不同分辨率合成孔徑雷達(dá)艦船檢測(cè)中雜波模型適用性分析*

劉根旺，張 杰，張 晰，王國(guó)宇

(1 中國(guó)海洋大學(xué)信息科學(xué)與工程學(xué)院，山東 青島 266100；2 國(guó)家海洋局第一海洋研究所，山東 青島 266061)

不同分辨率合成孔徑雷達(dá)艦船檢測(cè)中雜波模型適用性分析*

劉根旺1,2，張 杰2，張 晰2，王國(guó)宇1

(1 中國(guó)海洋大學(xué)信息科學(xué)與工程學(xué)院，山東 青島 266100；2 國(guó)家海洋局第一海洋研究所，山東 青島 266061)

基于恒虛警率的方法是經(jīng)典的艦船檢測(cè)算法，其核心是對(duì)海雜波統(tǒng)計(jì)分布的精確建模。隨著合成孔徑雷達(dá)(SAR)分辨率的提高，海雜波分布不再符合大數(shù)定理，而是表現(xiàn)為長(zhǎng)拖尾形狀，現(xiàn)已發(fā)展了諸如韋布爾分布、對(duì)數(shù)正態(tài)分布、G0分布、K-root分布、廣義伽馬分布等多種海雜波模型。本文首先利用上述模型對(duì)不同分辨率的SAR圖像進(jìn)行雜波建模，并在此基礎(chǔ)上進(jìn)行基于恒虛警率方法的艦船檢測(cè)，然后，利用K-L距離和ROC曲線來(lái)評(píng)價(jià)各模型對(duì)不同分辨率條件下SAR海雜波擬合的精度與艦船檢測(cè)的性能，給出了不同分辨率SAR適用于艦船檢測(cè)的最優(yōu)分布模型。

SAR； 不同分辨率； 海雜波擬合； 艦船檢測(cè)

海上船只目標(biāo)的監(jiān)測(cè)是海洋領(lǐng)域研究的重要課題之一，對(duì)于海上交通管制、航運(yùn)安全、漁業(yè)監(jiān)測(cè)、海上執(zhí)法、打擊非法偷渡等起到重要的作用[1-3]。相比光學(xué)紅外等其他傳感器，星載合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)具有穿透云霧的能力，且不受光照影響，可以實(shí)現(xiàn)全天時(shí)、全天候的對(duì)地觀測(cè)。經(jīng)歷多年的發(fā)展，SAR已經(jīng)能夠?qū)崿F(xiàn)多分辨率、多極化方式、多種頻段甚至是多視角的對(duì)地成像。SAR作為一種重要的主動(dòng)探測(cè)手段已經(jīng)在海洋環(huán)境、海岸帶和海洋目標(biāo)監(jiān)測(cè)等領(lǐng)域得到了廣泛的應(yīng)用[4-5]。

SAR船只目標(biāo)檢測(cè)是SAR圖像船只目標(biāo)解譯過(guò)程中的重要組成部分，恒虛警率(Constant False Alarm Rate，CFAR)方法是經(jīng)典的單極化SAR艦船檢測(cè)方法，并被用于實(shí)際的艦船檢測(cè)系統(tǒng)[6]。有學(xué)者相繼發(fā)展了如OS-CFAR[7]，CA-CFAR[8]，雙參數(shù)CFAR[9]等算法。CFAR方法的關(guān)鍵在于建立合適的SAR圖像海洋背景雜波統(tǒng)計(jì)分布模型，一般方法是通過(guò)對(duì)海雜波直方圖概率密度分布(Probability distribution function，PDF)進(jìn)行擬合的方法來(lái)選擇分布模型。

在低分辨條件下，SAR海雜波的統(tǒng)計(jì)特性是基于SAR成像時(shí)的相干斑模型，可以描述為一個(gè)分辨單元內(nèi)無(wú)窮多散射體電磁回波的相干和，符合中心極限定理，其幅度服從瑞利分布，強(qiáng)度服從指數(shù)分布，相位服從0-2π的均勻分布[10]。隨著SAR分辨率的不斷提高，一方面分辨單元格內(nèi)的散射數(shù)量不再可以看作是無(wú)窮多，由此，雜波的統(tǒng)計(jì)特性也不再符合中心極限定理，之前的斑噪模型不再適用，另一方面，SAR圖像中也出現(xiàn)了紋理信息。Ward提出相干斑與紋理特征之間滿足乘積關(guān)系，進(jìn)而在該理論下發(fā)展出了如K分布[11]、G0分布[12]等先驗(yàn)假設(shè)統(tǒng)計(jì)模型，其中SAR的幅度服從K-root分布。另外，許多學(xué)者利用真實(shí)SAR圖像的海雜波進(jìn)行統(tǒng)計(jì)分析，發(fā)展了對(duì)數(shù)正態(tài)分布[13]、韋布爾分布[14]、廣義伽馬分布[15]等為經(jīng)驗(yàn)分布模型，上述模型都是針對(duì)于不同的研究目的發(fā)展而來(lái)，各種模型也有其自身的適用性和局限性。SAR包含多種工作模式，針對(duì)于海港、公海等不同區(qū)域或者是檢測(cè)、識(shí)別等不同任務(wù)要求下的艦船檢測(cè)，所用的SAR數(shù)據(jù)的模式也不同，不同的模式對(duì)應(yīng)的分辨率也不相同，雖然目前已發(fā)展了多種分布模型，但未有不同的分布模型對(duì)不同分辨率SAR數(shù)據(jù)的適用性的研究。

本文的研究目的是利用已有的韋布爾(WBL)、對(duì)數(shù)正態(tài)分布(LGN)、G0分布、K-root分布、廣義伽馬分布(GΓD)5種雜波模型對(duì)不同分辨率的C波段SAR圖像進(jìn)行雜波建模，并在此基礎(chǔ)上進(jìn)行基于CFAR方法的艦船檢測(cè)，分析各種模型對(duì)不同分辨率SAR數(shù)據(jù)的適用性，給出艦船檢測(cè)性評(píng)價(jià)，為自主SAR的艦船檢測(cè)系統(tǒng)提供參考。

1 基于恒虛警率的艦船檢測(cè)方法

1.1 恒虛警率檢測(cè)方法

恒虛警率檢測(cè)方法(CFAR)的核心思想是利用單極化SAR幅度或強(qiáng)度信息對(duì)海雜波的統(tǒng)計(jì)分布進(jìn)行建模，根據(jù)經(jīng)驗(yàn)設(shè)置虛警率，采用自適應(yīng)的閾值，實(shí)現(xiàn)船海分割[16]。如圖1所示，f(x)為給定的分布模型的概率密度函數(shù)，Pfa為設(shè)定的虛警率，求解式(1)，得到檢測(cè)閾值T，對(duì)于SAR圖像的每個(gè)灰度值g，若g>T，判斷該像素為目標(biāo)像素，反之，小于閾值T判定為海洋背景像素。從圖中可以看出，當(dāng)虛警概率設(shè)置較大時(shí)，檢測(cè)到的虛警目標(biāo)較多，反之則會(huì)造成目標(biāo)漏檢。CFAR方法一般有全局CFAR和局部窗口CFAR，局部窗口CFAR可較為自適應(yīng)的調(diào)整不同的分割閾值，具有較高的檢測(cè)精度。為了方便比較，本文僅使用全局CFAR進(jìn)行目標(biāo)檢測(cè)。

圖1 CFAR檢測(cè)的基本原理圖Fig.1 Basic Schematic of CFAR method

(1)

1.2 分布模型及參數(shù)估計(jì)方法

CFAR船只目標(biāo)檢測(cè)算法的第一步為選擇海雜波分布模型，本文中選用韋布爾(WBL)、對(duì)數(shù)正態(tài)分布(LGN)、G0分布、K-root分布、廣義伽馬分布(GΓD)五種模型。

韋布爾分布最早應(yīng)用于對(duì)海雜波的建模，在高分條件下，雷達(dá)海面觀測(cè)數(shù)據(jù)不再服從瑞利分布，韋布爾可以取得較好的統(tǒng)計(jì)擬合效果；LGN分布可以實(shí)現(xiàn)對(duì)高分辨海雜波非均勻區(qū)域的較好統(tǒng)計(jì)建模精度；G0分布、K分布是在乘積模型下推到得到的海雜波擬合模型，SAR的幅度服從K-root分布。廣義伽瑪分布是一種較為自適應(yīng)的三參數(shù)海雜波模型，當(dāng)參數(shù)選取特定值時(shí)，可退化為瑞利分布、指數(shù)、對(duì)數(shù)正態(tài)、韋布爾分布等形式，適應(yīng)范圍較廣。

選定分布模型后，需要進(jìn)行參數(shù)估計(jì)，進(jìn)而給出模型的概率密度函數(shù)表達(dá)式。常用的參數(shù)估計(jì)方法有矩估計(jì)法(MoM)、最大似然估計(jì)法(ML)、對(duì)數(shù)累量法(MoLC)，對(duì)于一些較為復(fù)雜的概率分布模型，MoM和ML有時(shí)不能給出參數(shù)估計(jì)的表達(dá)式，MoLC方法則有較好的估計(jì)一致性。因此本文選用對(duì)數(shù)累量法進(jìn)行參數(shù)估計(jì)。各模型的概率密度函數(shù)表達(dá)式及其參數(shù)MoLC估計(jì)方程如表1。

表1 各模型的概率密度函數(shù)及MoLC參數(shù)方程

注：Φ0(1,L)表示雙伽馬函數(shù)。Digammafunction.

1.3 模型精度評(píng)估與檢測(cè)性能評(píng)價(jià)

K-L(Kullback-Leibler)距離表示2個(gè)概率分布模型之間差異的信息量。g(x)表示已知的分布模型，此處為SAR圖像的幅度直方圖概率密度分布，f(x)表示假設(shè)的分布模型，由f(x)預(yù)測(cè)g(x)時(shí)的K-L距離定義為式(2)，K-L距離越小，表示兩種分布模型之間的差異越小。

(2)

且有，0

為了綜合評(píng)價(jià)算法的檢測(cè)性能，同時(shí)考慮虛警率和檢測(cè)率，采用品質(zhì)因數(shù)來(lái)進(jìn)行，品質(zhì)因數(shù)定義如下

(3)

其中：Ntt，Ngt，Nfa分別表示正確檢測(cè)的目標(biāo)個(gè)數(shù)，真實(shí)的目標(biāo)個(gè)數(shù)，虛警目標(biāo)個(gè)數(shù)。

2 實(shí)驗(yàn)數(shù)據(jù)

本文選用Radarsat-2、ENVISATASAR共15景衛(wèi)星SAR數(shù)據(jù)，如表2。測(cè)試分析不同分辨率下的SAR圖像進(jìn)行雜波建模及艦船檢測(cè)性能，其中,{1,2,3,6,9,10,14,15}號(hào)數(shù)據(jù)用于測(cè)試HH極化，{4,5,7,8,11,12,13}號(hào)數(shù)據(jù)用于測(cè)試VV極化。

表2 實(shí)驗(yàn)數(shù)據(jù)詳細(xì)信息

在原始SAR圖像中，每幅圖像截取1～3個(gè)400×400大小的樣本進(jìn)行測(cè)試實(shí)驗(yàn)。下面給出了部分樣本的圖用于說(shuō)明所選樣本的圖像特征，其中圖2為第13景圖像中的2個(gè)樣本，從圖中可見(jiàn)都為平穩(wěn)海況。圖3和圖4為第7和12景圖中的2個(gè)樣本，分別為平穩(wěn)海況和非平穩(wěn)海況，該兩個(gè)樣本可以用于對(duì)比相同分辨率、不同海況條件下的海雜波擬合特性與艦船檢測(cè)性能。圖5為第5景數(shù)據(jù)中的樣本，都為非平穩(wěn)的海況。除圖3～5中的部分樣本外，本文所選的其余樣本都為平穩(wěn)海況。

圖2 Radarsat-22015-03-29，VV極化，8m分辨率Fig.2 Radarsat-2acquired in 2015-03-29 with 8m resolution

圖3 Radarsat-2，2012-04-28，VV，25 m分辨率a)平穩(wěn)海況，b)非平穩(wěn)海況

圖4 Radarsat-2，2014-01-04，VV/VH，30m分辨率a)平穩(wěn)海況，b)非平穩(wěn)海況

3 分布模型擬合的適用性

3.1 VV極化測(cè)試

利用上述5種分布模型對(duì){4,5,7,8,11,12,13}號(hào)數(shù)據(jù)中截選的樣本進(jìn)行不同分辨率條件下的擬合性能測(cè)試，進(jìn)行直方圖概率密度擬合，結(jié)果如圖6，并計(jì)算了分布模型與真實(shí)的直方圖概率密度函數(shù)的K-L距離，如表3。每景數(shù)據(jù)僅給出1～2個(gè)樣本的擬合結(jié)果作為說(shuō)明，從圖6中可見(jiàn)，3～30 m中高分辨率條件下，樣本的幅度直方圖分布都表現(xiàn)為長(zhǎng)拖尾形狀，對(duì)于3 m分辨率的SAR數(shù)據(jù)，LGN擬合結(jié)果較差，其他四種分布效果都大致相同，從表3中可見(jiàn)，WBL、K-root、GΓD、G0四種分布與直方圖的K-L距離差異交小，其中WBL擬合效果最好。對(duì)于8和25 m分辨率的SAR數(shù)據(jù)，從圖3和表3中都可以看出，除LGN分布有較大偏差外，其他四種分布的擬合效果基本相同，其中WBL擬合效果最好；而從圖7及表3中可以看出，對(duì)于非平穩(wěn)海況條件25 m分辨的數(shù)據(jù)，GΓD分布的擬合性能最好，其次是G0分布，LGN分布，K分布、WBL分布，對(duì)于非平穩(wěn)海況條件30 m分辨的樣本，GΓD、K、LGN分布擬合性能相當(dāng)，G0分布略次之。從上述統(tǒng)計(jì)結(jié)果來(lái)看，對(duì)于中高分辨率的平穩(wěn)海況SAR數(shù)據(jù)，WBL、K-root、GΓD、G0的擬合性能基本相同，并存在WBL>GΓD> K-root>G0的關(guān)系。 但是，對(duì)于非平穩(wěn)的海況條件的SAR圖像，GFD分布擬合性能最好，WBL分布的擬合性能下降，而LGN適用于非平穩(wěn)條件下的擬合。對(duì)于150 m分辨率的SAR數(shù)據(jù)，其直方圖分布表現(xiàn)為尖峰狀，所以長(zhǎng)拖尾狀的分布模型對(duì)其主要分布能量區(qū)域的擬合性能較差，各分布的K-L距離都大于中高分辨率SAR圖像，對(duì)于150 m分辨率的樣本1，LGN模型擬合性能最好，對(duì)于150 m分辨率的樣本2，K分布擬合性能最好，兩個(gè)樣本中，G0擬合的效果都較好，WBL分布的擬合效果最差，在150 m分辨率不同樣本的擬合精度不同，各分布對(duì)其的適用性，通過(guò)艦船檢測(cè)進(jìn)行進(jìn)一步評(píng)價(jià)。

圖5 ENVISAT-ASAR2011-04-23，VV，150m分辨率Fig.5 ENVISAT-ASARacquired in 2011-04-23 with 150m resolution

圖6 VV 極化下a) 3 m、b)8 m、c)8 m、d)25 m、e) 25 m、f)30 m、g)150 m、h)150 m分辨率直方圖擬合結(jié)果

圖7 VV 極化下a)25 m，b)30 m分辨率非平穩(wěn)海況下的直方圖擬合結(jié)果Fig.7 TheHistogram Fitting Results of a)25 m,b)30 m resolution with VVpolarization

數(shù)據(jù)名稱Dataname編號(hào)No.入射角Incidenceangle分辨率ResolutionWBLLGNG0K-ROOTGΓD4Sampe13030.021480.096760.037010.030780.02961Sampe23030.011730.087200.018650.015790.0149111Sampe13080.014750.095950.016230.015640.01505Sampe23080.010930.091710.014530.013390.0121213Sampe12580.007830.085920.027950.022930.02298Sample22980.010820.092770.011990.011720.011177Sampe130250.010630.094420.022950.018470.01722Sampe230250.005230.082690.005460.005230.005048Sampe135250.007150.085890.019770.015270.01398Sampe235250.009350.077360.017020.013370.01252Sampe335250.047710.032400.021990.037620.0143812Sample137300.007810.089530.025760.019480.01926Sample237300.007040.085010.008790.008230.00774Sample339300.015690.051140.007370.005060.005065Sampe1301500.180940.018870.027490.033740.04597Sampe2301500.282310.164950.109360.084930.12965

3.2 HH極化測(cè)試

利用五種分布模型對(duì){1,2,3,6,9,10,14,15}號(hào)數(shù)據(jù)中截選的樣本進(jìn)行不同分辨率條件下的擬合性能測(cè)試，進(jìn)行直方圖概率密度擬合，結(jié)果如圖8。相應(yīng)的K-L統(tǒng)計(jì)結(jié)果如表4。從表4和圖8中可見(jiàn)，對(duì)于3～8 m分辨率HH極化的SAR數(shù)據(jù)，WBL分布依然能取得最好的擬合性能，其次是GΓD分布、K分布，G0分布次之。該結(jié)論與VV極化通道中的分布擬合性能一致。而對(duì)于30 m分辨率的SAR數(shù)據(jù)，K分布的擬合性能最好，其次是GΓD分布。在HH通道中，30 m中等分辨率SAR數(shù)據(jù)的幅度直方圖概率密度分布基本上呈正態(tài)分布，長(zhǎng)拖尾形狀不明顯，這與VV通道的數(shù)據(jù)特性存在較大差別?？傊?，HH通道中，K分布和GΓD分布對(duì)30 m的中高分辨率都較適用。

圖8 HH極化a)3 m，b)3 m，c)3 m，d)8 m，e)8 m，f)8 m，g)30 m，h)30 m分辨率條件下的直方圖擬合結(jié)果

數(shù)據(jù)名稱Dataname編號(hào)No.入射角Incidenceangle分辨率ResolutionWBLLGNG0K-ROOTGΓD3Sampe13530.079340.182040.141590.109410.108969Sampe13230.020370.082060.020050.018650.0182410Sampe14030.014810.077350.025500.021250.021136Sampe13580.010020.086820.020300.016570.0160814Sampe12080.025510.108160.026500.026250.0257915Sampe13580.005610.090820.016690.014590.013371Sampe130300.035550.023900.021270.007600.009402Sampe130300.034770.021130.051710.004030.00691

4 船只檢測(cè)性能分析

在測(cè)試不同分辨率條件下的艦船檢測(cè)性能時(shí)，先對(duì)SAR圖像進(jìn)行解譯，確定樣本中的目標(biāo)像元個(gè)數(shù)及海洋像元個(gè)數(shù)，然后采用像素級(jí)的檢測(cè)方法對(duì)選取的樣本進(jìn)行了全局CFAR檢測(cè)，虛警率設(shè)置為10-5～10-1，正確檢測(cè)船只像素總數(shù)與真實(shí)船只像素?cái)?shù)之比為檢測(cè)率，誤判為船只的像素與真實(shí)船只像素之比為虛警率，并使用受試者工作特征曲線[18](Receiver Operating Characteristic Curve，ROC曲線)給出不同虛警率下對(duì)應(yīng)的檢測(cè)品質(zhì)因數(shù)(FOM)進(jìn)行艦船檢測(cè)性能評(píng)價(jià)[13]。

4.1 VV極化測(cè)試

利用與3.1節(jié)中相同的數(shù)據(jù)進(jìn)行VV極化下的艦船檢測(cè)性能測(cè)試，圖9～10給出了不同分辨率條件下的CFAR檢測(cè)的ROC曲線圖，橫坐標(biāo)為不同的虛警率，縱坐標(biāo)為其對(duì)應(yīng)的FOM，從圖中可見(jiàn)，ROC曲線基本都為拋物線，F(xiàn)OM隨著虛警率的減小而增大，達(dá)到某一虛警率后，F(xiàn)OM開(kāi)始減小。

從各檢測(cè)結(jié)果來(lái)看，如圖9所示，對(duì)于3、8、25和30 m平穩(wěn)海況的SAR數(shù)據(jù)，在較低虛警率條件下(<10-3)，檢測(cè)精度與幅度直方圖擬合的精度基本上一致。整體上的檢測(cè)精度也是WBL > GΓD > K-root > G0分布，但品質(zhì)因數(shù)隨著虛警率的變化有較大差異，如基于LGN分布的品質(zhì)因數(shù)隨著低虛警率降低急劇衰減。在較高虛警率條件下(>10-3)，基于上述各分布模型的檢測(cè)結(jié)果表現(xiàn)出相反的性能，LGN分布相比其他分布能取得較好的品質(zhì)因數(shù)，WBL分布結(jié)果最差。實(shí)際上，在使用CFAR檢測(cè)時(shí)，虛警率一般都不會(huì)設(shè)置太大，所以，在低虛警率條件下的品質(zhì)因數(shù)更有使用價(jià)值。非平穩(wěn)海況下，如圖10所示，檢測(cè)結(jié)果精度與概率密度函數(shù)擬合的精度不一致，如9號(hào)數(shù)據(jù)中的樣本3，GΓD分布擬合性能最好，但是在低虛警率時(shí)基于GΓD分布艦船檢測(cè)的品質(zhì)因數(shù)則小于K分布和WBL分布。

對(duì)150 m分辨率SAR數(shù)據(jù)樣本，在較低虛警率條件下，各分部模型的檢測(cè)品質(zhì)因數(shù)多為隨著虛警率的減小而增加，其中，基于LGN分布的檢測(cè)性能要優(yōu)于其在高分辨率SAR中的表現(xiàn)，GΓD、K-root保持較好的檢測(cè)性能，G0而分布則不穩(wěn)定，WBL分布的檢測(cè)性能最差?？梢?jiàn)，在低分辨率SAR圖像中，分布擬合精度與檢測(cè)的品質(zhì)因數(shù)沒(méi)有一致的對(duì)應(yīng)關(guān)系，對(duì)不同的區(qū)域擬合效果及檢測(cè)結(jié)果的差異較大。

圖9 VV 極化下a) 3 m，b) 8 m，c)8 m,d) 25 m，e) 25 m，f)30 m，g)150 m，h)150 m分辨率檢測(cè)ROC曲線

圖10 VV 極化下a)25 m，f)30 m分辨率非平穩(wěn)海況下的CFAR檢測(cè)ROC曲線Fig.10 The ROC curve of a) 25 m,b)30 m resolution with VV polarization

4.2 HH極化測(cè)試

HH極化通道中的檢測(cè)性能也基本上與擬合性能保持一致，對(duì)于3～8 m分辨率的HH極化SAR樣本，基于WBL分布的艦船檢測(cè)效果最好，對(duì)于30 m分辨率SAR的樣本，艦船檢測(cè)GΓD和K分布隨著虛警率的減小檢測(cè)性能增強(qiáng)，性能最優(yōu)。

5 結(jié)論

本文利用16景RADARSAT-2和ENVISAT-ASAR數(shù)據(jù)測(cè)試了WBL、GΓD、K-root、G0、LGN等5種分布模型對(duì)不同分辨率SAR的擬合性能及艦船檢測(cè)性能，通過(guò)大量實(shí)驗(yàn)，得到初步的結(jié)論如下：

(1)對(duì)于3～8 m的高分辨率C波段SAR數(shù)據(jù)，在平穩(wěn)海況、低虛警率條件下，基于CFAR的艦船檢測(cè)結(jié)果與各分布模型的擬合性能基本一致，即擬合精度越高的模型，其對(duì)應(yīng)的CFAR檢測(cè)性能越好。具體地：WBL、GΓD、K-root三種分布模型都表現(xiàn)出了較好的適用性。WBL分布擬合性能和檢測(cè)性能最優(yōu)，GΓD分布在所有的測(cè)試數(shù)據(jù)上都表現(xiàn)出了較好的擬合性能和檢測(cè)能力，適用范圍較廣，K分布的性能略次于GΓD。

(2)對(duì)于25～30 m中分辨率C波段VV極化通道的SAR數(shù)據(jù)，在平穩(wěn)海況、低虛警率條件下，基于各模型的擬合性能和檢測(cè)性能與(1)中結(jié)論相同；在非平穩(wěn)海況條件下，檢測(cè)性能與分布擬合性能不能很好的對(duì)應(yīng)，基于K分布的檢測(cè)性能優(yōu)于其他分布。在HH極化通道中，基于K分布、GΓD的檢測(cè)性能優(yōu)于其他分布。因此，K分布較適用于該條件下的艦船檢測(cè)。

圖11 a)3 m，b)3 m，c)3 m，d)8 m，e)8 m，f)8 m，g)30 m，h)30 m分辨率條件下的ROC曲線

(3)對(duì)于150 m低分辨率C波段SAR數(shù)據(jù)，在低虛警率條件下，LGN模型較為適用，GΓD、K-root也可保持較好的檢測(cè)性能。

本文開(kāi)展的不同分辨率SAR雜波模型適用性分析側(cè)重于平穩(wěn)海況條件，而非平穩(wěn)的復(fù)雜海況的評(píng)估具有一定的挑戰(zhàn)性，將在后續(xù)的工作中深入研究。并在此基礎(chǔ)上，進(jìn)一步給出針對(duì)不同圖像數(shù)據(jù)進(jìn)行雜波模型自動(dòng)篩選的方案。

致謝：感謝加拿大空間局提供的RADARSAT-2數(shù)據(jù)，感謝歐洲空間局提供的ENVISAT ASAR數(shù)據(jù)。

[1] Armando Marino.A notch filter for ship detection with polarimetric SAR data [J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2013,6(3):1219-1232.

[2] Gambardella A,Nunziata F,Migliaccio M.A physical full-resolution SAR ship detection filter [J].IEEE Transactions on Geoscience and Remote Sensing Letters,2008,5(4):760-763.

[3] Vachon P W,Campbell J W M,Bjerkelund C A,et al.Ship detection by the RADARSAT SAR:Validation of detection model predictions [J].Canadian Journal of Remote Sensing,1997,23(1):48-59.

[4] 宋建社,鄭永安,袁禮海著.合成孔徑雷達(dá)理解與應(yīng)用[M].北京:科學(xué)出版社,2008:11-17.Song Jianzhuang,Zhen Yongan,Yuan Lihai.Understanding and Applications of Synthetic Aperture Radar Images[M].Beijing:Science Press,2008:11-17.

[5] Curlander J C,McDonough R N.Synthetic Aperture Radar [M].New York:Wiley,1991.

[6] Crisp D J.The state-of-the-art in ship detection in Synthetic Aperture Radar imagery[J].Organic Letters,2004,35(42):2165-2168.

[7] Blake S.OS-CFAR theory for multiple targets andnonuniform clutter[J].Aerospace and Electronic Systems,IEEETransactions on,1988.24(6):785-790.

[8] Ferrara M N,Torre A,Automatic moving targets detection using a rule-based system:Comparison between different study case[C].[s.1.] IEEE 1998 International Geo-science and Remote Sensing Symposium (IGARSS’98),1998,3:1593-1595.

[9] Walkerman C C,et al.Automatic ship detection of ships in Radarsat SAR imagery[J].Canadian Journal of Remote Sensing,2001,27(5):371-385.

[10] Oliver C,Quegan S.Understanding Synthetic Aperture Radar Images[J].2004.

[11] 種勁松,朱敏慧.SAR圖像局部窗口K-分布目標(biāo)檢測(cè)算法[J].電子與信息學(xué)報(bào),2003,25(9):1276-1280.Chong Jinsong,Zhu Minhui.Target Detection Algorithm of SAR Image Based on Local Window K-distributionsar[J].Journal of Electronics & Information Technology,2003,25(9):1276-1280.

[12] Jung C H,Yang H J,Kwag Y K.Local Cell-averaging Fast CFAR for Multi-target Detection in High-resolution SAR Images [C].IEEE 2nd Asian-Pacific Conference on Synthetic Aperture Radar,2009:206-209.

[13] Xing X W,Chen Z L,Zou H X,et al.A fast algorithm based on two-stage CFAR for detecting ships in SAR images [C].IEEE 2nd Asian-Pacific Conference on Synthetic Aperture Radar,2009:506-509.

[14] Tsagaris V,Vozikis G.Ship detection modules based on ASAR and terassar data for Greek areas of interest[C].IEEE 2nd International Conference on Space Technology (ICST),2011:1-4.

[15] Xianxiang Qin,Shilin Zhou,HuanxinZou,GuiGao.A CFAR detection algorithm for generalized gamma distributed background in high-resolution SAR images [J].IEEE Transactions on Geoscience and Remote Sensing Letters,2013,10(4):806-810.

[16] 魯統(tǒng)臻,張杰,紀(jì)永剛,等.基于G0分布的高海況SAR船只目標(biāo)檢測(cè)方法[J].海洋科學(xué)進(jìn)展,2011,29(2):186-195.Lu Tongzhen,Zhang Jie,JiYonggang,et al.Ship Target Detection Algorithm Based on G0 Distributionfor SAR Images under Rough Sea Conditions[J].ADVANCES INMARINE SCIENCE,2011,29(2):186-195.

[17] Cui S,Schwarz G,Datcu M.A comparative study of statistical models for multilook SAR images[J].IEEE Geoscience and Remote Sensing Letters,2014,11(11):1752-1756.

[18] Liu C,Vachon P W,Geling G W.Improved ship detection with airborne polarimetric SAR data[J].Canadian Journal of Remote Sensing.2005,31(1):122-131.

責(zé)任編輯 陳呈超

Applicability Analysis of Clutter Model in Ship Detection with Different Resolution SAR Images

LIU Gen-Wang,ZHANG Jie,ZHANG Xi,WANG Guo-Yu

(1.College of Information Science and Engineering Ocean University of China,Qingdao,266100 China; 2.The First Institute of Oceanography,State Oceanic Administration,Qingdao 266061,China)

The CFAR method is a classic ship detection algorithm,and its core is accurate modeling of sea clutter statistical distribution.With the increase of the SAR resolution,the sea clutter distribution no longer conforms to the large number theorem,it is presentthe long-tail shape The sea clutter based on Weibull distribution,lognormal distribution,G0 distribution,K-root distribution,and generalized gamma distribution models was developed.In this paper,the abovemodels are used to sea clutter modeling of SAR images at different resolutionsfirstly,and then a global CFAR detection is exploited.K-L distanceand ROC curves are used to evaluate the accuracy of models for sea clutter fitting and performance of ship detection and the optimal distribution model for ship detection with different resolution SAR is given.

SAR; different resolution; sea clutter fitting; ship detection

海洋公益性科研專項(xiàng)(201505002；201305025)資助

Supported by the Public Science and Technology Research Funds Projects of Ocean (201505002)

2016-09-15;

2016-12-11

劉根旺(1989-)，男，博士生。E-mail:liu_genwang@126.com

TP751

A

1672-5174(2017)02-070-09

10.16441/j.cnki.hdxb.20160251

劉根旺，張杰，張晰，等.不同分辨率合成孔徑雷達(dá)艦船檢測(cè)中雜波模型適用性分析[J].中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(2):70-78.

LIU Gen-Wang，ZHANG Jie，ZHANG Xi，et al.Applicability analysis of clutter model in ship detection with different resolution SAR images[J].Periodical of Ocean University of China,2017,47(2):70-78.