艾加秋 曹振翔 毛宇翔 汪章怀 王非凡 金 兢

①(合肥工业大学计算机与信息学院 合肥 230009)

②(合肥工业大学智能互联系统安徽省实验室 合肥 230009)

1 引言

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种能够对陆地和海洋进行全天时、全天候监测的有源雷达。与光学图像相比，SAR图像受时间和环境因素的影响较小。因此，它们更加适合用于舰船目标的检测与识别[1–5]。SAR自动目标识别(Automatic Target Recognition,ATR)系统主要包括预处理、预筛选、识别和分类等几个模块[6]。其中，预处理模块主要就是通过几何校正、噪声滤除和多视处理等操作为后续的模块提供高质量的SAR图像；预筛选模块主要是从广阔的海洋场景中尽可能地提取感兴趣的目标，并将干扰目标去除；而识别和分类模块主要是通过特征提取、目标分类等操作，对目标感兴趣区域(Region Of Interest,ROI)进行处理，并最终得到舰船目标的型号、大小和类别等信息。而在它们当中，有效的预筛选有助于在后续操作中节省大量的算力和时间，是十分重要的一环[7,8]。而在预筛选模块中，基于恒虚警率(Constant False Alarm Rate,CFAR)的舰船目标检测算法的应用最为广泛。目前，海面舰船目标检测主要存在两个方面的难点：一是在复杂场景下(例如旁瓣、方位模糊、幻影、防波堤、强相干斑噪声和多目标环境等[9])对目标进行精确高效的检测比较困难；二是对受到自身的散射特性、环境和雷达设备参数等影响的弱目标的检测存在明显的性能瓶颈。本文将分别从这两个方面展开分析。

几十年来，经过各国科研人员的不懈努力，许多经典的CFAR检测器被提出。……