周 正 崔宗勇 曹宗杰 杨建宇

(电子科技大学信息与通信工程学院 成都 611731)

1 引言

合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动式的微波遥感系统，它能够在全天候及复杂环境条件下获取高分辨率的SAR图像。GF-3,RadarSat-2,TerraSAR-X及Sentinel-1等星载高分辨率SAR的迅速发展，使得SAR在军事和民用领域发挥着重要作用。SAR图像往往存在着多尺度目标，也存在着尺度比例相差巨大的目标，比如机场目标、飞机目标、舰船目标和车辆目标等。然而，目前存在的SAR图像多尺度目标检测方法并不多，大致分为3种类型[1]：(1)基于恒虚警率(Constant False Alarm Rate,CFAR)的检测算法；(2)基于显著性的检测算法；(3)基于深度学习的检测算法。但是检测效果并不好，存在一定的漏检和虚警。因此，针对SAR图像中多尺度目标检测，提出一种高效率、高准确率的多尺度目标检测方法对陆地侦察、军事情报获取和海洋管理等方面具有重要意义。

传统的SAR图像目标检测主要以CFAR算法为例，绝大多数CFAR算法基于局部滑窗对SAR图像进行逐像素检测，SAR图像中的每一个像素多次参与了滑窗运算，致使算法的计算速度普遍不高。但是随着高分辨率SAR图像的出现，多尺度目标周围往往伴随着复杂的地物干扰和纹理场景，也造成了大场景SAR图像中大量背景杂波像素处的计算费时过多。为了解决SAR图像中多尺度目标检测问题，一些学者提出了很多改进的CFAR目标检测算法，比如迭代式的CFAR目标检测算法[2]、基于改进的超像素CFAR目标检测算法[3]、基于变尺度滑窗目标检测算法[4]。为了获取到更多的目标信息，消除相干斑噪声的影响，Li等人[3]提出了一种用于目标超像素检测的两阶段CFAR检测算法，对简单场景下舰船检测效果较好，对尺度相差较大的不同目标检测结果较差。……