一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

艾加秋 曹振翔 毛宇翔 汪章怀 王非凡 金兢

艾加秋, 曹振翔, 毛宇翔, 等. 一种复杂环境下改进的SAR图像双边CFAR舰船检测算法[J]. 雷达学报, 待出版. doi:  10.12000/JR20127
引用本文: 艾加秋, 曹振翔, 毛宇翔, 等. 一种复杂环境下改进的SAR图像双边CFAR舰船检测算法[J]. 雷达学报, 待出版. doi:  10.12000/JR20127
AI Jiaqiu, CAO Zhenxiang, MAO Yuxiang, et al. An improved bilateral CFAR ship detection algorithm for SAR image in complex environment[J]. Journal of Radars, in press. doi:  10.12000/JR20127
Citation: AI Jiaqiu, CAO Zhenxiang, MAO Yuxiang, et al. An improved bilateral CFAR ship detection algorithm for SAR image in complex environment[J]. Journal of Radars, in press. doi:  10.12000/JR20127

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

doi: 10.12000/JR20127
基金项目: 国家自然科学基金(62071164, 61701157),中国博士后科学基金(2020T130165, 2018M640581),中央高校基本科研业务费专项(JZ2020HGTB0012),安徽省自然科学基金(1808085QF206)
详细信息
    作者简介:

    艾加秋(1985–),男,江西永丰人。2012年6月获中国科学院大学信息与通信工程专业博士学位、现担任合肥工业大学电子信息学院副教授、硕士生导师,主要研究方向为人工智能、雷达图像处理、雷达系统设计、视频图像处理。E-mail: aijiaqiu@aliyun.com

    曹振翔(1996–),男,安徽合肥人,合肥工业大学硕士生,主要研究方向为雷达图像处理、海杂波信号处理。Email: 2018170853@mail.hfut.edu.cn

    毛宇翔(1997–),男,安徽合肥人,合肥工业大学硕士生,主要研究方向为人工智能、雷达图像处理。E-mail: 2019170891@mail.hfut.edu.cn

    汪章怀(2000–),男,安徽六安人,合肥工业大学本科生,主要研究方向为信号处理。E-mail: 1253075893@qq.com

    王非凡(1998–),男,安徽阜阳人,合肥工业大学硕士生,主要研究方向为SAR图像分类。E-mail: 2019111050@mail.hfut.edu.cn

    金 兢(1986–),男,浙江衢州人,博士,讲师,主要研究方向为计算机视觉、机器视觉测量、信号处理与分析、视频图像处理与分析、SLAM。E-mail: jjin@hfut.edu.cn

    通讯作者:

    艾加秋 aijiaqiu1985@hfut.edu.cn

  • 责任主编:计科峰 Corresponding Editor: JI Kefeng
  • 中图分类号: TN959.72

An Improved Bilateral CFAR Ship Detection Algorithm for SAR Image in Complex Environment

Funds: The National Natural Science Foundation of China (62071164, 61701157), China Post Doctoral Science Foundation (2020T130165, 2018M640581), The Special Gund for Basic Scientific Research of Central University (JZ2020HGTB0012), Anhui Provincial Natural Science Foundation (1808085QF206)
More Information
  • 摘要: 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。
  • 图  1  弱目标在双边CFAR联合图像中的值与在原始图像中的强度值之间的对比

    Figure  1.  The comparison between the value of weak target in the joint image of bilateral CFAR and the intensity value in the original image

    下载: 全尺寸图片