[發明專利]一種新型SAR圖像統計模型及其參數估計方法

在審

• 申請號: 201811209679.X
• 申請日: 2018-10-17
• 公開（公告）號: CN109359595A
• 公開（公告）日: 2019-02-19
• 發明（設計）人: 宋力兵;吳璋;胡洲;韓志強;李娟;胡登杰;陳云強
• 申請（專利權）人: 四川航天系統工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/52
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 劉興亮

本發明公開了一種新型SAR圖像統計模型，包括：設定描述SAR圖像的雜波統計特性模型為P₁(x|θ₁)，設定目標統計特性模型為P₂(x|θ₂)；并采用加權系數得到混合統計模型為：P(x|Θ)＝λ₁P₁(x|θ₁)+λ₂P₂(x|θ₂)；以及一種新型SAR圖像統計模型參數估計方法，涉及三層迭代，最里層的不動點迭代算法、中間層和外層的最大期望迭代方法。與其他混合模型相比，本發明的Lognormal?K模型結構簡單，參數估計易于實現，降低了計算的開銷。

技術領域

本發明涉及SAR圖像技術領域，具體的說，是一種新型SAR圖像統計模型 及其參數估計方法。

背景技術

SAR(合成孔徑雷達)不受天氣、光照等條件的限制，且具備對云層、霧層的 穿透特性，可對目標區域實現全天時、全天候的偵察。憑借其獨特的優勢，SAR 技術在軍事和民用領域得到了廣泛的應用。SAR圖像技術不斷發展，其圖像分辨 率越來越高，數據量劇增，圖像數據具有噪聲嚴重和背景雜波復雜的特點。實 踐工程中，統計分布模型對真實SAR圖像統計特性描述的準確性很大程度影響 下一步對SAR圖像的目標檢測算法性能，為此有很多SAR圖像雜波描述模型， 大致分為兩類：參數模型建模方法和非參數模型建模方法，對于非參數模型建 模過程涉及到復雜的逼近過程，計算耗時大，在實際應用中極為有限。參數建模成為了廣泛研究和應用的方法。Rayleigh分布、Weibull分布、Lognormal分 布、K分布等統計模型相繼應用在SAR圖像建模中。大場景、高分辨率SAR圖像 中，雜波類型不同，同一區域含有兩種或者多種雜波時傳統單一的雜波統計模 型不能很好的擬合數據。不同的分布模型各有自己的優缺點。《海上艦船目標 監測方法研究》(趙荻，2015，北京化工大學碩士論文)與《基于實測SAR圖 像的雜波特性研究和圖像重構》(張曉梨，2014，西安電子科技大學碩士論文) 兩文中介紹：Rayleigh分布應用于分辨率相對較低的雷達在較小入射角條件下的回波起伏模擬，不在適用于現在高分辨率SAR圖像；Weibull分布針對分布均 勻的雜波很好的模擬，卻不能夠精確描述多視圖像；Lognormal分布對數據過度 擬合不適合描述SAR圖像直方圖中幅度值較低的部分，而適合描述高分辨率SAR 圖像空間變化很強的區域；K分布能夠很好的描述高分辨率SAR圖像中的非均勻 雜波，包含慢變化紋理分量和快變化的散斑分量，不適合描述金屬目標SAR圖 像空間變化很強的區域。針對于陸地雜波和金屬目標混合的高分辨率、大場景SAR圖像，用以上某一種分布模型已不能夠滿足擬合的要求。

發明內容

本發明的目的在于提供一種新型SAR圖像統計模型及其參數估計方法，用 于克服SAR圖像中存在雜波、目標以及雜波和目標混合區域采用單一的統計模 型不能有效進行擬合的問題。

本發明通過下述技術方案解決上述問題：

一種新型SAR圖像統計模型，包括：

步驟A1：設定描述SAR圖像的雜波統計特性模型為P₁(x|θ₁)，設定目標統 計特性模型為P₂(x|θ₂)，其中，x為SAR圖像幅度值數據，θ₁和θ₂分別為雜波 模型和目標模型參數；

步驟A2：混合統計模型為：

P(x|Θ)＝λ₁P₁(x|θ₁)+λ₂P₂(x|θ₂) (1)