基于頻譜殘差視覺顯著計算的高分辨SAR圖像艦船檢測算法

熊　偉，　徐永力，　姚力波，　崔亞奇，　李岳峰

(海軍航空大學信息融合研究所,山東 煙臺　264001)

0　引言

合成孔徑雷達(SAR)具有全天時、全天候、大范圍等特點，是海洋監測與監視應用的重要組成部分，其中艦船目標檢測日益成為研究熱點。SAR圖像艦船目標檢測作為其分類和識別的基礎，始終是SAR圖像應用的重要方面[1]。

隨著Radarsat- 2，Terra-SAR-X以及高分三號等新一代SAR傳感器的發射運行，SAR逐漸向高分辨率、大幅寬、多極化方向發展。隨著圖像尺寸越來越大，基于圖像的逐點計算等檢測算法處理速度就變得緩慢，難以達到實時處理的要求[2]。大數據量的SAR圖像信息和有限的計算機處理能力之間的矛盾，迫切需要尋求快速的圖像檢測方法[3]。另一方面，SAR場景的圖像質量越來越接近同類用途的光學圖像，圖像所呈現出的特性更加突出，因此越來越多的學習方法可用來對SAR圖像進行分類。一些學者對人類視覺智能展開研究并取得進展，其中采用視覺注意機制從復雜的視覺信息中篩選出有用信息提供給目標檢測，大大提高了處理效率。

目前艦船檢測算法主要包括恒虛警率(Constant False Alarm Rate,CFAR)及其改進算法[4-5]、SUMO算法[6]、KSW算法[7]等。CFAR檢測仍是應用最為廣泛的方法，其中智能CFAR檢測在對多目標、非均勻雜波等復雜環境目標檢測時取得不錯效果[8]。智能CFAR檢測需要進行背景雜波統計建模，通常需要檢測預處理去除圖像中高亮像素，如基于自動篩選的智能CFAR算法[5]等目標檢測算法。此類方法大多需要大量先驗信息以確定篩選深度，這通常在取得較好的檢測效果和較少的運算量之間存在矛盾。……