一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

• Published in: 雷达学报 Vol. 10; no. 4; pp. 499 - 515
• Main Authors: 艾加秋, 曹振翔, 毛宇翔, 汪章怀, 王非凡, 金兢
• Format: Journal Article
• Language: Chinese
• Published: 合肥工业大学计算机与信息学院 合肥 230009 2021; 合肥工业大学智能互联系统安徽省实验室 合肥 230009%合肥工业大学计算机与信息学院 合肥 230009
• Subjects: 非均匀量化; SAR图像目标检测; 改进的双边CFAR; 强度-空间融合域; 复杂环境; 弱目标
• ISSN: 2095-283X
• DOI: 10.12000/JR20127

TN959.72; 双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测.相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性.然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警.此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检.为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR).该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计.基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率.强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述.杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确.最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测.该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性.实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85％的检测率和3.52％的虚警率,相比于现有的检测算法,检测率提升了5％,并且虚警率降低了10％,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警.