高海况下的舰船检测方法研究

舰船检测在军事和民用领域都具有重要意义，目前高海况下的舰船检测还面临很多困难。本课题利用极化SAR比单极化SAR所提供的更丰富的目标信息，对高海况下的舰船检测问题进行研究。高海况下海面的典型特点是回波强、散射过程复杂，利用所提取的极化特征量，可以从不同侧面反映海面的散射特性，通过对船-海对比度的统计分析，可以研究极化特征量用于高海况下舰船检测的有效性，并基于海面和舰船的散射机理差异，研究新的有效表征船-海差异的特征量提取方法；针对高海况下单一特征量进行舰船检测鲁棒性差的问题，研究特征量自动选优方法和采用多个特征量的舰船目标融合检测方法；最后，针对复杂背景下舰船检测虚警率高的问题，引入M/N判决准则，研究多个特征量的联合鉴别方法。通过本课题研究，将给出极化特征量对于高海况下舰船检测的有效性的相关结论，并提出高海况下舰船检测的有效方法。

针对高海况下舰船目标检测率低、虚警率高的问题，本课题基于极化SAR图像，通过海面散射特性分析、基于极化特征的舰船检测和舰船鉴别等内容开展研究，为高海况下的舰船检测提供了新的思路和方法，本课题完成的主要工作如下：. 1、对海面散射特性开展了仿真研究，利用不同的模型仿真了不同极化、不同风速等影响因素下的海面散射特性，得到了海面散射随风速、极化等变化的直观曲线。进一步利用实测数据开展了海面、舰船、岛屿的极化特征量提取以及对比分析研究，通过研究，给出了复杂海面背景下进行舰船目标检测和鉴别的有效特征，为后续的舰船检测和鉴别算法研究奠定基础。. 2、利用所提取的极化特征，开展了舰船检测算法研究。分别提出了基于K-means/Wishart分类检测算法和基于商空间粒度算法的舰船检测方法。前者通过K均值聚类提供初始分类，然后利用极化SAR图像的Wishart分布特性对初始分类进行精细修正，实现海上不同特性目标的分类，然后从不同的类中确认舰船类，实现海上舰船检测；后者则在不同的极化通道分别进行检测的基础上，利用属性域合成得到最终的舰船检测结果。总体上，两种方法都是基于多个极化特征实现复杂背景下的舰船检测，并利用实测的极化SAR数据验证了以上检测算法的有效性。. 3、基于多个极化特征的舰船鉴别研究，根据舰船与海杂波，舰船与海上其他干扰目标的散射特性差异，分别给出了改进的极化对比增强鉴别方法和基于D-S证据理论的融合鉴别方法，并利用实测数据验证了方法的有效性。