一种基于独立联合K-分布CFAR的舰船检测算法

doi:10.7523/j.issn.2095-6134.2010.5.011

中国科学院大学学报 ›› 2010, Vol. 27 ›› Issue (5): 651-656.DOI: 10.7523/j.issn.2095-6134.2010.5.011

一种基于独立联合K-分布CFAR的舰船检测算法

艾加秋^1,2, 齐向阳¹, 刘凡^1,2, 石力^1,2

1. 中国科学院电子学研究所,北京 100190;
2. 中国科学院研究生院,北京 100049

收稿日期:2009-10-27 修回日期:2010-03-16 发布日期:2010-09-15
通讯作者: 艾加秋

A new CFAR ship detection algorithm based on independent joint K-distribution

AI Jia-Qiu^1,2, QI Xiang-Yang¹, LIU Fan^1,2, SHI Li^1,2

1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. Graduate University, Chinese Academy of Sciences, Beijing 100049, China

Received:2009-10-27 Revised:2010-03-16 Published:2010-09-15

摘要/Abstract

摘要：

分析了中高分辨率SAR海洋图像的目标和海杂波特点. 利用舰船目标的灰度相关性和形状特性与背景杂波的差异,提出了一种基于独立联合K-分布CFAR的舰船检测算法. 算法建立了海杂波的二维独立联合K-分布概率模型,通过给定的虚警率得到检测阈值以对图像进行检测. 该算法能够极大地抑制斑点噪声和背景局部不均匀对检测带来的影响,有效地降低了虚警数,检测效果得到了明显改善.

关键词: 合成孔径雷达, 舰船检测, 恒虚警, 独立联合K-分布

Abstract:

In this paper, differences in the characteristic between target and clutter in medium and high resolution SAR images are analyzed. By considering the differences in gray intensity correlation and shape between the ship target and the clutter, a new ship CFAR detection algorithm is proposed based on 2D independent joint K-distribution. The joint gray intensity distribution using 2D independent joint K-distribution in the clutter is modeled in the algorithm, and the detecting threshold is calculated at a given probability of false alarm to detect the SAR images. With this algorithm, the false alarms caused by speckle and local background non-homogeneity can be greatly reduced, the detection performance is much improved.

Key words: SAR, ship detect, CFAR, 2D independent joint K-distribution

中图分类号:

TN957.52

艾加秋, 齐向阳, 刘凡, 石力. 一种基于独立联合K-分布CFAR的舰船检测算法[J]. 中国科学院大学学报, 2010, 27(5): 651-656.

AI Jia-Qiu, QI Xiang-Yang, LIU Fan, SHI Li. A new CFAR ship detection algorithm based on independent joint K-distribution[J]. , 2010, 27(5): 651-656.

参考文献

[1] Chong J S, Zhu M H. Comparison on ship target detection algorithm of SAR imagery
[J]. Signal Processing,2003, 19(6):580-582(in Chinese). 种劲松,朱敏慧. SAR图像舰船目标检测算法的对比研究
[J].信号处理,2003,19(6):580-582.

[2] Chong J S, Zhu M H. Target detection algorithm of SAR image based on local window K-distribution
[J]. Journal of Electronics & Information, 2003, 25(9):1276-1280(in Chinese). 种劲松,朱敏慧. SAR图像局部窗口K-分布目标检测算法
[J].电子与信息学报, 2003,25(9):1276-1280.

[3] Lee K C, Ou J S, Fang M C. Application of SVD noise-reduction technique to PCA based RADAR target recognition
[J]. Progress in Electromagnetics Research, PIER, 2008,81:447-459.

[4] LEE J S. Speckle analysis and smoothing of synthetic aperture radar images
[J].Computer Graphics and Image Processing, 1981,17:24-32.

[5] Frost V S, Stiles J A, Shanmugan K S, et al. A model for radar images and its application to adaptive digital filtering of multiplicative noise
[J].IEEE Trans. On Pattern Analysis and Machine Intelligence,1982,4:157-166.

[6] Kuan D T, Sawchuk A A, Strand T C, et al. Adaptive noise smoothing filter for image with signal-dependent noise
[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1985, 7(2):165-177.

[7] Blake A P, Blacknell D, Oliver C J. SAR clutter analysis and its resolution dependence //Proc. IEE RADAR 97 Conference, 1997, 10: 124-128.

[8] Haralick R, Shanmugam K, Dinstein I. Texture feature for image classification
[J]. IEEE Transactions on Systems, Man and Cybernetics, 1973, 3(6):610-621.

[9] Li Z F, Bao Z. Groung moving target detection based on imaging of distributed satellite SAR system
[J]. Science in China E Series: Information Sciences, 2005, 35(6):597-609(in Chinese). 李真芳, 保铮. 基于成像的分布式卫星SAR系统地面运动目标检测(GMTI)及定位技术
[J].中国科学E辑, 2005, 35(6): 597-609.

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.
[4]	王晓辉, 胡玉新, 吕鹏. 基于显著图融合的高分四号卫星光学遥感图像多运动舰船检测方法[J]. 中国科学院大学学报, 2021, 38(5): 649-659.
[5]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[6]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[7]	矫腾章, 胡玉新, 吕鹏, 张凯, 台宪青. 一种在轨海上多运动舰船目标检测和跟踪方法[J]. 中国科学院大学学报, 2020, 37(3): 368-378.
[8]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[9]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[10]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[11]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[12]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[13]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[14]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[15]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.

一种基于独立联合K-分布CFAR的舰船检测算法

A new CFAR ship detection algorithm based on independent joint K-distribution

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们