基于虚警可控梯度提升树的海面小目标检测

作者：刘安邦; 施赛楠; 杨静; 曹鼎

来源：南京信息工程大学学报(自然科学版), 2021, 1-9.

• 海杂波
• 小目标检测
• 梯度提升树
• 高维特征

高维特征检测是提升海面小目标探测性能的一种有效途径，其主要难点在于高维空间分类器设计。本文提出一种基于虚警可控梯度提升树（Gradient Boosting Decision Tree， GBDT）的特征检测方法。首先，从一维长时观测向量中，提取时域、频域、时频域等多个特征，构建高维特征向量，从而将检测问题转换为二分类问题。其次，通过仿真含目标回波，解决两类训练样本非均衡的问题。然后，引入GBDT算法，将高维特征向量凝聚为一维概率预测值，并以预测值作为检测统计量，解决二分类器难以控制虚警的问题。最后，采用IPIX实测数据验证，结果表明：所提的检测器充分利用了高维特征的全部信息，性能平均提升13%以上。

• 单位
  南京信息工程大学