基于SAR图像的舰船检测算法

俞晓妮

(沈阳职业技术学院，辽宁 沈阳 110045)

基于SAR图像的舰船检测算法

俞晓妮

(沈阳职业技术学院，辽宁 沈阳 110045)

在基于海面杂波统计模型的基础上，在利用SAR图像系统技术的前提下，根据对舰船检测目标因素的客观分析，通过对各种舰船检测算法检测差异性的比较研究，进行相应算法分析，为优化算法在能够有效提高检测速度和检测精度的情形下，进一步增强舰船目标的综合检测性能。

SAR图像；舰船检测算法；检测性能

0 引 言

随着信息技术的发展，SAR图像技术日渐成熟。SAR图像技术具有大范围、宽领域、空域检测实时性好等优势，使得SAR卫星在空间检测、远洋海运检测等领域获得广泛应用。在进行舰船目标检测时，首先必须实时精确地获取检测目标并对目标自身参数进行预判；其次在对目标预判数据的基础上快速精确地进行检测，由于SAR图像的检测数据量大，必须利用海面杂波模型，依据舰船检测目标的自身因素，提高SAR图像的舰船目标检测综合性能。因此，算法设计的好坏将直接影响基于SAR图像数据进行舰船目标检测的精确性和响应速度，是舰船目标检测的一个极为关键的因素。

1 基于SAR图像的舰船检测基本框架

如果将基于SAR图像的舰船检测整体纳入一个系统的话，该系统主要包括SAR系统、分析系统和输出系统3个部分。其中SAR系统主要包括SAR地面站部分，通过高空雷达获取地面目标的图像；分析系统则是根据海洋表面的杂波统计模型和某类算法对SAR子系统获取的舰船目标的图像域和位置域图像进行分析；输出系统则保证了图像目标信息输出至监控站中心，基于SAR图像的舰船检测框架如图1所示。

本文中，主要是基于舰船检测的算法研究。由于基于SAR图像的舰船目标检测主要依赖于采用海面杂波模型、SAR系统以及舰船自身空间域和位置域的评估参数，所以在进行基于SAR图像舰船目标算法研究，首先要了解和掌握基于SAR图像舰船检测的相关影响因素，这样进行数据分析才能获得更科学、直观的结果。

图1 基于SAR图像的舰船检测系统框架Fig.1 The framework of ship′s detection system based on SAR image

2 基于SAR图像的舰船检测的影响因素

2.1 SAR图像海面杂波统计模型

由于基于SAR图像系统的实现会造成图像明暗相间的分散点滴颗粒的噪声干扰，这种干扰会对利用SAR图像进行目标检测的结果造成影响，所以需要这种干扰设计一种统计模型进行规避，SAR图像海面杂波统计模型能够降低干扰。该模型属于参量模型，符合相关分布函数，那么可以从概率统计的视角出发尝试概率密度函数入手，利用矩估计或最大似然估计法求取杂波模型的参数。通常，基于SAR图像的海面杂波统计模型接近或类似于正态分布中的高斯分布，现假设基于海面杂波模型符合高斯分布，则其概率密度函数及分布函数如下：

其中erf(x)为高斯分布的误差函数。

尽管海面杂波统计模型符合相关分布函数，但是还不够精确，需要进行数学原理的拟合，使拟合后的模型更能符合实际的海面杂波现象。拟合的准则符合统计检验，该检验方法假设γ1和γ2作为偏斜和峰度的估计量，其定义如下：

式中g1与g2为对象的偏斜和峰值的无偏估计。

根据R.D.Agostino-Pearson检验获得的检验公式为：

DDP=[φ-1(PG1(g1))]2+[φ-1(PG2(g2))]2。其中φ-1(z)为一个标准正态分布的逆分布函数。根据假设检验，大的DDP值应该被H0假设拒绝，这样利用数学原理可实现海面杂波统计模型的设计。

2.2 舰船自身因素

船体物理特性也是SAR图像目标检测系统的影响因素之一。SAR系统获取的图像数据可以计算出舰船船体尺寸大小，但是舰船航向速度在SAR图像系统中的计算比较复杂。现假设SAR系统主要对舰船目标的位置域、面积大小、航行速度和航向等参数进行图像数据处理时，舰船的质心和几何中心重合，那么根据数学物理公式可知舰船的横坐标：

其中x0为舰船目标质心的横坐标。由于在图像数据处理时， SAR系统无法准确定位每个像素点的密度质量，则简化为：

那么舰船目标质心的纵坐标如下式所示：

这样在确定质心之后，可以根据质心的横纵坐标及椭圆图像来描述舰船的形状，舰船的长与宽分别用SAR图像的地面分辨率所扫描的长主轴和短主轴的表示，则运用椭圆进行舰船尺寸拟合时的公式如下：

式中：N为SAR系统所扫描的舰船目标图像的总像素点；X，Y分别为横纵坐标；L和W分别为舰船的长度和宽度，这样，舰船自身的位置域和空间域既可显示出来，又避免了海面航行时的噪声影响，精确地利用地面经纬度算出船的位置。

3 基于SAR图像的舰船检测算法

3.1 全局及局部双参数的CFAR检测算法

3.1.1 基于全局的CFAR算法原理

在SAR成像系统中，检测目标只占据一小块的区域像素，对SAR图像的总体统计特征影响不大。所以，当SAR图像相对简单且面积域相对较小时，可采用全局CFAR算法，对全局的检测目标设定一个最大的门限值TCFAR。 其算法公式如下：

其中P(x)为检测目标的分布函数。

根据杂波统计模型选出的图像凸出点相对较亮，这样便可以根据亮点像素的构成检测出一个完整的目标。

其中T为图像的全局域。

这样利用CFAR算法对图像整体进行移动检测后，遍历整个图像区域，因此图像的整体背景便可根据像素点的明亮程度绘制出目标的形状。

3.1.2 基于局部双参数的CFAR算法原理

局部双参数CFAR算法检测的设计主要集中以某一区域为中心进行像素的扫描。该算法以高斯分布统计模型为基础，根据杂波统计特征计算比集中的中心区域较大一点的区域目标像素，使中心区域能够完全被覆盖，检测更加精确。局部双参数CFAR算法的数学描述如下：

式中：x(i,j)为坐标处的灰度；Ω为局部面积域。

在上述公式中，如果最大门限TCFAR小于统计模型的目标图像的像素，则可以认定该区域为检测目标像素。基于双参数的CFAR算法以高斯分布为基础，当该检测区域的杂波不能满足不符合高斯分布特征时则会影响算法的精确度，而且该算法需要确定检测目标的图像面积。

3.2 全局和局部双参数CFAR算法仿真分析

SAR系统获取图像过程中，海面杂波统计模型采用高斯分布为基础对。所以，在对于全局和局部双参数CFAR算法进行仿真分析时，将2种算法的虚警率均设置为1e-3，仿真结果如图2所示。

从图中可看到，原始图像有模糊的斑点且图像整体均匀，在运用全局算法时，可以显示出舰船目标图像的整体；而当采用双参数局部CFAR算法时，虽然虚警率处理的很好，但舰船图像整体已经不容易辨识。由以上仿真可知，全局CFAR算法适合于均匀的区域环境检测；而双参数局部CFAR算法更适用于在海面背景较为剧烈变化运动的面积域。

3.3 基于二次Gamma核的SAR图像舰船检测算法

3.3.1 算法原理及目标检测

对于一个周期的二维Gamma核方程满足如下方程式：

式中：Ω表示一个区域；K和L为区域的空间坐标；C为数值常量。

根据计算可知，当整数n和u不断变化时，所形成的空间区域是由Gamma曲线以圆周旋转得到的。不同的n和u组合形成了不同的空间曲面面积。二次Gamma核算法原理是将基于Gamma核的统计模型覆盖到被检测舰船目标图像及图像周围的区域点上，并乘于像素点的幅度和能量，得到所需结果。公式如下：

图2 全局与局部双参数CFAR算法仿真图像Fig.2 Global and local image double parameter CFAR algorithm simulation

式中：x为像素点幅度；x2为像素点能量；y和y2为像素图像的一阶和二阶矩估计。

将上述公式进行二次扩展后进行加权得到的特征方程如下：

w7(yn1,u1)(yn2,u2)+w8。

该方程即需要判别的Gamma核二次方程。对于Gamma核算法，由于判别的方程式是关于检测目标图像的幅度特征的，所以对SAR系统获取目标图像计算时，只要设定适合的限定区域就可以区别它属于目标还是目标外围杂波，实现舰船目标的检测。

3.3.2 实验仿真分析

在基于二次Gamma核SAR图像算法数据仿真时，目标图像来源于近海区域的舰船目标，取出160个样本数据图像，设置切片大小498×785，80个切片位于目标图像边缘，另外80个位于舰船目标的中心点；之后预测此样本舰船目标图像的大概面积尺寸，进行面积扫描；最后通过Gamma核SAR算法的原理和目标检测机制获取平均权值。

Gamma核SAR图像算法能够增强舰船目标图像对杂波的干扰影响，图像的信噪比也优于原始图像，在复杂气候环境和恶劣的杂波海面背景下，基于Gamma核SAR图像算法能够很好的提高目标图像的检测效果。

4 基于SAR图像的舰船算法比较分析

上文中依次介绍了全局CFAR检测算法、局部双参数的CFAR检测算法和二次Gamma核的算法原理和仿真分析，虽然从仿真图像的细节中可以分辩出经过算法处理的SAR系统图像和原始的图像差别，但在这3者之间却没有具体的横向比较，无法分析出这3种算法的具体运用环境，因此，需要寻找出图像处理的指标因素。通过比较3种算法处理后的图像指标，分析经过算法处理后的舰船图像性能。图像算法的性能主要由虚警概率、FOM(品质因素)及检测概率构成， 其中，虚警概率的数值越小，检测概率和FoM越趋近于数值1，则表明该种算法越好。图3为3种算法实验结果的指标因素对比。

图3 3种算法的指标分析Fig.3 The analysis of the algorithm between three index

由图3可看出，基于SAR图像的舰船目标检测算法中二次Gamma核的算法检测概率和品质概率将接近数值1，而虚警概率接近于数值0。按照算法的指标因素可以看出，二次Gamma核的算法较全局和局部双参数CFAR算法较好。因此，对于SAR系统来说，海面气候变化不定，杂波背景统计模型多样，所以在进行基于SAR图像的舰船算法研究时，一定要事先根据图像的指标特性和海面杂波模型的特征进行算法类别选取，或依照各种算法的优点综合选用来进行SAR系统的舰船目标图像的处理，以达到提高SAR图像算法处理的综合效果。

[1] 陈标，侯海平，陶荣华，等.舰船尾迹SAR图像特征的谱分析研究[J].舰船科学技术,2008,30(6)：69-73.

CHEN Biao,HOU Hai-ping,TAO Rong-hua,et al.Study on the spectrum analysis of SAR image characteristic of ship wake[J].Ship Science and Technology,2008,30(6):69-73.

[2] OliverChris，Quegan Shaun，丁赤飚.合成孔径雷达图像理解[M].北京：电子工业出版社，2009.

[3] 高叶盛.基于信号模型的SAR参数化成像技术研究[D].上海：上海交通大学，2013.

[4] 雷盼飞，苏清贺，杨桄.SAR图像舰船目标检测研究[J].影像技术，2011，23(4)：40-45.

LEI Pan-fei,SU Qing-he,YANG Guang.Research on detection of ship target from SAR image[J].Image Technology,2011,23(4):40-45.

[5] 高贵.SAR图像统计建模研究综述[J].信号处理，2009，25(8)：1270-1278.

GAO Gui.Review on the statistical modeling of SAR images[J].Signal Processing,2009,25(8):1270-1278.

[6] 欧林晖.海杂波幅度模型及参数估计综述[J].科技风，2010(12)：229-230.

[7] JIAO Shu-hong，LIU Jia-yuan，LIU Ming-zhu.An adaptive ship detection method in SAR image based on CFAR[C].The 2nd International Conference on Information Communication and Management，2012：51-55.

[8] MATA-MOYA D.Application of mean-shift filtering to ship wakes detection in SAR images[C]//EUSAR 2010-8th European Conference on Synthetic Aperture Radar.Aachen,2010:1-4.

Research on efficiency evaluation method of UUV group detection mine

YU Xiao-ni

(Navy Equipment Academe，Beijing 100161,China)

Based on the sea clutter statistical model, the article discusses the use of the SAR image system technology. Through an objective analysis of ship detection target factors. We study comparatively various ship detection algorithm to detect differences in algorithm analysis. In order to optimize the detection algorithm to improve the speed and accuracy of the case under the detection so that it can enhance the overall performance of ship target detect.

SAR image;ship detection algorithm;detection performance

2014-03-02;

2014-11-21

辽宁省教育科学“十二五”规划资助项目(JG14EB266)

愈晓妮(1973-)，女，硕士，研究方向为多媒体技术。

TP391.9

A

1672-7649(2014)12-0091-04

10.3404/j.issn.1672-7649.2014.12.020