基于SVM的高分辨率SAR图像舰船目标检测算法

doi:10.11873/j.issn.1004-0323.2018.1.0119

遥感技术与应用

数据与图像处理

基于SVM的高分辨率SAR图像舰船目标检测算法

熊伟，徐永力，姚力波，崔亚奇

（海军航空工程学院信息融合研究所，山东烟台 264001）

A New Ship Target Detection Algorithm based on SVMin High Resolution SAR Images

Xiong Wei，Xu Yongli，Yao Libo，Cui Yaqi

(Institute of Information Fusion，Naval Aeronautical and Astronautical University，Yantai 264001，China)

全文: PDF(5176 KB)

摘要：

针对高分辨率合成孔径雷达(SAR)图像舰船检测对检测精度、智能化水平、实时性和处理效率的要求，在研究了高分辨率SAR图像海洋背景和目标特点的基础上，提出了一种基于支持向量机的高分辨率SAR图像舰船目标检测算法。算法首先设计了一个对分块区域进行线下训练的支持向量机(SVM)分类器对SAR图像分块进行舰船目标区域筛选，进而实现对包含不同观测部分的舰船目标分块的筛选，之后对筛选出的舰船目标区域进行最大熵阈值(KSW)算法进行舰船目标精细检测。采用TerraSAR-X等多幅商业卫星数据进行了实验验证，通过与经典CFAR检测算法的对比得出结论，算法在改善了由斑点噪声和海洋杂波背景不均匀导致检测结果产生大量虚警的同时，检测速度也较之提高了20%~35%。

关键词： 合成孔径雷达图像; 舰船目标检测; 支持向量机; 最大熵阈值算法; 快速算法

Abstract: The characteristics of ocean background and target in the high resolution synthetic aperture radar (SAR) images are analyzed.Aiming at the requirements of ship detection in high-resolution synthetic aperture radar (SAR) image，the detection accuracy，intelligence level，real-time and processing efficiency，we put forward a high resolution SAR images ship detection algorithm based on support vector machine.The algorithm designs a pre-training support vector machine (SVM) classifier and complete the screening of the ship target block area，then the algorithm of optimal entropy thresholds proposed by Kapur，Sahoo，Wong(KSW) will be used on the target area selected for fine detection of ship targets.In this paper，several commercial satellite data，such as TerraSAR-X，are used to verify the experiment.Comparing with the classical CFAR detection algorithm，Experimental results show that the algorithm can improve the false alarm caused by the speckle noise and ocean clutter background inhomogeneity.At the same time，the detection speed is also increased by 20% to 35%.

Key words: Synthetic Aperture Radar(SAR)；Ship target detection；Support Vector Machine(SVM)；KSW fast algorithm

收稿日期: 2016-12-19 出版日期: 2018-03-16

TP 75

基金资助: 国家自然科学基金项目“空间信息网络对海上目标连续观测基础理论与关键技术”（42511133N）。

作者简介: 熊伟（1977-），男，江西南昌人，博士，教授，主要从事信息融合、雷达情报处理研究。E-mail:xuylhhu@163.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	熊伟
	徐永力
	姚力波
	崔亚奇

引用本文:

熊伟，徐永力，姚力波，崔亚奇. 基于SVM的高分辨率SAR图像舰船目标检测算法[J]. 遥感技术与应用, 10.11873/j.issn.1004-0323.2018.1.0119.

Xiong Wei，Xu Yongli，Yao Libo，Cui Yaqi. A New Ship Target Detection Algorithm based on SVMin High Resolution SAR Images. Remote Sensing Technology and Application, 10.11873/j.issn.1004-0323.2018.1.0119.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.1.0119 或 http://www.rsta.ac.cn/CN/Y2018/V33/I1/119

[1]	陈洋波，张涛，窦鹏，董礼明，陈华. 基于SVM的东莞市土地利用/覆被自动分类误差来源与后处理[J]. 遥感技术与应用, 2017, 32(5): 893-903.
[2]	史飞飞,高小红，杨灵玉，何林华，贾伟. 基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究[J]. 遥感技术与应用, 2017, 32(2): 206-217.
[3]	胡根生，吴问天，黄文江，梁栋，黄林生. 粒子群优化的最小二乘支持向量机在小麦白粉病监测中的应用[J]. 遥感技术与应用, 2017, 32(2): 299-304.
[4]	鲍蕊,夏俊士,薛朝辉,杜培军,车美琴. 基于形态学属性剖面的高光谱影像集成分类[J]. 遥感技术与应用, 2016, 31(4): 731-738.
[5]	林志垒,晏路明. 高光谱影像的BDT-SVM地物分类算法与应用[J]. 遥感技术与应用, 2016, 31(1): 177-185.
[6]	尹小君,张清,赵庆展,汪传建,宁川. 基于SVM的加工番茄细菌性斑点病氮素含量反演[J]. 遥感技术与应用, 2015, 30(3): 461-468.
[7]	周艳飞,张绘芳,李霞,杨帆,丁程锋. 基于高分辨遥感数据的胡杨与柽柳树冠提取[J]. 遥感技术与应用, 2015, 30(3): 510-517.
[8]	邹利东,郭航,朱秀芳,王艳艳,郑学昌,王建阔. 设施农业空间分布信息自动提取方法研究[J]. 遥感技术与应用, 2014, 29(4): 669-674.
[9]	周颂洋,谭琨,吴立新. 基于邻域距离ISOMAP算法的高光谱遥感降维算法[J]. 遥感技术与应用, 2014, 29(4): 695-700.
[10]	刘朝相,宫兆宁,赵文吉. 基于SVM模型的妫水河叶绿素a浓度的遥感反演[J]. 遥感技术与应用, 2014, 29(3): 419-427.
[11]	任俊英,苏彩霞,曹永锋. 基于中间层特征的全极化SAR监督地物分类[J]. 遥感技术与应用, 2014, 29(2): 330-337.
[12]	张汉奎,黄波,俞乐. SVM-RFE高光谱数据波段选择中核函数的研究[J]. 遥感技术与应用, 2013, 28(5): 747-752.
[13]	林娜,杨武年. 基于核最小噪声分离变换的高光谱遥感影像特征提取研究[J]. 遥感技术与应用, 2013, 28(2): 245-251.
[14]	赵慧,汪云甲. 影响ETM影像土地利用/覆盖分类精度因素的研究[J]. 遥感技术与应用, 2012, 27(4): 600-608.
[15]	丁胜锋,孙劲光,陈东莉,姜晓林. 基于模糊双支持向量机的遥感图像分类研究[J]. 遥感技术与应用, 2012, 27(3): 353-358.

Viewed

Full text

Abstract

Cited

Shared

Discussed