Fisher纹理分布下基于匹配滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达(PolSAR)图像恒虚警(CFAR)检测方法中,存在着高分辨下杂波模型适用性差的难题。为此提出了一种Fisher分布下的CFAR检测方法,并定义虚警损失率(CFAR Loss,CL)以量化评估算法的恒虚警保持性能.首先,在乘积模型框架下引入Fisher纹理变量,推导出了多视极化匹配滤波(Multi-look Polarization Matched Filter,MPMF)检测量的概率密度函数(PDF).然后,对PDF积分得到了虚警概率的闭合解析式,并设计了CFAR检测流程.仿真数据和机载合成孔径雷达(Airborne SAR,AIRSAR)数据实验结果表明,与基于K分布、G0分布、Wishart分布的CFAR检测算法以及双参数恒虚警(two-Parameter CFAR,2P-CFAR)算法相比,新方法具有良好的恒虚警保持性能和检测性能,具有较强的鲁棒性,且运算时间未明显增加,相比于其他检测方法,品质因数(Figure of Merit,FoM)平均高出12.80%.

K分布下极化SAR图像CFAR检测新方法

在极化合成孔径雷达(PolSAR)图像杂波服从K分布下,已有的基于多视极化白化滤波器(MPWF)的恒虚警(CFAR)检测方法不适用于等效视数为非整数情形.针对此问题,提出了一种具有解析虚警概率表达式的CFAR检测方法.在乘积模型下引入Gamma分布纹理变量后,对MPWF检测量的概率密度函数(PDF)积分得到其累积分布函数(CDF),进而得到虚警概率关于检测门限的解析形式.仿真实验结果表明新方法良好的虚警拟合效果,此外在目标杂波比(TCR)较大时,新方法检测概率更高,反之,检测概率低于已有方法.需说明的是,目前K分布下多视极化匹配滤波(MPMF)检测方法的虚警概率表达式存在错误,因此对K分布下的MPMF检测方法进行了修正并推导出了正确的虚警表达式.