一种基于多极化散射机理的极化SAR图像舰船目标检测方法

来源：电子与信息学报杂志2017年第1期北京时间：

作者：文伟, 曹雪菲, 张学峰, 陈渤, 王英华, 刘宏伟

摘要：针对基于单一极化特性增强的极化SAR图像目标检测方法的缺陷，该文将DP(Dirichlet Process)混合隐变量SVM模型(DPLVSVM)应用于极化SAR图像舰船目标检测，提出一种基于多极化散射机理的检测方法。该方法通过联合Dirichlet过程混合与Bayes SVM模型，将信号空间划分成若干局部区域，然后在每一局部区域学习一个独立的极化检测器，并将各局部检测器进行组合实现全局多极化散射机理的目标检测。模型采用非参数化Bayes方法自动确定局部区域数量，在完全Bayes框架下，将局部区域划分及检测器学习进行联合优化，保证了各局部区域样本的可分性。另外，为了降低极化特征冗余，该文进一步提出带特征选择功能的稀疏提升DP混合隐变量SVM模型(SPDPLVSVM)，提高模型的推广能力。该模型由于采用共轭先验分布，因而可以利用Gibbs采样方法进行高效求解。在RADARSAT-2数据上进行的实验验证了所提方法的有效性。

关键词：极化SAR, 目标检测, Dirichlet过程混合模型, Bayes SVM, 特征选择

基金资助：国家杰出青年科学基金(61525105)，国家自然科学基金(61201292, 61322103, 61372132)，全国优秀博士学位论文作者专项资金(FANEDD-201156)，陕西省自然科学基础研究计划(2016JQ- 6048)，航空科学基金(20142081009)和航空电子系统射频综合方针航空科技重点实验室基金联合资助，上海航天科技创新基金(SAST- 2015009)