基于多尺寸特征叠加的SAR 舰船目标检测方法

魏松杰，张泽栋†，徐臻，刘梅林，陈伟

（1.南京理工大学计算机科学与工程学院，江苏南京 210094；2.上海交通大学航天学院，上海 200240；3.上海卫星工程研究所，上海 200240）

舰船目标检测在海洋监测和国土安全领域的作用愈发重要，包括海事安全、海上交通、海洋污染防治和边境管制方面具有较为广泛的应用[1].合成孔径雷达（Synthetic Aperture Radar，SAR）通过保证相参性的脉冲发射信号，具有较高的分辨率，可以全天时、全天候工作，自问世以来，就在民用遥感、测绘和军事目标探测领域展现出优秀的能力[2]，随着海洋船舶技术的发展，Sentinel-1、ERS 系列和高分系列等卫星相继出现，基于SAR 图像的舰船目标检测应用场景和应用效果不断扩展提高.

恒虚警处理（CFAR）可以对潜在的舰船区域进行提取，通过既定的检测方法确定阈值，输入信号中根据阈值确定像素是否为目标像素，为保持虚警的概率，阈值会根据输入中的噪声以适当的规则保持恒定，并降低噪声、杂波等干扰对虚警率的影响.针对目标运动时的距离分量导致方位偏移问题，文献[3]通过线性积分和长度归一化技术，将线性特征转化为点特征来构建概率模型实现CFAR 检测.文献[4]提出了一种基于非对称映射和选择性滤波方法的自适应阈值单元平均恒虚警率船舶检测算法，实验证明使用所提出的过滤步骤可以降低虚警率，且不降低检测率.

计算机视觉领域的优秀目标检测与框架不断推陈出新，基于深度学习的目标检测技术已经逐渐代替……