李晨波，劉永信，張 暉，王玲琳

(內(nèi)蒙古大學(xué)電子信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010021)

一種合成孔徑雷達(dá)圖像艦船假目標(biāo)檢測(cè)判別算法*

李晨波，劉永信**，張 暉，王玲琳

(內(nèi)蒙古大學(xué)電子信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010021)

由于合成孔徑雷達(dá)(SAR)發(fā)射脈沖頻率以及成像機(jī)理的影響，導(dǎo)致SAR圖像在成像時(shí)存在方位模糊噪聲，嚴(yán)重時(shí)會(huì)在圖像上出現(xiàn)假目標(biāo)，此時(shí)若采用傳統(tǒng)的目標(biāo)檢測(cè)算法，將會(huì)把假目標(biāo)誤判為檢測(cè)目標(biāo)，降低目標(biāo)檢測(cè)的準(zhǔn)確率，影響目標(biāo)的分類識(shí)別。本文分析了假目標(biāo)產(chǎn)生的原因，從理論上導(dǎo)出了假目標(biāo)在SAR圖像中出現(xiàn)的具體位置。從信號(hào)處理的角度，對(duì)SAR圖像進(jìn)行方位模糊抑制的仿真。然后采用雙參數(shù)CFAR檢測(cè)算法對(duì)SAR圖像進(jìn)行目標(biāo)檢測(cè)，依據(jù)真假目標(biāo)區(qū)域連通面積大小不同，且假目標(biāo)區(qū)域具有不連通、面積小等特點(diǎn)，在目標(biāo)檢測(cè)的同時(shí)，對(duì)真假目標(biāo)進(jìn)行判別。最后，采用10 m×10 m分辨率的SAR圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果證明該算法可以對(duì)由于方位向模糊產(chǎn)生的假目標(biāo)進(jìn)行有效檢測(cè)。

合成孔徑雷達(dá)； 假目標(biāo)； 恒虛警率

隨著合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)技術(shù)的不斷完善，使用SAR圖像實(shí)現(xiàn)對(duì)海上船只目標(biāo)的監(jiān)測(cè)，已成為重要的工具[1]。SAR圖像目標(biāo)檢測(cè)的方法已有很多，主要有恒虛警率(CFAR)檢測(cè)方法、多分辨率檢測(cè)方法、基于方位信息的檢測(cè)方法等。其中，CFAR是一種常用的艦船檢測(cè)算法，傳統(tǒng)雙參數(shù)CFAR檢測(cè)算法假設(shè)海雜波符合高斯分布。但是，該算法對(duì)樣本要求較大，只有在樣本被多視平均時(shí)，高斯模型才適用。Xing等人采用兩級(jí)CFAR的快速檢測(cè)算法，先用基于韋布爾分布的CFAR算法確定全局閾值對(duì)SAR圖像進(jìn)行預(yù)篩選，然后再用基于K分布的CFAR算法進(jìn)行精細(xì)檢測(cè)[2]；Ji等也提出了一種基于K分布確定全局閾值進(jìn)行預(yù)篩選，雙參數(shù)CFAR進(jìn)行精檢的兩級(jí)快速檢測(cè)算法[3]；Jung等提出了一種針對(duì)高分辨率SAR圖像中多個(gè)目標(biāo)的兩步快速CFAR檢測(cè)算法[4]，與經(jīng)典的雙參數(shù)CFAR算法相比，運(yùn)算速度得到提高。

然而，SAR作為一種微波成像系統(tǒng)，在成像過程中，由于雷達(dá)發(fā)射的脈沖重復(fù)頻率(Pulse Repetition Frequency，PRF)過低，目標(biāo)回波信號(hào)的多普勒頻譜欠采樣等因素，產(chǎn)生了方位模糊噪聲[6-11]。方位模糊噪聲使得圖像質(zhì)量下降，嚴(yán)重時(shí)將會(huì)形成假目標(biāo)，俗稱“鬼影”。此時(shí)若采用傳統(tǒng)的檢測(cè)算法，將會(huì)把“鬼影”誤判為檢測(cè)目標(biāo)，為SAR圖像分類識(shí)別，帶來更大的誤差。因此，關(guān)于真假目標(biāo)的判別研究，對(duì)合成孔徑雷達(dá)特別是星載合成孔徑雷達(dá)的設(shè)計(jì)和應(yīng)用有重要的實(shí)際意義。文獻(xiàn)[6-7]研究了方位向模糊噪聲產(chǎn)生的原因；文獻(xiàn)[8]利用PolSAR數(shù)據(jù)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行了時(shí)頻域分析；文獻(xiàn)[10]結(jié)合模擬數(shù)據(jù)和CV-580PolSAR數(shù)據(jù)研究發(fā)現(xiàn)了運(yùn)動(dòng)目標(biāo)會(huì)在其方位向上產(chǎn)生方位向模糊甚至發(fā)生位移。本文針對(duì)星載SAR成像導(dǎo)致假目標(biāo)出現(xiàn)，影響檢測(cè)分類等問題，先從信號(hào)處理的角度進(jìn)行方位模糊抑制；然后在雙參數(shù)CFAR檢測(cè)算法基礎(chǔ)上，與區(qū)域連通相結(jié)合，在目標(biāo)檢測(cè)的同時(shí)，將假目標(biāo)加以區(qū)分。

1 假目標(biāo)抑制原理分析

1.1 假目標(biāo)產(chǎn)生原因

SAR圖像的模糊是來自觀察區(qū)域外的回波信號(hào)對(duì)觀察區(qū)域回波信號(hào)的干擾造成的[11]。共分為兩種：距離模糊、方位模糊。其中距離模糊是由于PRF過高引起的：觀察帶內(nèi)有用的回波信號(hào)與前一個(gè)發(fā)射脈沖的回波信號(hào)或后一個(gè)發(fā)射脈沖的回波信號(hào)在時(shí)間上重疊，造成對(duì)當(dāng)次發(fā)射脈沖信號(hào)的干擾，或者說所有非當(dāng)次周期內(nèi)發(fā)射的回波信號(hào)都是模糊信號(hào)；方位模糊是PRF過低引起，即回波信號(hào)的多普勒頻譜欠采樣引起的，更嚴(yán)重時(shí)即會(huì)出現(xiàn)假目標(biāo)[5]。而且假目標(biāo)容易出現(xiàn)在高頻率SAR圖像中的低散射區(qū)域，比如在海面上，同時(shí)由于強(qiáng)反射目標(biāo)的折射信號(hào)的干擾，以及平滑濾波中旁瓣的加權(quán)比、散焦等因素，導(dǎo)致假目標(biāo)的出現(xiàn)幾率大大增加[9]。

1.2 假目標(biāo)抑制原理與仿真

1.2.1 回波模型 本文主要研究方位向模糊的問題，假設(shè)已完成距離向的處理，并且暫不考慮距離遷移效應(yīng)，則點(diǎn)目標(biāo)回波模型可簡化為一維函數(shù)：

h(x)=Wa2(x)exp[j4πr1(x)/λ]，

(1)

則此一維函數(shù)以慢時(shí)間域時(shí)間變量s為坐標(biāo)的表達(dá)形式為：

h(s)=Wa2(x)exp[-j4πr1(x)/λ]，

exp[j2π(fDS+fRS2/2)]，

(2)

fD=2Vsinθs/λ，

(3)

fR=-2V2/λRC。

(4)

式中：RC為雷達(dá)與點(diǎn)目標(biāo)的最近距離；V為雷達(dá)運(yùn)動(dòng)速度；λ為波長；fD為多普勒中心頻率；fR為多普勒調(diào)頻率；θS為雷達(dá)波束中心前向斜視角，正側(cè)視時(shí)θS等于0；fD也就等于0。即(5)式是一個(gè)點(diǎn)目標(biāo)，經(jīng)過了距離向處理和距離遷移校正后，在方位向的連續(xù)形式的回波模型。對(duì)h(s)進(jìn)行方位向采樣得：

(5)

式中：δ(s)為抽樣函數(shù)；PRF為脈沖重復(fù)頻率，將其變換到頻域可以得到：

(6)

由式(5)可見，hs(s)的頻譜為h(s)頻譜周期性延拓形成的，重復(fù)周期為PRF。若PRF過低，就會(huì)出現(xiàn)較頻譜混疊的現(xiàn)象，混疊的頻譜會(huì)進(jìn)入處理帶寬內(nèi)，產(chǎn)生模糊信號(hào)。從時(shí)域波形上看，模糊信號(hào)似乎為主信號(hào)向時(shí)間軸的正負(fù)方向延拓，幅度被天線方位向雙程方向圖加權(quán)，波形如圖1所示。

1.2.2 抑制方法與仿真 由點(diǎn)目標(biāo)在方位向上抽樣形式的回波模型可知，回波是由主信號(hào)和一系列模糊信號(hào)組成，模糊信號(hào)的位置由公式(7)決定。通常情況下，第一模糊區(qū)信號(hào)，即公式(7)中的i=±1，能量最大，所以本文主要討論第一模糊區(qū)的抑制問題。

圖1 壓縮前的方位回波信號(hào)Fig.1 Compression in front of the echo signal

(7)

由1.2.1的分析可知，壓縮前的點(diǎn)目標(biāo)回波信號(hào)，其主信號(hào)和模糊信號(hào)的波形是相似的，主要區(qū)別在于天線方向圖加權(quán)不同。由圖2壓縮后的波形可見，主信號(hào)和模糊信號(hào)也是相似的。因此，可以把模糊信號(hào)看成由主信號(hào)經(jīng)過平移再乘以一個(gè)相位因子和一個(gè)衰減因子得到的。

圖2 方位向壓縮后信號(hào)波形

設(shè)y(n)為點(diǎn)目標(biāo)回波經(jīng)過方位向壓縮后的輸出信號(hào)，其中含有模糊響應(yīng)，其頻譜為Y(ω)，x(n)為去除模糊響應(yīng)后的信號(hào)，其頻譜為X(ω)。則y(n)可以看成是x(n)與一個(gè)函數(shù)d(n)卷積得到的，即：

y(n)=x(n)?d(n)，

(8)

現(xiàn)在已知y(n)，只需要對(duì)y(n)進(jìn)行一個(gè)反卷積運(yùn)算，即可得到x(n)，在頻域上，即：

X(ω)=Y(ω)/D(ω)，

(9)

式中D(ω)稱之為模糊濾波器。由文獻(xiàn)[7]的公式推導(dǎo)，最后給出仿真效果圖：

圖3 方位模糊抑制后的信號(hào)

2 假目標(biāo)判別算法介紹

假目標(biāo)判別算法流程如圖4所示，首先將目標(biāo)切片中待檢測(cè)的目標(biāo)與AIS信息匹配，將匹配到的目標(biāo)標(biāo)記為真實(shí)目標(biāo)，同時(shí)查看該目標(biāo)方位向上是否有目標(biāo)，且進(jìn)行距離測(cè)量，根據(jù)真假目標(biāo)距離計(jì)算公式：

Δx=PRF·λ·R0/2V0。

(10)

其中：PRF為脈沖重復(fù)頻率；λ為雷達(dá)發(fā)射波長；R0為雷達(dá)對(duì)地距離；V0為雷達(dá)速度。

2.1 目標(biāo)檢測(cè)算法介紹

CFAR是在圖像全局或局部場(chǎng)景背景已知的條件下，自適應(yīng)地選取檢測(cè)閾值的檢測(cè)方法。CFAR檢測(cè)算法的核心思想是根據(jù)虛警概率和SAR圖像雜波的統(tǒng)計(jì)特性計(jì)算得到閾值，通過閾值判別被檢測(cè)對(duì)象是目標(biāo)還是背景。設(shè)單個(gè)像素的灰度值為I，理論上可以采用Bayes準(zhǔn)則最優(yōu)地判定每個(gè)像素是屬于背景還是屬于目標(biāo)。

假設(shè)P=(ωb)、P=(ωt)分別為背景和目標(biāo)分布的先驗(yàn)概率，則檢測(cè)到目標(biāo)的貝葉斯準(zhǔn)則為：

(11)

同理對(duì)于背景有：

(12)

圖4 假目標(biāo)判別流程

(13)

由于很難事先知道先驗(yàn)概率p(ωt)和p(ωb)，現(xiàn)假設(shè)其為等概率。則有：

(14)

在實(shí)際的SAR圖像中，像素屬于目標(biāo)的先驗(yàn)概率遠(yuǎn)遠(yuǎn)小于屬于雜波的概率，因此背景和目標(biāo)概率的假設(shè)是不合理的，從而采用一個(gè)折中的準(zhǔn)則(Neyman-Pearson準(zhǔn)則)，該準(zhǔn)則認(rèn)為滿足如下條件時(shí)，目標(biāo)存在：

(15)

雙參數(shù)CFAR檢測(cè)方法根據(jù)目標(biāo)與背景雜波反射率的不同，辨別目標(biāo)與雜波，通過使用一個(gè)滑窗遍歷SAR圖像中的每一個(gè)像素，根據(jù)貝葉斯判決準(zhǔn)則及其各種派生準(zhǔn)則對(duì)被測(cè)像素點(diǎn)做出二元判決，以確定該像素點(diǎn)是否為目標(biāo)像素點(diǎn)。滑動(dòng)窗口由目標(biāo)區(qū)、保護(hù)區(qū)、背景雜波區(qū)3個(gè)部分組成(圖5)，待檢測(cè)像元被保護(hù)窗口和背景窗口包圍，其目的是保證目標(biāo)像元被排除在背景窗口外，以確保得到高精度的背景統(tǒng)計(jì)。背景窗口是為了雜波統(tǒng)計(jì)，其大小依賴目標(biāo)尺寸大小。其檢測(cè)方法計(jì)算如下：

(16)

并做出如下的檢測(cè)判決：

(17)

其中：Xt為待測(cè)像素點(diǎn)的灰度值；KCFAR為CFAR檢測(cè)門限，通常為常數(shù)，它控制著檢測(cè)的虛警概率。當(dāng)D>KCFAR被判斷為目標(biāo)時(shí)，虛警概率隨著KCFAR的增加而增加，反之當(dāng)D

(18)

(19)

圖5 雙參數(shù)CFAR檢測(cè)器示意圖Fig.5 Double parameter CFAR detector diagram

式中：Θ為圖1中參考窗；N為Θ中的樣本點(diǎn)數(shù)；s(i，j)為Θ中的樣本點(diǎn)。如果上式中被測(cè)像素的統(tǒng)計(jì)值超出檢測(cè)門限KCFAR，則該像素被認(rèn)為是目標(biāo)像素，否則為雜波像素。

2.2 雙參數(shù)CFAR檢測(cè)

本文在雙參數(shù)CFAR檢測(cè)算法的基礎(chǔ)上，依據(jù)真假目標(biāo)能量差異較大且假目標(biāo)區(qū)域不連通等特點(diǎn)，采用雙參數(shù)CFAR算法與目標(biāo)區(qū)域連通相結(jié)合的方法，同時(shí)依據(jù)距離位置判斷等條件作為區(qū)分真假目標(biāo)的標(biāo)準(zhǔn)。算法流程如圖6所示：

圖6 目標(biāo)判別算法流程Fig.6 Target discriminate algorithm process

3 實(shí)驗(yàn)結(jié)果與討論

論文采用加拿大RADARSAT-2衛(wèi)星于2013年11月13日某時(shí)拍攝的SAR數(shù)據(jù)，圖像的點(diǎn)像素分辨率為10 m，同時(shí)獲取了對(duì)應(yīng)該時(shí)刻的船舶自動(dòng)識(shí)別系(Automatic Identification System，AIS)船只的相關(guān)信息作為海面船只驗(yàn)證信息來進(jìn)行實(shí)驗(yàn)分析。

3.1 假目標(biāo)特性分析

在SAR圖像局部區(qū)域檢測(cè)時(shí)，發(fā)現(xiàn)部分“目標(biāo)”船只未能與AIS匹配，且呈現(xiàn)一定的規(guī)律，如未能匹配的船只目標(biāo)與匹配的船只目標(biāo)對(duì)應(yīng)形狀相似，距離表現(xiàn)為多對(duì)目標(biāo)等距，亮點(diǎn)強(qiáng)度相比已配對(duì)的點(diǎn)目標(biāo)較弱，但是遠(yuǎn)遠(yuǎn)強(qiáng)于海雜波背景。具體如圖8所示。

在圖7中，紅色圓圈內(nèi)的5個(gè)船只目標(biāo)為已與AIS匹配成功的合作船只，而紅色箭頭所指的5個(gè)目標(biāo)，則沒有找到對(duì)應(yīng)的AIS信息，且5對(duì)目標(biāo)之間還具有以下幾個(gè)共同特點(diǎn)：

(1)未知目標(biāo)均出現(xiàn)在已知目標(biāo)的方位向上；

(2)5對(duì)目標(biāo)兩兩之間的距離基本相等；

(3)5個(gè)未知的目標(biāo)信號(hào)強(qiáng)度均比對(duì)應(yīng)的真實(shí)目標(biāo)弱；

(4)5個(gè)已知目標(biāo)的像素強(qiáng)度與未知的目標(biāo)相比較強(qiáng)，且目標(biāo)表現(xiàn)為具有一個(gè)較大的連通區(qū)域，而未知的目標(biāo)則表現(xiàn)為兩個(gè)小型的連通區(qū)域。

通過上述幾點(diǎn)共同特性，初步判斷5個(gè)未知目標(biāo)并非真實(shí)的船只目標(biāo)，而很大程度上是雷達(dá)成像機(jī)理導(dǎo)致的假目標(biāo)。根據(jù)真假目標(biāo)距離公式(10)來計(jì)算真假目標(biāo)的相對(duì)距離，這里的參數(shù)選取PRF=1 350次/s，λ=54 mm，R=800～960 km，V=7.45 km。經(jīng)計(jì)算，對(duì)應(yīng)SAR圖像中，真假目標(biāo)間的理論距離為：3.914～4.696 km。通過NEST軟件進(jìn)行實(shí)際距離標(biāo)測(cè)，實(shí)測(cè)距離為4.1 km左右，符合理論推導(dǎo)的距離范圍。

3.2 假目標(biāo)自動(dòng)檢測(cè)

對(duì)于SAR圖像中的另一個(gè)場(chǎng)景進(jìn)行假目標(biāo)自動(dòng)檢測(cè)分析，選用局部多目標(biāo)樣本圖中，有6艘已成功匹配到AIS信息的船只目標(biāo)，其AIS的基本信息如表1所示，對(duì)應(yīng)的SAR圖像如圖8所示，AIS對(duì)應(yīng)的6艘船只在圖中使用對(duì)應(yīng)序號(hào)的數(shù)字已經(jīng)進(jìn)行了標(biāo)注。

圖7 等距離目標(biāo)顯示

序號(hào)Number經(jīng)度/(°)Longitude緯度/(°)Latitude船長Long/m船寬Wide/m類型type1121.07538.4629614捕撈2121.11338.4638814捕撈3121.14038.4499915貨船4121.18138.4349716貨船5121.22038.42115721貨船6121.19938.3908714貨船

使用雙參數(shù)CFAR進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖9所示，其中綠色標(biāo)記的位置為檢測(cè)出的疑似假目標(biāo)，紅色為可以配對(duì)AIS信息的目標(biāo)，藍(lán)色為其它無法驗(yàn)證的檢測(cè)目標(biāo)。從圖中檢測(cè)結(jié)果可以看出，對(duì)于假目標(biāo)造成的虛警目標(biāo)在圖像中與真實(shí)船只的類似，并不能通過設(shè)置合適的閾值消除，通過假目標(biāo)判別算法分析，可以快速定位假目標(biāo)。

4 結(jié)論

論文首先從理論上分析了假目標(biāo)產(chǎn)生的原因，給出了方位回波模型，仿真實(shí)現(xiàn)了方位模糊的抑制。其次，理論推導(dǎo)了假目標(biāo)出現(xiàn)的位置，并依據(jù)真假目標(biāo)能量差異較大且假目標(biāo)區(qū)域不連通等特點(diǎn)，采用雙參數(shù)CFAR算法與目標(biāo)區(qū)域連通相結(jié)合的方法，用來區(qū)分真假目標(biāo)，并將檢測(cè)到的真假目標(biāo)通過不同顏色矩形框來標(biāo)注。通過實(shí)驗(yàn)驗(yàn)證，所提算法可以將SAR圖像中真假目標(biāo)進(jìn)行判別。對(duì)由于方位向模糊造成的鬼影目標(biāo)有很好的抑制作用，為后續(xù)的艦船識(shí)別去除了部分虛警。但是，所提算法是需要逐點(diǎn)進(jìn)行比較判斷，算法執(zhí)行的效率較低，后續(xù)需要進(jìn)一步對(duì)算法的效率進(jìn)行改進(jìn)。

圖8 原始圖像Fig.8 Origin image

圖9 假目標(biāo)檢測(cè)結(jié)果

[1] 張軍,高貴,周蝶飛.SAR圖像機(jī)動(dòng)目標(biāo)檢測(cè)的兩種CFAR算法對(duì)比研究[J].信號(hào)處理，2008,24(1):78-82.Zhang J,Gao G,Zhou D.Comparison on two CFAR algorithm of vehicle target detection in SAR images[J].Signal Processing,2008,24(1):78-82.

[2] Xing X W,Chen Z L,Zou H X,Zhou S L.A Fast Algorithm Based on Two-stage CFAR for Detecting Ships in SARimages[C].Proceedings of 2nd Asian-Pacic Conference onSynthetic Aperture Radar (APSAR).Xian:IEEE,2009.506:509.

[3] Ji Y G,Zhang J,Meng J M,Zhang X.A new CFAR shiptarget detection method in SAR imagery [J].Acta Oceanologica Sinica,2010,29(1):12-16.

[4] Jung C H,Song W Y,Rho S H,et at.Double-step fast CFAR Scheme Formultiple Target Detection in High Resolution SAR Images [C].Proceedings ofthe 2010 IEEE International Radar Conference.WashingtonD C:IEEE,2010：1172-1175.

[5] He Zhi-Guo,Zhou Xiao-Guang,Lu Jun,Kuang Gang-Yao.A fast CFAR detection algorithm based on the G0 distri-bution for SAR images [J].Journal of National University of Defense Technology,2009,31(1):47-51.

[6] ZHANG Yongjun.Analysis of synthetic aperture radar ambiguities [J].Journal of Electronics and Information Technology,2004,26(9):1455-1460.

[7] Di Martino G,Iodice A,Riccio D.Filtering of azimuth ambiguity in stripmap synthetic aperture radar images [J].Selected Topics in Applied Earth Observations and Remote Sensing,IEEE Journal of,2014,7(9):3967-3978.

[8] 徐輝,趙迪,辛培泉.星載SAR方位模糊研究[J].火控雷達(dá)技術(shù)，2011 (2):1-5.Xu H,Zhao D,Xin P.Research on azimuth ambiguty of spaceborne SAR [J].Fire Control Radar Technology,2011(2):1-5.

[9] Zhang Q.Research on Detection Methods of Vehicle Targets from sar Images Based on Statistical model [D].Hunan：Master′s thesis,National University of Defence Technology,2005.

[10] Touzi R,Charbonneau F J,Hawkins R K.Ship detection and characterization using polarimetric SAR[J].Canadian Journal of Remote Sensing,2004,30(3):552-559.

[11] Brusch S,Lehner S,Fritz T,et al.Ship surveillance with TerraSAR-X [J].Geoscience and Remote Sensing,IEEE Transactions on,2011,49(3):1092-1103.

責(zé)任編輯 陳呈超

A False Ship Target Discrimination Algorithm in SAR Image

LI Chen-Bo,LIU Yong-Xin,ZHANG Hui,WANG Ling-Lin

(College of Electronic Information Engineering,Inner Mongolia University,Huhhot 010021,China)

Because of the firing pulse frequency,imaging mechanism and other factors cause the azimuth ambiguity noise appeared in SAR imaging.There will be false targets appear on this image when the noise is in severe cases.In this case,the traditional target detection algorithm will mistake the false target as detection target,it will reduce the detection accuracy,and it will affect the target classification.The reason of false target appearance is analyzed,specific location decoy appeared in SAR images is deduced.From the point of signal processing view,orientation blur suppression simulation of SAR image is implemented.Then double parameter CFAR detection algorithm is used for SAR image target detection.Because true and false target connected area size are different,and the false target area is not connected and area size is smaller.At the same time target detection,characteristics of the target area are used to discriminate between true and false targets.Finally,10 m resolution SAR images are used to verify the target detection.The result of experiment shows that this proposed algorithm can detect the false target caused by the azimuth ambiguity.

SAR; false target; CFAR

國家自然科學(xué)基金項(xiàng)目(61362002)；海洋公益性科研專項(xiàng)(201505002)資助。

Supported by National Nature Science Foundation of China (61362002); National Marine Technology Program for Public Welfare ( 201505002)

2016-09-15；

2016-12-10

李晨波(1990-)，男，碩士生。E-mail:lichenbo62731@126.com

** 通訊作者：E-mail:yxliu@imu.edu.cn

TP274

A

1672-5174(2017)02-079-06

10.16441/j.cnki.hdxb.20160279

李晨波，劉永信，張暉,等.一種合成孔徑雷達(dá)圖像艦船假目標(biāo)檢測(cè)判別算法[J].中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(2):79-84.

LI Chen-Bo,LIU Yong-Xin,ZHANG Hui,et al.A false ship target discrimination algorithm in SAR image [J].Periodical of Ocean University of China,2017,47(2):79-84.