基于虚警可控梯度提升树的海面小目标检测

来源：南京信息工程大学学报·自然科学版杂志2022年第3期北京时间：

作者：刘安邦，施赛楠，杨静，曹鼎

单位：刘安邦,南京信息工程大学 江苏省气象探测与信息处理重点实验室, 南京, 210044,施赛楠,南京信息工程大学 江苏省气象探测与信息处理重点实验室, 南京, 210044,snshi@nuist.edu.cn杨静,南京信息工程大学 江苏省气象探测与信息处理重点实验室, 南京, 210044,曹鼎,南京船舶雷达研究所, 南京, 210003

摘要：高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree,GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明:本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13％以上.

关键词：海杂波;小目标检测;梯度提升树;高维特征

基金资助：国家自然科学基金(61901224)