基于K-WISHART分布的极化SAR舰船检测方法技术

本发明专利技术公开了一种基于K‑Wishart分布的极化SAR舰船检测方法，思路为：依次获取极化SAR雷达回波样本和极化SAR雷达回波样本的协方差矩阵C，并分别设定T为C的分类个数，依次计算T类极化SAR雷达回波样本的协方差矩阵C中n个样本的后验概率和第m类极化SAR雷达回波样本的协方差矩阵Cm，进而计算F个通道的极化SAR雷达回波样本对应的实际水平值，若所述实际水平值分别大于或等于设定的显著性水平，则Cm的分类结果正确，然后计算T类极化SAR雷达回波样本的协方差矩阵各自的SPAN均值，获取T个SPAN均值中的最大SPAN均值，并将所述最大SPAN均值所属类为舰船，其余T－1个类分别为海平面。

【技术实现步骤摘要】

本专利技术属于雷达信号处理
，特别涉及一种基于K-WISHART分布的极化SAR舰船检测方法，适用于海平面船舰的高分辨检测。
技术介绍
合成孔径雷达(SAR)的用途十分广泛，能够全天时、全天候工作，且不用考虑光照和天气影响，因而在舰船检测中起到了重要作用。在SAR图像中，由于舰船自身的结构和较大的雷达散射截面，使得船舰相对于海平面来说具有相对较大的后向散射能量。若是已知海平面的统计分布，能够通过约束检测概率或者虚警概率水平解决选择检测器阈值的问题。然而舰船的概率密度函数(PDF)推导很复杂，通常使用恒虚警概率(CFAR)进行船舰检测，但检测到的船舰分辨率不高。相对于单极化SAR图像，全极化SAR(PolSAR)图像引入了更多与船舰相关的信息，这在很大程度上提高了检测不同船舰类型的能力。近年来提出了一些利用极化SAR图像探测舰船的方法，学者们在舰船检测方面取得了许多有价值的研究成果；R.Guo等人在其发表的文献“AnovelstrategyofNonnegative-Matrix-Factorization-Basedpolarimetricshipdetection”(IEEEGeosci.RemoteSens.Lett.,vol.8,no.6,pp.1085-1089,Nov2011.)中提出了在极化协方差矩阵基于Wishart分布的情况下一种基于非负矩阵因式分解的方法；J.Chen等人在其发表的文献“ShipdetectionusingpolarizationCross-Entropy”(IEEEGeosci.RemoteSens.Lett.,vol.6,no.4,pp.723-727,Oct.2009.)中引入了舰船检测中极化交叉熵的概念，并给出了极化相干矩阵在基于Wishart分布的假设下极化交叉熵的理论闭型；JWei等人在其发表的文献“AnewautomaticshipdetectionmethodusingL-bandpolarimetricSARimagery,”(IEEEJ.Sel.TopicsAppl.EarthObserv.,vol.7,no.4,pp.1383-1393,Apr.2014.)中提出了一种SPANWishart(SPWH)检测器与复Wishart分类器与极化数据SPAN值相结合的舰船检测方法。上述所提到的舰船检测方法都是在海平面杂波基于高斯分布的情况下提出来的，但是海平面的统计特性并不总是呈现高斯分布，特别是在高分辨率和因风力引起的高海浪的情况下海平面上的船舰检测会更为困难。
技术实现思路
针对上述现有技术存在的不足，本专利技术的目的在于提出一种基于K-Wishart分布的极化SAR舰船检测方法，该种基于K-Wishart分布的极化SAR舰船检测方法能够自动聚类和对舰船的有效检测，并通过适应性检测获得海平面的高分辨率船舰。为达到上述技术目的，本专利技术采用如下技术方案予以实现。一种基于K-Wishart分布的极化SAR舰船检测方法，包括以下步骤：步骤1，获取极化SAR雷达回波样本，并根据极化SAR雷达回波样本获取极化SAR雷达回波样本的协方差矩阵C，并分别设定T为极化SAR雷达回波样本的协方差矩阵C的分类个数，设定n为极化SAR雷达回波样本的协方差矩阵C的样本个数，且T的初值为1；步骤2，对极化SAR雷达回波样本的协方差矩阵C进行分类，计算T类极化SAR雷达回波样本的协方差矩阵C中n个样本的后验概率，其中T类极化SAR雷达回波样本的协方差矩阵C中第j'个样本的后验概率γj'＝{γj'1,γj'2,...,γj'm,...,γj'T本文档来自技高网...

【技术保护点】
一种基于K‑Wishart分布的极化SAR舰船检测方法，其特征在于，包括以下步骤：步骤1，获取极化SAR雷达回波样本，并根据极化SAR雷达回波样本获取极化SAR雷达回波样本的协方差矩阵C，并分别设定T为极化SAR雷达回波样本的协方差矩阵C的分类个数，设定n为极化SAR雷达回波样本的协方差矩阵C的样本个数，且T的初值为1；步骤2，对极化SAR雷达回波样本的协方差矩阵C进行分类，计算T类极化SAR雷达回波样本的协方差矩阵C中n个样本的后验概率，其中T类极化SAR雷达回波样本的协方差矩阵C中第j'个样本的后验概率γj'＝{γj'1,γj'2,...,γj'm,...,γj'T}，γj'm表示第m类极化SAR雷达回波样本的协方差矩阵C中第j'个样本的后验概率；如果第m类极化SAR雷达回波样本的协方差矩阵C中第j'个样本的后验概率γj'm最大，则将第j'个样本归为第m类极化SAR雷达回波样本的协方差矩阵Cm中的样本；j'∈[1,n]，进而得到第m类极化SAR雷达回波样本的协方差矩阵Cm中的所有样本，m∈[1,T]；步骤3，对第m类极化SAR雷达回波样本的协方差矩阵Cm进行参数估计，分别计算第m类极化SAR雷达回波样本的均值协方差矩阵Σm、第m类极化SAR雷达回波样本的协方差矩阵的多视数估计值T类极化SAR雷达回波样本的协方差矩阵的全局有效多视数和第m类极化SAR雷达回波样本的协方差矩阵的形状参数估计值进而计算得到基于复K‑Wishart分布的第x个通道的第m类极化SAR雷达回波样本的协方差矩阵的概率密度函数；步骤4，根据基于复K‑Wishart分布的第x个通道的第m类极化SAR雷达回波样本的协方差矩阵的概率密度函数，对第m类极化SAR雷达回波样本的协方差矩阵Cm进行适应性检测，得到F个通道的SAR雷达回波样本对应的实际水平值表示第x个通道的SAR雷达回波样本的实际显著性水平值，x∈{1,2,…,F}，F表示获取的极化SAR雷达回波样本包含的通道个数；如果所述F个通道的SAR雷达回波样本对应的实际显著性水平值分别大于或等于设定的显著性水平β，则所述第m类极化SAR雷达回波样本的协方差矩阵Cm的分类结果正确，然后执行步骤5；如果所述F个通道的SAR雷达回波样本对应的实际显著性水平值中任意一个通道的SAR雷达回波的实际显著性水平值小于设定的显著性水平β，则所述第m类极化SAR雷达回波样本的协方差矩阵Cm的分类结果不正确，并令T加1，返回执行步骤2；步骤5，计算第m类极化SAR雷达回波样本的协方差矩阵Cm的对角线元素之和，并将所述第m类极化SAR雷达回波样本的协方差矩阵Cm的对角线元素之和，作为第m类极化SAR雷达回波样本的协方差矩阵的SPAN值；步骤6，令m加1，重复执行步骤5，直到得到第T类极化SAR雷达回波样本的协方差矩阵的SPAN值，然后根据此时得到的第1类极化SAR雷达回波样本的协方差矩阵的SPAN值到第T类极化SAR雷达回波样本的协方差矩阵的SPAN值，分别计算第1类极化SAR雷达回波样本的协方差矩阵的SPAN均值到第T类极化SAR雷达回波样本的协方差矩阵的SPAN均值，获取T个SPAN均值中的最大SPAN均值，并将所述最大SPAN均值所属类作为舰船，其余T‑1个类分别作为海平面。...

【技术特征摘要】
1.一种基于K-Wishart分布的极化SAR舰船检测方法，其特征在于，包括以下步骤：步骤1，获取极化SAR雷达回波样本，并根据极化SAR雷达回波样本获取极化SAR雷达回波样本的协方差矩阵C，并分别设定T为极化SAR雷达回波样本的协方差矩阵C的分类个数，设定n为极化SAR雷达回波样本的协方...

【专利技术属性】
技术研发人员：周峰，圣铭，樊伟伟，陶明亮，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61