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

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。