[發明專利]一種基于連通區域特征的海面漂浮小目標檢測方法

有效

• 申請號: 202010543795.6
• 申請日: 2020-06-15
• 公開（公告）號: CN111707998B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 許述文;陳康權;白曉惠;水鵬朗
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 王越

本發明公開了一種基于連通區域特征的海面漂浮小目標檢測方法，主要解決現有技術在較短觀測時間內對海面小目標檢測概率低的問題；其實現過程是：1)構建U?Net網絡；2)選取包含目標的訓練單元雷達回波數據進行塊白化，制作時頻圖訓練集；3)利用訓練單元的時頻圖數據集訓練U?Net網絡；4)選取包含純雜波的參考單元回波數據進行塊白化，制作時頻圖集輸入訓練好的U?Net網絡，得到時頻圖連通區域的提取結果，對提取結果進行二值化處理，計算連通區域的面積得到檢驗統計量D；5)通過蒙特卡洛仿真得到檢測門限T；6)根據檢測統計量D與檢測門限T的比較結果判斷是否存在目標，做檢測統計量D大于等于檢測門限T，判定目標存在，反之，判定目標不存在。

技術領域

本發明涉及信號處理技術領域，尤其涉及一種基于連通區域特征的海面漂 浮小目標檢測方法。

背景技術

海雜波是雷達接收到的從海表面反射回來的雷達回波，海面搜索雷達在對海 面進行探測時，海雜波難免會對海面上諸如浮冰、小船、航標等漂浮小目標的檢 測造成影響。海雜波的強度會隨雷達參數、照射方向、海況等的不同而發生改變。 由于高分辨海雜波的空時非平穩性，傳統目標檢測方法面臨低檢測概率，高虛警 的問題，使得海雜波背景下對海面漂浮小目標的檢測成為難點。

針對這一難題，很多學者進行大量嘗試與研究。自適應匹配濾波類方法是以 假設海雜波滿足某些統計模型為前提而提出的。在K分布海雜波模型下，可以得 到最優K分布檢測器。當海雜波序列滿足Pareto分布時，可以得到該海雜波模型 下的最優檢測器。但是由于現有統計模型很難描述海雜波的復雜特性，海雜波具 有較寬的多普勒帶寬，海面目標通常速度較低，目標常常淹沒在海雜波寬帶內， 因此這類方法在對海面目標特別是漂浮小目標檢測時，檢測器性能出現較大程度 的下滑。

并且，基于分形的目標檢測方法在觀測時間較長時能達到很好的檢測結果， 然而當觀測時間縮短時，檢測性能會有明顯下降，無法滿足對海搜索雷達的要求。

雖然，基于時頻分析的檢測方法得到了許多學者的關注。但是，由于海雜波 是由大量具有不同速度的散射體后向散射矢量疊加的結果，經過塊白化處理后的 海雜波變為了近似白噪聲，雜波在時頻平面上是由破碎、不連續、不規則、分布 離散的小塊連通區域組成，且能量較低。與之不同，海面漂浮目標在慣性的作用 下，較短時間內目標上的強散射點相對于雷達的徑向速度可以看作近似相同的， 因此目標能量較為集中，主要集中在0Hz附近的一條接近直線的曲線上。目標在 時頻平面上表現為一塊較集中的連通區域，并且能量較高。如何從目標和雜波時 頻圖的連通區域的差異中提取到用于檢測目標的特征是目標檢測的重點。基于時 頻圖連通區域的特征提取問題又可細化到圖像分割的問題。傳統的圖像分割算法 如閾值分割算法是通過一個或多個閾值將圖像的灰度直方圖分成及各類，認為圖 像中灰度值在同一類的像素屬于同一物體。由于是直接利用圖像的灰度特性，因 此計算簡單。然而這種方法只考慮像素本身的灰度，一般不考慮空間特征，因 此對噪聲很敏感，同時閾值的選擇也是一個關鍵和難點。再如基于數學形態學的 算法，利用一個稱為結構元素的探針來收集圖像的信息，通過探針在圖像上的不 斷移動來了解圖像的結構特征，因而定位效果好。然而在進行圖像處理后，依然 存在大量與目標不符的短線和孤立點，同時結構元素的選擇也直接影響分割效果。

發明內容

本發明的目的是提供一種基于連通區域特征的海面漂浮小目標檢測方法， 通過U-Net神經網絡智能提取連通區域特征來達到區別海雜波與目標的效果，以 提高對海面漂浮小目標的檢測性能，滿足雷達對海搜索的要求。

本發明采用的技術方案為：

步驟1)構造U-Net網絡

U-Net網絡由卷積層、池化層和正則化層重復拼接而成，使用ReLU激活函 數處理卷積層輸出，卷積核大小設置為3×3×n_f，并且每次下采樣核個數n_f加 倍，每次上采樣核個數n_f減半；

步驟2)制作U-Net網絡訓練數據集