(沈陽航空航天大學(xué) 遼寧 沈陽 110000)

引言

目前為止,在致力于發(fā)展高速、高精度以及良好可操作性的極化 SAR 圖像的飛機目標(biāo)檢測算法檢測方面,研究者們做了大量的工作,涌現(xiàn)出很多的SAR目標(biāo)檢測算法。如在利用圖像強度特征方面,比較著名的如:Novak提出的局部雙參數(shù)cFAR檢測方法,該方法簡單有效,被廣泛應(yīng)用,但該方法缺點也非常明顯。恒虛警檢測算法(CFAR)是當(dāng)前主要的飛機目標(biāo)檢測方法[1,2],本文針對大場景復(fù)雜背景下對檢測精度和時間的要求,研究了基于目標(biāo)先驗知識的二次 CFAR 的檢測算法。

一、cfar算法原理與算法模型

根據(jù)的計算方式的不同，CFAR檢測器分為均值(ML)類和有序統(tǒng)計量(OS)類兩種典型的檢測器，本文主要使用ML類CFAR。

ML類CFAR:

(2-1)

(2-2)

(2-3)

式中，xi為為各單元的參考信號幅度；L位前沿和后沿參考滑窗長度。

各種雷達(dá)系統(tǒng)中用得最多的CFAR檢測方法就是CA檢測算法。CA在均勻雜波背景中的檢測性能最好,但在非均勻背景中性能嚴(yán)重下降.

二、基于改進(jìn)的 CFAR的SAR圖像檢測

在本文中,為了既滿足檢測精度又滿足檢測時間,考慮將全局 CFAR 和滑窗 CFAR 相結(jié)合，將這種方法稱為二次 CFAR 檢測算法.其主要流程為:

1.對每塊圖像,設(shè)定一個較高的虛警率進(jìn)行閾值計算,并進(jìn)行二值化。在這個步驟中,要保證每個目標(biāo)都能夠盡可能的被檢測出來,因此設(shè)定的虛警率較高。在每個圖像塊中,使用同一個閾值進(jìn)行二值化。

2.對整幅圖像進(jìn)行聚類。

3.統(tǒng)計每個連通區(qū)域的位置信息。在這步中,對每個連通的區(qū)域,統(tǒng)計其在在圖像上的最大外接矩形,由于在步驟 1)中使用的虛警率較高,因此這個邊界比實際的目標(biāo)的邊界要大。

4.對每個目標(biāo),根據(jù)目標(biāo)的邊界信息,設(shè)定滑窗的尺寸。以每個區(qū)域的最大外接矩形作為保護(hù)區(qū)窗口的大小。在保護(hù)區(qū)外,設(shè)定一定大小的雜波統(tǒng)計區(qū)(距保護(hù)區(qū)為 5 個像素)。

5.對每個區(qū)域進(jìn)行二值化。對每個目標(biāo)區(qū)域,根據(jù)雜波模型和虛警率計算閾值 T,并進(jìn)行二值化。

三、實驗結(jié)果分析

本實驗采用 UAVSAR 系統(tǒng)在美國 Gulf Coast 地區(qū)上空采集的新奧爾良市某機場場景數(shù)據(jù)。

(a)跑道區(qū)域檢測結(jié)果 (b)飛機目標(biāo)檢測結(jié)果

圖1 中，圖(a)為算法得到的跑道區(qū)域二值標(biāo)簽圖，圖(b)為本小節(jié)算法得到的飛機目標(biāo)檢測結(jié)果。5 架飛機(黃色圓圈)均被檢測出，且只存在 2 個虛警(藍(lán)色圓圈)。實驗結(jié)果驗證了本小節(jié)算法的有效性。

四、結(jié)論

此算法均能準(zhǔn)確有效地檢測出真實跑道，無虛警區(qū)域，且檢測出的跑道結(jié)構(gòu)完整、細(xì)節(jié)信息都保持良好；能快速準(zhǔn)確地檢測出跑道區(qū)域，實時性更好；同樣本節(jié)算法采用無監(jiān)督分類方法提取疑似跑道區(qū)域，沒有用到樣本信息，說明本節(jié)算法實用性更廣。