一种基于特征融合的海面小目标检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113671493A(43)申请公布日2021.11.19(21)申请号202110911280.1(22)申请日2021.08.09(71)申请人黑龙江工程学院地址150020黑龙江省哈尔滨市道外区东直路234号(72)发明人许聪刘海成王峥(74)专利代理机构广东中科华海知识产权代理有限公司44668代理人常洁(51)Int.Cl.G01S13/89(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于特征融合的海面小目标检测方法及系统(57)摘要本发明公开了一种基于特征融合的海面小目标检测方法，用于对海监视场景，包括如下步骤：步骤1，提取雷达序列的统计复杂性特征，得到雷达序列特征；步骤2，提取雷达图像的空间特征，得到雷达图像特征；步骤3，对所述步骤1的雷达序列特征和所述步骤2的雷达图像特征进行融合处理；步骤4，对所述步骤3的融合结果进行分类，利用分类算法得到相应的分类结果。与现有检测方法相比，本申请通过特征融合提高了检测性能，且大大减少了计算量。CN113671493ACN113671493A权利要求书1/2页1.一种基于特征融合的海面小目标检测方法，用于对海监视场景，其特征在于，包括如下步骤：步骤1，提取雷达序列的统计复杂性特征，得到雷达序列特征；步骤2，提取雷达图像的空间特征，得到雷达图像特征；步骤3，对所述步骤1的雷达序列特征和所述步骤2的雷达图像特征进行融合处理；步骤4，对所述步骤3的融合结果进行分类，利用分类算法得到相应的分类结果。2.如权利要求1所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述步骤1进一步包括：步骤101，对雷达序列做顺序模式转换；步骤102，构建转移图；步骤103，计算统计复杂度。3.如权利要求2所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述步骤101进一步包括：给出雷达序列其嵌入维数D和时延τ的时延嵌入表示形式为：其中，t＝1，2，…，N，N＝T‑(D‑1)τ，将映射到序号向量xt按照升序排列。4.如权利要求3所述的一种基于特征融合的海面小目标检测方法，其特征在于，将D和τ设置为D∈[3，10]和τ＝1。5.如权利要求1所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述步骤102进一步包括：将雷达序列与序列对应的估计值的分离度嵌入边权重之中，假设不含有目标，利用基于矩的估计算法得到海杂波的分布函数，计算雷达序列值与其估计值之间的Kolmogorov‑Smimov值，分别计算和的Kolmogorov‑Smirnov值之和，并将两个和值之差作为边权重，所得转移概率如下：其中，表示由序号向量到序号向量的转移概率，表示由序号向量到序号向量的边权值，表示所有边权值之和。6.如权利要求1所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述步骤103进一步包括：统计复杂性表征给定序列元素之间的联系和依赖性，其定义为其中，是统计复杂性特征，H(P)是归一化香农熵，Q(P，U)是不平衡因子，P是所有转移概率组成的集合，U是均匀分布，pl和ul分别是P和U集合中的元素，且为整数，2CN113671493A权利要求书2/2页且为整数，7.如权利要求1所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述步骤2进一步包括：步骤201，构建雷达图像，计算雷达距离角度测量图，如果测量值超过第一预设阈值，将所述测量值进行保留，如果所述测量值未达到第一预设阈值则设置为0，将多个距离角度图叠加后得到最终雷达图像；步骤202，计算空间特征，数学形态学操作符旨在提供有用的图像空间特征，这里应用了四种不同的运算符即腐蚀、膨胀、打开和关闭，并将圆形结构元素半径范围设置为{2，4，6}，使得每个像素包含大小为12的特征集。8.如权利要求7所述的一种基于特征融合的海面小目标检测方法，其特征在于，所述第一预设阈值与估计的海杂波均值相等。9.一种基于特征融合的海面小目标检测系统，用于对海监视场景，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一所述方法的步骤。3CN113671493A说明书1/6页一种基于特征融合的海面小目标检测方法及系统技术领域[0001]本发明涉及雷达检测技术领域，尤其涉及一种基于特征融合的海面小目标检测方法及系统。背景技术[0002]海面小目标检测是对海监视中亟待解决的一项难题。现有检测方法可以大体分为两类：一类是基于雷达观测序列的，另一类是基于雷