海域的船只。
[0019] 实现本发明的技术方案为：输入SAR图像，基于n阶高斯函数拟合其海杂波分布， 根据拟合的海杂波的概率密度分布计算累积分布密度，并结合预先设定的恒虚警率，计算 检测阈值，将船只目标从海洋背景中分割出来。
[0020] 其具体实现步骤包括如下：
[0021] ①获得SAR图像数据值分布的概率密度函数(x)。
[0022] ②对①所述的概率密度函数进行以k为底的对数运算，得到f2 (X)。对k不做特别 要求，本发明推荐k= 10。
[0023] ③n阶高斯函数共有3n个未知量，为了使采取的样本足够进行函数拟合，拟在 f2(x)函数中均勾采样m个数据点，m取远大于n的值，如m>3n，进一步的说，m的取值范围， m>18。采样数据点的坐标为（x^f^x))、（x2，f2(x2))、…、（xm，f2(xm))。其中， 高斯函数的参数，x为图像的灰度值，8位SAR图像取值范围为[0, 255]，16位SAR图像取值 n x - f) 范围为[0, 65535]。根据n阶多项式函数少=!>/ ，构造超定方程如下： ，二1 Ci
[0024]
[0025]联立求解，得到各项系数已丨，a2，…，aj^，an,h，b2，…，bwbn,q，c2，…，Cm，4的值。 得到拟合的函数f3(x)。
[0026]④通过以k为底数、f3(x)为指数的指数运算，得到拟合后的海杂波概率密度函数 f4 (x)。即 /4闲=。
[0027] ⑤根据拟合的海杂波的概率密度分布f4 (x)计算累积分布密度 F(x),F(x)^^fjtidt
[0028] ⑥当虚警率Pfa取某一确定常数时，通过Pfa=l_F(Tn)，可以求得阈值Tn。Pfa取值 取决于对最后检测结果精度的要求，一般取0.0001，对于检测区域中的数据值，若大于阈值 Tn，则判定为船只目标，否则为海杂波。
[0029] 若需检测的SAR图像噪点过多，或对结果检测精度有着较严格的要求，可以将图 像先进行滤波处理；一般情况下，为节省时间，也可不进行滤波处理。
【附图说明】
[0030] 图1是本发明的流程示意图；
[0031] 图2是本发明具体实施例中所使用的Radarsat-2高分辨SAR图像；
[0032] 图3是本发明具体实施例中检测结果；
[0033] 图4是本发明具体实施例中SAR图像与专家解译检验对比图。
【具体实施方式】
[0034]参照图1，本发明的具体实施步骤如下：
[0035] 步骤1 :输入图像（图2)，进行归一化处理，将图像像素值归一化到[0, 1]。
[0036] 步骤2 :获得SAR图像数据值分布的概率密度函数(x)。
[0037] 步骤3 :对fjx)进行以10为底的对数运算，得到f2(x)，f2(x) =logmfjx)。
[0038] 步骤4:在&〇〇中均匀采样100个数据点。采样数据点的坐标为（Xl，f2(Xl))、 (x~f；(xJ)、...、（x…f；(x1QQ))。。本实施例中采用5阶高斯函数，根据多项式函数 _
，构造超定方程如下： 1=1 Ci
[0039]
[0040] 联立求解，得到各项系数a。a2,a3,a4,a5,h，b2,b3,b4,b5,q，c2,c3,c4,。5的值：
[0041] a:= 4. 055
[0042] b,= 49. 95
[0043] Cl= 77. 61
[0044] a2= -0? 5505
[0045] b2= 5. 312
[0046] c2= 3. 256
[0047] a3= -2. 602
[0048] b3= 229. 8
[0049] c3= 33. 25
[0050] a4= 1. 021
[0051] b4= 126. 3
[0052] c4= 40. 08
[0053] a5= 3. 239e+12
[0054] b5= 1. 427e+05
[0055] c5= 2. 757e+04
[0056] 得到拟合的函数f3 (x)。
[0057] 步骤5 :本发明采用R-Sq(adj)评价拟合函数的拟合优度。
，其cn为 i-i
i-i 观测值的总个数，P为回归方程中的总项数（包括常数项在内），(Xi)为原始数据，f4(Xi) 为拟合数据，7^为原始数据均值。也就是说，R2adj(即R-Sq(adj))是扣除了回归方程 中所受到的包含项数的影响的相关系数，因而可以更准确地反映模型的好坏，同样，它也是 越接近于1就越好。根据上述公式求得：R-Sq(adj) = 0. 9928。
[0058] 步骤6 :通过以k为底数、f3(x)为指数的指数运算，得到拟合后的海杂波概率密 度函数f4(x)。即= ~。根据拟合的海杂波的概率密度分布&〇〇计算累积分布密度 F(x)
[0059] 步骤7:设虚警率？&= 0.0001，通过？&=14〇\)，可以求得阈值1；= 0.8272。 对于检测区域中的数据值，若大于阈值Tn，则判定为船只目标，否则为海杂波。
[0060] 步骤8 :将所得的结果与专家解译结果相对比（如图4)，得知检验结果。其中，算 法性能根据正确检测目标数，漏检目标数，虚警目标数进行评价，参考品质因数FoM指标参 ^ hi"
数，其定义为：其中：Ntt为检测结果中正确的检测目标数，Nfa为虚警目 标数，Ngt为实际的目标数。
[0061] Ntt= 24,Nfa= 0,Ngt= 24 ;
[0062] 通过优异的FoM性能，可以％m，jftJK恆WJ双禾民灯。
【主权项】
1. 一种基于高斯函数拟合海杂波的SAR图像船只检测方法，其特征在于： 1. 1基于高斯函数拟合海杂波分布的概率密度函数； 1. 2基于上述拟合得到的概率密度函数CFAR算法在内的方法相结合，实现船只检测。2. 根据权利要求1所述的方法，其特征在于该方法包括以下步骤： 2. 1获得SAR图像数据值分布的概率密度函数(x) ;x为图像的灰度值，8位SAR图像 取值范围为[〇, 255]，16位SAR图像取值范围为[0, 65535]; 2. 2对2-1所述的概率密度函数进行以k为底的对数运算，得到f2 (x); 2. 3采用n阶高斯函数拟合f2 (x)，得到拟合函数f3(x)，其中 a"bi,q为拟合系数；n= 3、4、5或6 ; 2. 4对f3(x)做以k为底，f3(x)为指数的指数运算，k的值与步骤2. 2中的相同，得到 拟合后的海杂波概率密度函数&00 ; 2. 5根据拟合的海杂波的概率密度分布f4(x)计算累积分布密度 F(x),:当虚警率Pfa取某一确定常数时，通过Pfa=l_F(Tn)，求得阈值Tn; Pfa取值取决于对最后检测结果精度的要求，对于检测区域中的数据值，若大于阈值Tn，则判 定为船只目标，否则为海杂波。3. 根据权利要求2所述的方法，其特征在于：底数k取10。
【专利摘要】基于高斯函数拟合海杂波的SAR图像船只检测方法属于遥感图像处理技术领域，具体为一种基于高斯函数拟合海杂波的恒虚警率(CFAR-Constant False Alarm Rate)图像的船只检测方法。主要解决现有检测技术应用于高分辨率图像时，对海杂波拟合优度低，整体检测性能差的问题。其检测过程为：采用n阶高斯函数拟合海杂波分布，根据拟合函数求出阈值，结合恒虚警率(CFAR—Constant False Alarm Rate)方法检测船只，得到最终检测结果。本发明具有更好的拟合优度和更高的检测性能，可用于渔业监管和海事安全等领域。
【IPC分类】G06K9/00
【公开号】CN104992159
【申请号】CN201510409324
【发明人】郎海涛, 蔡奇澔
【申请人】北京化工大学
【公开日】2015年10月21日
【申请日】2015年7月13日