科研之友
微信
新浪微博
Facebook
分享链接
摘要
舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰，使得舰船目标的形态难以提取，导致检测结果不符合真实情况。此外，在舰船过于密集、尺度不一致的情况下，相邻舰船由于旁瓣的影响有时会被认为是单个目标，从而造成漏检。针对这些问题，该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先，将似然比检验(LRT)梯度引入对数比值梯度框架，使其适用于极化SAR数据；基于LRT梯度图进行恒虚警(CFAR)检测，提取舰船的边缘信息，消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次，利用复Wishart迭代分类器对舰船强散射部分进行检测，可排除大部分的杂波干扰且保持舰船形态细节。最后，将二者信息融合，从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验，实验表明与其他方法相比，该文所提算法具有更少的虚警和漏检，且能够有效克服旁瓣泄露，保持舰船形态细节。
- 单位
