CN113406625A - 一种sar图像超像素滑窗cfar检测方法 - Google Patents

Abstract

本发明公开了一种SAR图像超像素滑窗CFAR检测方法，该方法设置待检测超像素和背景超像素构成超像素滑窗，采用自适应阈值对背景超像素进行杂波截断处理，剔除影响杂波建模精度的异质像素，采用伽玛分布的截断形式进行杂波参数估计，根据给定的虚警概率求解CFAR检测阈值，对待检测超像素内的像素点进行目标判别，实现基于截断伽玛杂波统计特性的CFAR检测。该方法可有效提升多目标干扰等复杂环境下的目标检测精度和检测实时性。

Description

一种SAR图像超像素滑窗CFAR检测方法

技术领域

本发明属于合成孔径雷达SAR图像目标检测技术领域，特别涉及一种基于截断伽玛杂波的SAR图像超像素滑窗CFAR检测方法。

背景技术

作为一种主动微波传感器，合成孔径雷达SAR***不受光照、天气等条件的限制，具有全天候、全天时的观测能力，利用SAR图像进行海面和地面目标检测是目前雷达探测领域的研究热点。

在现有的SAR图像目标检测方法中，双参数恒虚警CFAR检测方法应用广泛。该检测算法基于背景杂波服从高斯或对数正态分布的假设，设置由目标窗口、保护窗口和背景窗口三部分组成的滑动窗口，利用该滑动窗口遍历整幅SAR图像中的像素。传统CFAR方法中，保护窗口是为了防止复杂背景下目标的部分像素泄露到背景窗口、影响杂波参数估计的准确性，然而在港口等航运繁忙区域，仅采用保护窗口不能保证完全排除邻近目标像素、方位向模糊等异质像素的干扰。因此，双参数CFAR方法的缺点主要在于：多目标等复杂场景下背景杂波建模不准确，造成目标检测准确率下降；目标检测采用像素点滑动窗口实现，对每个像素点进行检测判决时，均需对背景杂波参数进行估计，导致算法速度偏慢。

目前针对多目标等复杂环境下检测率降低的问题，提出了基于样本筛选的CFAR检测方法，通过对迭代筛选出的杂波进行参数估计和统计建模，有效提升了目标检测精度，然而采用固定阈值进行杂波筛选，使得真实杂波样本也被丢弃，导致杂波参数估计精度降低，并且像素点滑窗迭代筛选的方式计算效率低。

发明内容

针对上述已有技术的不足，本发明提出了一种基于截断伽玛杂波的SAR图像超像素滑窗CFAR检测方法，该方法采用超像素作为CFAR检测的基本单元，构建包含待检测超像素和背景超像素的超像素滑窗，采用自适应阈值截断筛选背景超像素中的真实杂波样本，利用截断式伽玛分布进行精确的杂波建模，根据设定的虚警概率计算CFAR检测阈值得到目标检测结果。

一种基于截断伽玛杂波的SAR图像超像素滑窗CFAR检测方法，包括如下步骤：

步骤1：设定超像素尺寸s，采用简单线性迭代聚类SLIC方法对待检测的SAR图像进行超像素分割，得到超像素{S_m},m＝1,2,…,M，其中M为超像素的个数；

步骤2：设置由待检测超像素和背景超像素组成的局部滑动窗口，通过背景超像素中的杂波统计概率直方图自适应地计算杂波截断阈值，去除泄露到背景超像素中的目标、方位模糊的异质像素点，保留真实的杂波样本；

优选地，超像素局部滑动窗口中的背景超像素采用如下方法确定：

以待检测超像素的质心为圆心，以超像素尺寸s为半径画圆，选取圆内覆盖的所有超像素作为背景超像素。

优选地，自适应的杂波截断阈值计算方法如下：

首先统计背景超像素中像素点灰度值的概率直方图P，P满足0≤P(i)≤1，

其中H为灰度级数，P(i)表示第i个灰度级的概率值，搜索概率直方图P最大值所在的灰度级H_max，计算杂波截断阈值为t＝(H_max+H)/2H，设背景超像素中某一像素灰度值为I_B，则截断规则为I_B≤t，即将灰度值小于t的杂波保留认定为真实海杂波。

步骤3：采用截断伽玛分布对背景超像素中自适应阈值截断后的杂波进行建模，根据截断矩估计方法得到杂波参数，具体如下：

采用如下的伽玛分布对采用自适应阈值t截断后的杂波样本

的灰度概率密度进行建模：

式中，

L和μ分别为伽玛分布的形状参数和均值参数，通过计算截断杂波样本的一阶矩

和二阶矩

建立如下的联立方程组：

其中，截断杂波样本的一阶矩和二阶矩通过

和

近似表示，

n为截断杂波样本数，以

作为初始点迭代求解得到数值解

其中

步骤4：根据估计方法得到的杂波参数，给定虚警概率，自适应地求解截断伽玛分布CFAR检测阈值，对待检测超像素中的待检测像素点进行目标判别，对所有M个待检测超像素中的像素点完成目标判别，从而实现SAR图像目标检测。

具体如下：

设第m个待检测超像素S_m的杂波参数估计结果为

给定虚警概率P_fa，根据下式计算CFAR检测阈值T_m：

采用T_m对待检测超像素S_m中的K个像素点的灰度值{I_m1,I_m2,…,I_mk,…,I_mK}进行判决，则CFAR检测目标判决规则为I_mk≥T_m。

相比于现有技术，本发明的显著优点在于：

1.本发明方法能够自适应地计算截断阈值，减少固定阈值带来的杂波拟合偏差；

2.本发明方法采用伽玛分布对截断杂波统计建模，相比于截断对数正态分布，提升了杂波拟合精度；

3.本发明方法利用超像素滑窗实现目标检测，大大提高了CFAR检测的计算效率。

附图说明

图1为超像素滑动窗口结构图；

图2为本发明中的截断式伽玛模型和对比方法中的截断对数正态模型对截断筛选后的杂波灰度直方图拟合对比结果；

图3为待检测的原始SAR图像，其中方框标记的为目标真值；

图4为本发明方法与现有方法的目标检测结果对比图；

图5为本发明方法与现有方法的ROC曲线对比图。

具体实施方式

下面结合附图对本发明的实施步骤和效果作进一步的说明。

步骤1：设定超像素尺寸s，采用简单线性迭代聚类SLIC方法对待检测的SAR图像进行超像素分割，得到超像素{S_m},m＝1,2,…,M，其中M为超像素的个数；

步骤2：如附图1所示，设置由待检测超像素和背景超像素组成的局部滑动窗口，通过背景超像素中的杂波统计直方图自适应地计算杂波截断阈值，去除泄露到背景超像素中的目标、方位模糊等异质像素点，保留真实的杂波样本。

具体地，超像素局部滑动窗口中的背景超像素采用如下方法确定：

以待检测超像素S_m的质心C_m,m＝1,2,…,M为圆心，以超像素尺寸s为半径画圆，选取圆内覆盖的所有超像素为背景超像素，具体地，选取规则为：所选的背景超像素集合为{S_k}，满足

并且k∈[1,M],k≠m，其中C_k为超像素S_k的质心。

具体地，自适应的杂波截断阈值计算方法如下：

首先统计背景超像素中像素点灰度值的概率直方图P，P满足0≤P(i)≤1，

其中H为灰度级数，搜索概率直方图P最大值所在的灰度级H_max，计算杂波截断阈值为t＝(H_max+H)/2H，设背景超像素中某一像素灰度值为I_B，则截断规则为I_B≤t，即将灰度值小于t的杂波保留认定为真实海杂波。

步骤3：采用截断伽玛分布对背景超像素中自适应阈值截断后的杂波进行建模，根据截断矩估计方法得到杂波参数。

具体地，采用如下的伽玛分布对采用自适应阈值t截断后的杂波样本

的灰度概率密度进行建模：

式中，L和μ分别为伽玛分布的形状参数和均值参数。

具体地，杂波参数L和μ可通过计算截断杂波样本的一阶矩

和二阶矩

联立如下方程组求解得到数值解

其中，截断杂波样本的一阶和二阶矩可通过

和

近似表示，

n为截断杂波样本数，以

作为初始点迭代求解得到数值解

其中

步骤4：根据给定的虚警概率，自适应地求解截断伽玛分布CFAR检测阈值，对待检测超像素中的像素点进行目标判别，对所有M个待检测超像素中的像素点完成目标判别，从而实现SAR图像目标检测。

设第m个待检测超像素S_m的杂波参数估计结果为

给定虚警概率P_fa，根据下式计算CFAR检测阈值T_m：

采用T_m对待检测超像素S_m中的K个像素点的灰度值{I_m1,I_m2,…,I_mk,…,I_mK}进行判决，则CFAR检测目标判决规则为I_mk≥T_m。

至此，基于截断伽玛杂波估计的超像素滑窗CFAR检测方法基本完成。

以下通过Sentinel-1卫星SAR图像目标检测对比实验进一步说明本发明的有效性。

1.实验设置：

实验数据来自于Sentinel-1卫星在2015年12月对巴拿马区域成像的SAR数据，距离向和方位向分辨率分别约为12m和14m，图像大小为730×700像素。目标真值用白色方框标注在图中。实验中，采用自动筛选CFAR(AC-CFAR)、超像素CFAR(SP-CFAR)、截断对数正态分布CFAR(TS-LNCFAR)与本发明提出的截断伽玛超像素CFAR(TSSP-CFAR)进行检测性能对比。

对于AC-CFAR的目标窗口、保护窗口和背景窗口的尺寸分别设置为1×1、41×41和81×81，初始检测中的像素目标置信度设置为3％。对于TS-LNCFAR，目标窗口和背景窗口分别设置为1×1和81×81，迭代筛选次数设置为5，截断深度因子设置为2。对于SP-CFAR和本发明的TSSP-CFAR方法，超像素尺寸设置为s＝25，本发明方法采用的超像素杂波窗口结构如图1所示。

2.结果分析：

本实验采用KL距离和直方图拟合结果说明截断式伽玛分布对杂波参数拟合的有效性，采用ROC曲线和检测效率对本发明方法和对比方法进行定量分析，其中ROC曲线的横轴为检测结果的虚警率FAR，纵轴为检测结果的检测率DR。首先，截断伽玛和截断对数正态分布对截断筛选杂波的灰度直方图拟合结果如图2所示，可以看出截断伽玛分布的拟合效果更好，这一点可以从表1中的KL距离得到定量验证，截断伽玛分布与截断杂波灰度直方图之间的KL距离更小，说明其拟合效果更佳；如图3所示，为待检测的原始SAR图像，其中方框标记的为目标真值；

表1不同模型对截断杂波的拟合结果对比

模型	截断对数正态	截断伽玛
			KL距离	0.088	0.019

表2本发明方法与对比方法的目标检测效率对比

方法	AC-CFAR	TS-LNCFAR	SP-CFAR	TS-SPCFAR
					检测耗时(s)	11.3	175	1.1	2.6

在实际虚警率为FAR＝0.02％时，AC-CFAR、SP-CFAR、TS-LNCFAR与本发明提出的TSSP-CFAR的目标检测结果对比如图4所示，其中虚线方框表示检测结果中的目标结构存在缺失，实线方框所在的地方表示存在漏检，从直观的视觉对比可以看出本发明所提的TSSP-CFAR方法检测结果中不存在漏检，检测精度最高，这一点可以从图5所示的ROC性能曲线得到定量验证，在相同的虚警率下，本发明方法的检测率明显高于其他对比方法。此外，从表2的目标检测效率对比结果可以看出，本发明方法的检测耗时仅次于SP-CFAR，可以满足实际工程应用的需求。

综上所述，本发明提出的基于截断伽玛杂波的SAR图像超像素滑窗CFAR检测方法能够提高多目标等复杂背景下的杂波建模精度，在维持低虚警率的同时保持较高的检测率，并且本发明方法良好的检测效率有利于工程实际应用。

Claims (5)

1.一种SAR图像超像素滑窗CFAR检测方法，其特征在于：包括如下步骤：

步骤1：设定超像素尺寸s，采用简单线性迭代聚类SLIC方法对待检测的SAR图像进行超像素分割，得到超像素{S_m},m＝1,2,…,M，其中M为超像素的个数；

步骤2：设置由待检测超像素和背景超像素组成的局部滑动窗口，通过背景超像素中的杂波统计概率直方图自适应地计算杂波截断阈值，去除泄露到背景超像素中的目标、方位模糊的异质像素点，保留真实的杂波样本；

步骤3：采用截断伽玛分布对背景超像素中自适应阈值截断后的杂波进行建模，根据截断矩估计方法得到杂波参数；

步骤4：根据估计方法得到的杂波参数，给定虚警概率，自适应地求解截断伽玛分布CFAR检测阈值，对待检测超像素中的待检测像素点进行目标判别，对所有M个待检测超像素中的像素点完成目标判别，从而实现SAR图像目标检测。

2.根据权利要求1所述的一种SAR图像超像素滑窗CFAR检测方法，其特征在于：步骤2中所述的背景超像素中的根据杂波统计直方图计算自适应杂波截断阈值t的计算方法如下：首先统计背景超像素中像素点灰度值的概率直方图P，P满足0≤P(i)≤1，

其中H为灰度级数，P(i)表示第i个灰度级的概率值，搜索概率直方图P最大值所在的灰度级H_max，计算杂波截断阈值为t＝(H_max+H)/2H，设背景超像素中某一像素灰度值为I_B，则截断规则为I_B≤t，即将灰度值小于t的杂波保留认定为真实海杂波。

3.根据权利要求1所述的一种SAR图像超像素滑窗CFAR检测方法，其特征在于：步骤3中所述的采用截断伽玛分布对背景超像素中自适应阈值截断后的杂波进行建模，根据截断矩估计方法得到杂波参数，具体方法如下：采用如下的伽玛分布对采用自适应阈值t截断后的杂波样本

的灰度概率密度进行建模：

式中，

L和μ分别为伽玛分布的形状参数和均值参数，通过计算截断杂波样本的一阶矩

和二阶矩

建立如下的联立方程组：

其中，截断杂波样本的一阶矩和二阶矩通过

和

近似表示，

n为截断杂波样本数，以

作为初始点迭代求解得到数值解

其中

4.根据权利要求1所述的SAR图像超像素滑窗CFAR检测方法，其特征在于：步骤4中所述的自适应地求解截断伽玛分布CFAR检测阈值，对待检测超像素中的像素点进行目标判别，对所有M个待检测超像素中的像素点完成目标判别，具体方法如下：设第m个待检测超像素S_m的杂波参数估计结果为

给定虚警概率P_fa，根据下式计算CFAR检测阈值T_m：

采用T_m对待检测超像素S_m中的K个像素点的灰度值{I_m1,I_m2,…,I_mk,…,I_mK}进行判决，则CFAR检测目标判决规则为I_mk≥T_m。

5.根据权利要求1所述的SAR图像超像素滑窗CFAR检测方法，其特征在于：所述的超像素局部滑动窗口中的背景超像素采用如下方法确定：

以待检测超像素的质心为圆心，以超像素尺寸s为半径画圆，选取圆内覆盖的所有超像素作为背景超像素。

Images