一种杂波分布无关的极化合成孔径雷达船只检测方法技术

本发明专利技术属于遥感图像处理技术领域，公开了一种杂波分布无关的极化合成孔径雷达船只检测方法，包括：对极化合成孔径雷达获取的Sinclair矩阵进行预处理；使用自适应线性极化滤波的方法进行目标增强，并以最大化目标与背景对比度为准则，将自适应滤波器的选取问题建模为优化模型；对最优极化滤波器与船只索引集合进行交替优化，极化滤波器的优化用过计算广义特征向量实现，船只索引集合使用扰动更新法进行优化；在只计算杂波统计中心矩的基础上，以给定的虚警概率计算统计分布无关的检测门限。本发明专利技术所采用的自适应极化增强技术和分布无关的检测门限计算方法，有效解决了在极化合成孔径雷达船只目标检测中所产生极化特征选取困难，杂波统计建模繁琐的问题。

【技术实现步骤摘要】
一种杂波分布无关的极化合成孔径雷达船只检测方法
本专利技术属于遥感图像处理
，尤其涉及利用极化合成孔径雷达图像对海洋船只进行检测的方法。
技术介绍
：近年来，海洋监视逐渐成为研究热点。合成孔径雷达(syntheticapertureradar,SAR)以其独特的全天候、全天时等优点，在该领域发挥重要作用。相比之下，极化合成孔径雷达(polarimetricsyntheticapertureradar,PolSAR)可从极化维度获取目标电磁散射属性，能够更好的完成目标检测与分类任务。海洋监视中，一个重要的研究方向便是船只检测与识别，在过去的三十年里，PolSAR船只检测方法受到了广泛的关注，并取得了相当不错的研究成果。从目前的技术手段来看，PolSAR船只检测方法主要先将多维极化域变换到一维特征域，然后在特征域进行恒虚警(constantfalsealarmrate，CFAR)检测，此类方法涉及到两大关键技术，第一个即为特征变换或特征增强，即寻找合适的特征与变换达到增强船只目标，抑制背景杂波的目的；第二个即为杂波统计建模，即寻找恰当的概率分布对杂波的统计特征进行描述。最后，将异于杂波的点确认为船只目标。然而，大多数情况下寻找合适的特征变换与杂波统计模型都十分复杂，原因在于PolSAR的船只散射特征以及杂波统计特性受到地理环境、雷达参数、气象条件等多方面因素影响，难以找到通用的方法。当散射特征以及杂波统计特征与实际情况发生失配时，检测器的性能会急剧下降。鉴于此，研究PolSAR数据自适应极化特征增强技术以及杂波分布无关的检测技术，可有效解决特征变换以及杂波统计建模这两方面带来的困难。
技术实现思路
：针对目前PolSAR船只检测过程中存在的困难，本专利技术提供一种杂波分布无关的极化合成孔径雷达船只检测方法，能够根据PolSAR数据自适应的进行极化特征增强，并且后续检测门限的设置不依赖于杂波分布。本专利技术采用的技术方案为：一种杂波分布无关的极化合成孔径雷达船只检测方法，本方法的实现步骤如下：S1极化数据预处理基于PolSAR直接获得场景的Sinclair散射矩阵S，使用二阶期望数据对分布式目标进行分析，对S进行预处理进而确定极化相干矩阵对T和极化协方差矩阵C；对极化相干矩阵T和极化协方差矩阵C做更进一步的矩阵分解处理，提取极化散射熵，极化平均Alpha角和极化散射异性度特征；接下来的自适应极化目标增强建模步骤以预处理后极化数据的向量形式作为输入，为T或C矩阵的向量形式，或是极化散射熵，极化平均Alpha角和极化散射异性度特征组成的向量形式；S2自适应极化目标增强建模在得到预处理的极化特征数据后，采取自适应的方式对目标进行极化增强；确定包含船只索引的集合为Θ，采用线性极化滤波器对船只目标进行极化增强，以使得滤波后Θ中的船只与背景杂波具有最大的区分，并以滤波后的目标杂波比为优化指标，将Θ和极化滤波器系数同时作为优化变量，建立自适应极化增强的优化模型；S3自适应极化目标增强实现自适应极化目标增强实现通过交替迭代的方法完成船只目标标记与对比度增强处理，具体包含2个实施步骤：极化滤波器优化，船只索引集合优化与标校；基于所述2个步骤交替进行直到收敛，进而完成船只目标的自适应极化增强，其中，极化滤波器优化在船只索引确定条件下，通过求解广义瑞利商问题得到，船只索引集合优化与标校在极化滤波器确定条件下，使用扰动法对进行更新；S4检测门限设定在优化得到极化增强滤波器后，采用平方检测器对船只目标进行检测；在给定虚警概率的情况下，以Markov不等式为基础，通过杂波的统计中心矩以及虚警概率确定检测门限，无需对杂波分布进行建模；最终超过门限的元素认为是船只目标，且检测器的实际虚警率以给定的虚警概率为上界。附图说明：为了更清楚地说明本专利技术的技术方案，下面对方案中所需要的附图做简单介绍。图1为本专利技术提出的杂波分布无关的极化合成孔径雷达船只检测流程示意框图；图2为本专利技术实例提供的PolSAR总功率图像示意图；图3为本专利技术实例提供的船只目标极化增强图像示意图；图4为本专利技术实例提供的船只目标检测结果二值图像示意图。具体实施方式：为更好的阐释本专利技术，以便于理解，下面结合附图，通过具体实施方法，对本专利技术做详细描述。一种杂波分布无关的极化合成孔径雷达船只检测方法，实现步骤如下：S1极化数据预处理通过极化合成孔径雷达直接获取目标的Sinclair散射矩阵S：其中，SHH表示电磁波以水平极化发射，水平极化接收，SHV表示电磁波以垂直极化方式发射，水平极化方式接收，SVH电磁波以水平极化方式发射，垂直极化方式接收，SVV电磁波以垂直极化发射，垂直极化方式接收；对于分布式目标，将S转化成Pauli矢量和Lexicographic矢量构造极化相干矩阵T和极化协方差矩阵C，以获得极化散射矩阵的二阶特性：其中，E[·]表示取数学期望，并以空间平均代替取数学期望；进一步对极化相干矩阵T和极化协方差矩阵C做更进一步的处理，以提取更加精细的极化散射熵、极化平均Alpha角和极化散射各向异性度极化特征；本实施例所利用的数据是预处理后极化数据的向量形式，为T或C矩阵的向量形式，或是极化散射熵，极化平均Alpha角和极化散射异性度特征组成的向量形式，图2为本专利技术实例提供的PolSAR总功率图像示意图。S2自适应极化增强建模将预处理后的极化特征数据表示为v，利用完整的PolSAR数据构成数据矩阵V＝[v1,v2,...,vN]，V中包含了船只数据和杂波数据一共N个元素；PolSAR船只检测即是将船只数据从V中分离出来；首先使用线性极化滤波器w对船只目标进行极化增强，使船只和背景具有更大的区分度，具体表达式为g＝wHv，并通过使线性极化滤波器w随数据矩阵V自适应变化实现自适应处理，具体实施如下：将包含船只下标索引的集合表示为集合Θ，将极化增强后船只的平均能量表示为其中，vi表示V中的第i个元素，|Θ|表示Θ中元素的个数；将杂波的平均能量表示为以最大化目标与杂波的对比度为准则，实现最优极化滤波器的设计，便于后续的目标检测，所述最优极化滤波器通过优化以下问题实现其中，w*为所设计的最优滤波器权值，σ2表示系统噪声功率，以防止分母为0；在式(III)给出的极化增强模型中，对包含在Θ中的目标数据进行极化增强，对不包含在Θ中的杂波数据进行抑制，并同时完成Θ的估计，记极化增强目标函数得到极化增强模型如下相应地，最优极化滤波器w*，船只索引集合的最优估计Θ*为(IV)的最优解；S3自适应极化目标增强实现自适应极化目标增强实现通过交替迭代的方法完成船只目标标记与对比度增强处理，以求解最优极化滤波器以及船只索引集合的最优估计，具体包含2个实施步骤：极化滤波器本文档来自技高网...

【技术保护点】
1.一种杂波分布无关的极化合成孔径雷达船只检测方法，其特征在于，包括以下步骤：/nS1极化数据预处理/n基于PolSAR直接获得场景的Sinclair散射矩阵S，使用二阶期望数据对分布式目标进行分析，对S进行预处理进而确定极化相干矩阵对T和极化协方差矩阵C；对极化相干矩阵T和极化协方差矩阵C做更进一步的矩阵分解处理，提取极化散射熵，极化平均Alpha角和极化散射异性度特征；/n接下来的自适应极化目标增强建模步骤以预处理后极化数据的向量形式作为输入，为T或C矩阵的向量形式，或是极化散射熵，极化平均Alpha角和极化散射异性度特征组成的向量形式；/nS2自适应极化目标增强建模/n在得到预处理的极化特征数据后，采取自适应的方式对目标进行极化增强；确定包含船只索引的集合为Θ，采用线性极化滤波器对船只目标进行极化增强，以使得滤波后Θ中的船只与背景杂波具有最大的区分，并以滤波后的目标杂波比为优化指标，将Θ和极化滤波器系数同时作为优化变量，建立自适应极化增强的优化模型；/nS3自适应极化目标增强实现/n自适应极化目标增强实现通过交替迭代的方法完成船只目标标记与对比度增强处理，具体包含2个实施步骤：极化滤波器优化，船只索引集合优化与标校；基于所述2个步骤交替进行直到收敛，进而完成船只目标的自适应极化增强，其中，极化滤波器优化在船只索引确定条件下，通过求解广义瑞利商问题得到，船只索引集合优化与标校在极化滤波器确定条件下，使用扰动法对进行更新；/nS4检测门限设定/n在优化得到极化增强滤波器后，采用平方检测器对船只目标进行检测；在给定虚警概率的情况下，以Markov不等式为基础，通过杂波的统计中心矩以及虚警概率确定检测门限，无需对杂波分布进行建模；最终超过门限的元素认为是船只目标，该检测器的实际虚警率以给定的虚警概率为上界。/n...

【技术特征摘要】
1.一种杂波分布无关的极化合成孔径雷达船只检测方法，其特征在于，包括以下步骤：
S1极化数据预处理
基于PolSAR直接获得场景的Sinclair散射矩阵S，使用二阶期望数据对分布式目标进行分析，对S进行预处理进而确定极化相干矩阵对T和极化协方差矩阵C；对极化相干矩阵T和极化协方差矩阵C做更进一步的矩阵分解处理，提取极化散射熵，极化平均Alpha角和极化散射异性度特征；
接下来的自适应极化目标增强建模步骤以预处理后极化数据的向量形式作为输入，为T或C矩阵的向量形式，或是极化散射熵，极化平均Alpha角和极化散射异性度特征组成的向量形式；
S2自适应极化目标增强建模
在得到预处理的极化特征数据后，采取自适应的方式对目标进行极化增强；确定包含船只索引的集合为Θ，采用线性极化滤波器对船只目标进行极化增强，以使得滤波后Θ中的船只与背景杂波具有最大的区分，并以滤波后的目标杂波比为优化指标，将Θ和极化滤波器系数同时作为优化变量，建立自适应极化增强的优化模型；
S3自适应极化目标增强实现
自适应极化目标增强实现通过交替迭代的方法完成船只目标标记与对比度增强处理，具体包含2个实施步骤：极化滤波器优化，船只索引集合优化与标校；基于所述2个步骤交替进行直到收敛，进而完成船只目标的自适应极化增强，其中，极化滤波器优化在船只索引确定条件下，通过求解广义瑞利商问题得到，船只索引集合优化与标校在极化滤波器确定条件下，使用扰动法对进行更新；
S4检测门限设定
在优化得到极化增强滤波器后，采用平方检测器对船只目标进行检测；在给定虚警概率的情况下，以Markov不等式为基础，通过杂波的统计中心矩以及虚警概率确定检测门限，无需对杂波分布进行建模；最终超过门限的元素认为是船只目标，该检测器的实际虚警率以给定的虚警概率为上界。


2.根据权利要求1所述的一种杂波分布无关的极化合成孔径雷达船只检测方法，其特征在于：所述步骤S2自适应极化目标增强建模中采取线性极化滤波器对船只目标进行增强，并以滤波后的目标杂波比为目标，建立优化模型，具体实现步骤如下：
将预处理后的极化特征数据表示为v，利用完整的PolSAR数据构成数据矩阵V＝[v1,v2,...,vN]，V中包含了船只数据和杂波数据一共N个元素；PolSAR船只检测即是将船只数据从V中分离出来；
首先使用线性极化滤波器w对船只目标进行极化增强，使船只和背景具有更大的区分度，具体表达式为g＝wHv，并通过使线性极化滤波器w随数据矩阵V自适应变化实现自适应处理，具体实施如下：
将包含船只下标索引的集合表示为集合Θ，将极化增强后船只的平均能量表示为



其中，vi表示V中的第i个元素，|Θ|表示Θ中元素的个数；将杂波的平均能量表示为



以最大化目标与杂波的对比度为准则，实现最优极化滤波器的设计，便于后续的目标检测，所述最优极化滤波器通过优化以下问题实现

...

【专利技术属性】
技术研发人员：徐舟，范崇祎，黄晓涛，王建，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43