专利名称：基于分割组合的sar图像自适应恒虚警率目标检测方法
技术领域：
本发明专利属于合成孔径雷达(SAR)技术领域，涉及实时检测SAR图像目标的方法。
背景技术：
近年来，合成孔径雷达(SAR)的快速发展不仅提升其在军事上的应用，同时也开 始影响着日常的地形测绘航海监测等民事应用。但是随着机载和星载SAR传感器获得的图 像数据趋于海量，而现有的图像分析能力根本无法满足收集到的数据的处理需求，因此发 展SAR图像解译技术变得越来越迫切。SAR图像解译技术内容丰富，针对不同的应用蔓延种 类繁多的分支。其中一个重要的分支就是如何从不可预知的背景杂波中发现到感兴趣区域 (ROI)。这个被称作自动目标识别(ATR)过程。作为ATR的第一步，目标检测对于后续的目标识别等一系列过程都有着较大的影 响，直接会影响到整个计算的检测精度和计算的复杂度。而SAR图像目标检测算法在过去 的近几十年得到了蓬勃发展。总共大致有以下三大类的SAR图像目标算法(1)基于图像 对比度的目标检测算法；(2)基于图像其他特征的目标检测算法；(3)基于复图像特征的目 标检测算法。其中基于图像对比度的目标检测算法由于其计算简便，效果卓著而被大量研 究。基于图像对比度的算法中主要的就是恒虚警率(CFAR)检测算法。CFAR检测算法因为其 能保持恒定的虚警概率，并且实施较为简单而被广泛应用。如世界知名的加拿大的SARATR workbench系统和德国的ACoVis系统都采用了此项检测技术。在理想均勻高斯背景杂波情况下，单元平均(CA)CFAR技术被证明能在保持恒定 虚警概率的条件下同时取得最好的检测性能。另外当用来估计的杂波单元数趋于无穷时， CA-CFAR检测器被证明无限趋近于最优的尼曼皮尔逊检测器。但是应该注意的是，随着杂波 单元数的增加，原本均勻的杂波假设倾向于被破坏。因此，在非均勻的杂波环境下，CA-CFAR 的检测效果承受了巨大的损失。参考窗中一个或多个干扰目标会促使检测门限的上升，这 会使虚警概率下降到一个我们不可以承受的范围，同时还会使检测概率下降。在杂波边缘 环境也类似，当待检测单元在低杂波时会承受较多的虚警，而在高杂波时会损失检测概率。 所以总体来说，CA-CFAR在非均勻环境的检测性能相比较均勻环境有较大下降，因此后续有 各种CFAR检测器来用于探究此问题的解决方法。在杂波边缘区域，选大(GO)CFAR能提供更好的检测性能，但是由于失去了相邻单 元的相关信息，相比较CA-CFAR，在均勻区域有更大的下降。在多目标环境下，选小(SO) CFAR减少了相邻目标的影响，因此这种情况下获得较好的性能。但是在杂波边缘环境下相 比较CA-CFAR能承受更多的虚警。另一种CFAR检测器，排列统计(OS) CFAR检测器能一定 程度上克服以上几种CFAR检测器的缺陷，但是尽管它比较稳健，但是在杂波边缘环境下还 是承受了较多的虚警。想利用一种检测算法来适应复杂多变的各种场景，显然并不容易。如果开发一种 算法，能根据被测单元所处的特定环境自适应的从以上经典的CFAR检测器中选择最合适的检测器来进行检测，无疑将具有较大的检测性能提升。因此这种自适应CFAR检测算法成 为一个主要的CFAR研究方向。黄祥于2005年提出了一种基于区域分类的自适应检测算法(RC-CFAR算法)，这种 方法将场景数据分维分窗处理能很好提取待检测单元的环境参数，但是其分窗组合思想不 够完善，在一些较复杂的目标场景下会造成目标检测率损失。本方法在其基础上提出了一 种改进方案，能针对此类环境场景有效提高检测率。

发明内容
现有自适应CFAR技术的检测方法，检测概率较低，虚警率较高，在复杂的多个目 标嵌在一起时容易受到周围目标干扰，同时一些较弱的目标因为被强目标所遮蔽难以被检 测到。为了解决现有技术的上述问题，本技术方案提出了一种基于分割组合的利用各局部 信息的自适应子窗组合的检测方法，主要利用基于分割组合的CFAR技术对SAR图像进行快 速的目标检测，从而从海量SAR数据中迅速找到感兴趣的区域。为了能自适应的针对各特 定环境，采取相应子窗组合从而达到最优的检测效果。本技术方案所提出的检测方法是针 对成像后的图像数据进行检测，采用了基于分割组合的自适应CFAR检测方法进行检测，本 方法计算量小，操作较为简单，检测效果明显提高，适于实时目标检测系统。为了实现本发明的目的，本发明提供一种基于分割组合的SAR图像自适应恒虚警 率目标检测方法，包含如下步骤步骤1 从合成孔径雷达系统中获取到一幅待检测SAR图像，该图像是η行，m列 的；作为优先，步骤1中还包括对获取到的待检测SAR图像进行噪声滤除。步骤2 从该图像的第(h/2+l)行第(h/2+l)列的像素开始对待检测SAR图像的 像素进行检测；以该像素作为当前的检测单元，将以此检测单元为中心且尺寸是hXh的方 形窗作为背景窗，h为预设的背景窗宽度。为减少邻近目标的干扰，将以此像素为中心且尺 寸是(h-2r) X (h-2r)的方形窗作为保护窗。取出背景窗的数据之后再从背景窗的数据中 去掉保护窗的数据，得到一个空心的参考单元窗。步骤3 将得到的空心参考单元窗从对角线方向分割成四个子窗，并且提取这四
个子窗的均勻度统计量，用于反映的是各子窗内的功率水平以及均勻性特征。进一步地，每
个子窗的均勻度统计量VI按照下式计算 σ2VI = \ + ~
M其中μ为该子窗内参考单元的均值，ο是该子窗内参考单元的方差；步骤4 根据这四个均勻度统计量判别这四个子窗是否均勻；然后根据四个子窗 中被判为非均勻子窗的个数，采取相应的子窗组合方法，并且根据所采取的子窗组合估计 出背景杂波模型的参数。步骤5 获取背景杂波模型的参数后，利用预设的虚警概率Pfa和杂波模型之间的 关系得到最终的检测阈值Τ。步骤6 将当前的检测单元像素值与检测阈值T进行比较，如果检测单元像素值大 于检测阈值Τ，则认为有目标存在，如果检测单元像素值小于检测阈值Τ，则认为没有目标 存在，并进行标记。
步骤7 水平移至待检测SAR图像的下一个像素，以该像素作为当前的检测单元， 将以此检测单元为中心且尺寸是hXh的方形窗作为背景窗，h为预设的背景窗宽度，并以 此像素为中心且尺寸是(h-2r) X (h-2r)的方形窗作为保护窗。取出背景窗的数据之后再 从背景窗的数据中去掉保护窗的数据，得到一个空心的参考单元窗，然后重复步骤3到步 骤6。采用流水式检测直到整幅待测SAR图像中的检测单元都被检测完。步骤8 对检测完的SAR图像进行目标融合操作，作用是去除一些过小不可能是目 标的区域，连通可能被分割的检测区域。步骤4进一步包括步骤4a.首先将从四个子窗中提取到各子窗的均勻度统计量，分别与一个预设的 均勻度阈值Kvi进行比较，如果均勻度统计量大于该阈值Kvi，则将该子窗判为非均勻子窗； 否则判为均勻子窗。步骤4b.根据四个子窗中被判为非均勻子窗的个数M，分别采取如下子窗组合方 法情况1 如果M = 0，那么这四个子窗都被采用，联合作为子窗组合；情况2 如果M = 1，那么将其中那三个均勻子窗联合作为子窗组合；情况3 如果M= 2，就要再判断其中这两个非均勻子窗是否相邻，如果相邻就选择 另外两个均勻子窗作为子窗组合；如果不相邻而是相对的位置，就要再进一步判断两个均 勻子窗的杂波功率水平是否在同一水平，若是则选定这两个均勻子窗作为子窗组合，否则 还要进一步判断当前检测单元是存在于高杂波环境还是低杂波环境，如果判为在高杂波环 境，就采用高杂波的均勻子窗作为唯一的子窗组合，如果判为在低杂波环境，就采用低杂波 的均勻子窗作为唯一的子窗组合；情况4 如果M = 3，将唯一的均勻子窗作为子窗组合；情况5 如果M = 4，即四个子窗都不均勻，此时采用这四个子窗作为子窗组合；步骤4c.如果是情况1 4中采取的子窗组合，那么就对子窗组合内的像素进行 统计得到均值和方差，从而对背景杂波模型的参数进行估计；如果是情况5，则运用排序统 计的思想，将全部四个子窗内的像素按照像素大小进行排序，用排序后的设定的特殊位置 的值作为对杂波均值的估计和方差的估计。然后以此对背景杂波模型参数进行估计。进一步地，在步骤4b的情况3中，(1)判断两个均勻子窗的杂波功率水平是否在同一水平的方法是获得这两个均勻子窗的均值比统计量MR MR = YuXJYuX,
ieA / J^B式中，A、B为相对的两个均勻子窗，Xi, Xj分别为A，B两子窗内的参考单元；设定阈值Kmk，如果<MR< Kmr，则判定两个均勻子窗的杂波是在同一水平；如 果M/ <夂=或MR > Kme则判定两个均勻子窗的杂波不在同一水平。(2)判断当前检测单元是存在于高杂波还是低杂波环境的方法为获得A，B两个均勻子窗的均值，分别是Mh和My其中属于高杂波环境的为A窗Mh ；再以当前检测单元为中心，设定一个AW窗，其尺寸是保护窗的一半，获得该AW窗 内参考单元的均值估计为M0 ；获取如下式表示的统计量ra
7
PR= Mh-M0 I/IMl-M0将统计量ra与预设的阈值Kpk比较，如果统计量ra大于阈值κΡΚ，即认为当前检测 单元处于低杂波环境，反之认为待检测单元处于高杂波环境。进一步地，步骤8中包括步骤8a.将检测到的目标区域标注出来，去除一些区域面积明显小于待检测目标 尺寸而且较为孤立的区域；步骤8b.选定任意两个标注出来的区域；步骤8c.计算这两个区域的最远距离d，并与设定的最远距离阈值Kd进行比较判 断，如果d > Kd,直接转至步骤e，否则进行步骤d ；步骤8d.如果d ( Kd,也就意味着这两个区域被判断为属于同一个区域，于是将这 两个区域进行合并融合；步骤Se.判断是否所有的两个相邻区域都被检测完了，如果都已检测完，进行下 一步，否则转至步骤b继续进行步骤b到步骤d的操作；步骤8f.将检测融合之后的区域再标注出来，对每一个标注区域进行面积判断， 逐个区域进行统计区域内目标像素的个数S。根据被检测的目标大小确定最大能包括的 像素数Smax以及最小能包括的像素数Smin。判断区域内目标像素个数S是否满足Smax > S彡Smin，如果满足，则判别为目标区域，否则视为虚警被移除。对比现有技术，本技术方案提供一种基于分割组合的SAR图像自适应恒虚警率目 标检测方法，计算量小，操作较为简单，解决了现有技术在高分辨大场景下环境复杂多变多 目标邻近时检测概率低、虚警率高等问题，使得检测效果明显提高，是一种在各种较复杂检 测环境下均能保持较好的检测性能的自适应检测算法，适用于完成实时目标检测任务和实 时机动目标检测系统。


图1是本技术方案所述空心参考单元窗和四子窗的示意图；图2是采取相应的子窗组合方法的流程图；图3是本技术方案实施的流程图；图4是SAR图像中杂波边缘的情况示意图；图5是实施例中利用的原始SAR图像数据；图6是实施例中利用的原始SAR图像数据的大致内容和轮廓；图7是利用本技术方案对以上原始SAR图像数据进行检测和标记的效果图；图8是对检测结果进行目标融合后的结果；图9是利用黄祥的RC-CFAR算法进行检测的检测结果；图10是利用黄祥的RC-CFAR检测结果进行图像融合的融合图。
具体实施例方式下面将结合附图对本发明加以详细说明，同时也叙述了本发明技术方案解决的技 术问题及有益效果，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不 起任何限定作用。
8
权利要求
一种基于分割组合的SAR图像自适应恒虚警率目标检测方法，包含如下步骤步骤1从合成孔径雷达系统中获取到一幅待检测SAR图像，该图像是n行，m列的；步骤2从该图像的第(h/2+1)行第(h/2+1)列的像素开始对待检测SAR图像的像素进行检测；以该像素作为当前的检测单元，将以此检测单元为中心且尺寸是h×h的方形窗作为背景窗，h为预设的背景窗宽度；将以此像素为中心且尺寸是(h 2r)×(h 2r)的方形窗作为保护窗；取出背景窗的数据之后再从背景窗的数据中去掉保护窗的数据，得到一个空心的参考单元窗；其中h 2r的值与潜在待检测目标的尺寸相关，r的值与子窗内用来估计的单元数有关；步骤3将得到的空心参考单元窗从对角线方向分割成四个子窗，并且提取这四个子窗的均匀度统计量，用于反映各子窗内的功率水平以及均匀性特征；步骤4根据这四个均匀度统计量判别这四个子窗是否均匀；然后根据四个子窗中被判为非均匀子窗的个数，采取相应的子窗组合方法，并且根据所采取的子窗组合估计出背景杂波模型的参数；具体方法如下步骤4a首先将从四个子窗中提取到各子窗的均匀度统计量，分别与一个预设的均匀度阈值KVI进行比较，如果均匀度统计量大于该阈值KVI，则将该子窗判为非均匀子窗；否则判为均匀子窗；步骤4b根据四个子窗中被判为非均匀子窗的个数M，分别采取如下子窗组合方法情况1如果M＝0，那么这四个子窗都被采用，联合作为子窗组合；情况2如果M＝1，那么将其中那三个均匀子窗联合作为子窗组合；情况3如果M＝2，就要再判断其中这两个非均匀子窗是否相邻，如果相邻就选择另外两个均匀子窗作为子窗组合；如果不相邻而是相对的位置，就要再进一步判断两个均匀子窗的杂波功率水平是否在同一水平，若是，则选定这两个均匀子窗作为子窗组合，否则还要进一步判断当前检测单元是存在于高杂波环境还是低杂波环境，如果判为在高杂波环境，就采用高杂波的均匀子窗作为唯一的子窗组合，如果判为在低杂波环境，就采用低杂波的均匀子窗作为唯一的子窗组合；情况4如果M＝3，将唯一的均匀子窗作为子窗组合；情况5如果M＝4，即四个子窗都不均匀，此时采用这四个子窗作为子窗组合；步骤4c如果是情况1～4中采取的子窗组合，那么就对子窗组合内的像素进行统计得到均值和方差，从而对背景杂波模型的参数进行估计；如果是情况5，则将全部四个子窗内的像素按照像素大小进行排序，用排序后的设定的特殊位置的值作为对杂波均值的估计和方差的估计；然后以此对背景杂波模型参数进行估计；步骤5获取背景杂波模型的参数后，利用预设的虚警概率Pfa和杂波模型之间的关系得到最终的检测阈值T；步骤6将当前的检测单元像素值与检测阈值T进行比较，如果检测单元像素值大于检测阈值T，则认为有目标存在，如果检测单元像素值小于检测阈值T，则认为没有目标存在，并进行标记；步骤7水平移至待检测SAR图像的下一个像素，以该像素作为当前的检测单元，将以此检测单元为中心且尺寸是h×h的方形窗作为背景窗，h为预设的背景窗宽度，并以此像素为中心且尺寸是(h 2r)×(h 2r)的方形窗作为保护窗；取出背景窗的数据之后再从背景窗的数据中去掉保护窗的数据，得到一个空心的参考单元窗，然后重复步骤3到步骤6；采用流水式检测直到整幅待测SAR图像中的检测单元都被检测完；步骤8对检测完的SAR图像进行目标融合操作。
2.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤8包含如下步骤步骤8a.将检测到的目标区域标注出来，去除一些区域面积明显小于待检测目标尺寸 而且较为孤立的区域；步骤8b.选定任意两个标注出来的区域；步骤8c.计算这两个区域的最远距离d，并与设定的最远距离阈值Kd进行比较判断，如 果d > Kd，直接转至步骤e，否则进行步骤d ；步骤8d.如果d ^ Kd,也就意味着这两个区域被判断为属于同一个区域，于是将这两个 区域进行合并融合；步骤8e.判断是否所有的两个相邻区域都被检测完了，如果都已检测完，进行下一步， 否则转至步骤b继续进行步骤b到步骤d的操作；步骤8f.将检测融合之后的区域再标注出来，对每一个标注区域进行面积判断，逐个 区域进行统计区域内目标像素的个数S ；根据被检测的目标大小确定最大能包括的像素数 Sfflax以及最小能包括的像素数Smin ；判断区域内目标像素个数S是否满足Smax > S彡Smin，如 果满足，则判别为目标区域，否则视为虚警被移除。
3.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法，其特征在于，步骤3中，每个子窗的均勻度统计量VI按照下式计算 2μ其中μ为该子窗内参考单元的均值，ο是该子窗内参考单元的方差。
4.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤1中还包括对获取到的待检测SAR图像进行噪声滤除。
5.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤4b的情况3中，判断两个均勻子窗的杂波功率水平是否在同一水平的方 法是获得这两个均勻子窗的均值比统计量MR
6.根据权利要求5所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，阈值Kmk取1.8。
7.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤4b的情况3中，判断当前检测单元是存在于高杂波还是低杂波环境的方 法为获得A，B两个均勻子窗的均值，分别是Mh和My其中属于高杂波环境的为A窗Mh ；再以当前检测单元为中心，设定一个AW窗，其尺寸是保护窗的一半，获得该AW窗内参 考单元的均值估计为M0 ；获取如下式表示的统计量ra PR= IMh-M0 I/|Ml-M0将统计量ra与预设的阈值κΡΚ比较，如果统计量ra大于阈值κΡΚ，即认为当前检测单元 处于低杂波环境，反之认为待检测单元处于高杂波环境。
8.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤5中利用预设的虚警概率Pfa和杂波模型之间的关系得到最终的检测阈值 T的方法如下，对于预设的虚警概率Pfa，检测阈值T由下式得到
9.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤4a中，均勻度阈值Kvi取1. 6。
10.根据权利要求1所述一种基于分割组合的SAR图像自适应恒虚警率目标检测方法， 其特征在于，步骤4c中，用排序后的位于中值位置的值作为对杂波均值的估计，用排序后的位于四分之三位置 的值至中值之间的值作为对杂波方差λ的估计。
全文摘要
本发明公开了一种基于分割组合的SAR图像自适应恒虚警率目标检测方法，属于合成孔径雷达技术领域。将参考窗分成四个子窗，提取四个子窗的均匀度统计量并判别子窗是否均匀。根据非均匀的个数采取相应的子窗组合策略得到用来估计背景杂波模型的参数，然后利用虚警概率以及杂波模型之间的关系得到检测阈值。将当前检测单元的像素值与检测阈值比较，判断目标是否存在，采用流水式检测整幅待测SAR图像，对检测完的SAR图像进行目标融合操作。本方案计算量小，操作简单，解决了现有技术在高分辨大场景下环境复杂多变多目标邻近时检测概率低、虚警率高等问题，使得检测效果明显提高，在各种较复杂检测环境下均能保持较好检测性能。
文档编号G01S13/90GK101975940SQ20101029298
公开日2011年2月16日 申请日期2010年9月27日 优先权日2010年9月27日
发明者孙祥, 白霞, 陶然 申请人:北京理工大学