1.一种基于伴方差修正模型的海洋目标特征提取方法,其特征在于,构建OceanTD深度学习模型,基于OceanTD深度学习模型对海洋目标特征进行初步检测,然后提出一种伴方差修正模型,基于伴方差修正模型使用CFAR算法提取海洋目标特征,并对提取的海洋目标特征作可视化处理。
2.根据权利要求1所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,所述伴方差修正模型对对数逻辑分布函数进行方差修正,具体公式为:式中,x∈[0,+∞],是像素值;α>0,是尺度参数;β>2,是形状参数;ε∈[0,1],是修正参数。
3.根据权利要求1所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,基于伴方差修正模型采用CFAR算法提取海洋目标特征的具体方法为:(1)调用初步检测的结果,以疑似目标为中心点构建窗口;
(2)提取(1)中窗口中不是疑似目标的次数最多的单元影像;
(3)筛选(2)中提取的单元影像;
(4)绘制像素数组的直方图,提取直方图中,最小像素值到最大像素值间的有效像素及有效像素对应的频数,将提取的有效像素及其频数作为拟合数据,将拟合数据保存到拟合数组中;
(5)调用伴方差修正模型拟合(4)中的拟合数组,求出拟合曲线的α、β、ε参数值并计算拟合优度;
(6)计算拟合曲线有效像素的积分,当积分值达到阈值时,输出临界像素Xtb,否则重新计算积分直至达到阈值;
(7)以像素值大于Xtb的像素值作为检测条件,检测(1)中窗口中的影像,将疑似目标保存到疑似目标数组中,聚簇疑似目标像素,保存各个目标簇的参数;
(8)当目标簇在坐标轴上的长度、宽度及纵横比满足目标簇阈值时,对目标簇进行直线拟合和椭圆拟合,提取目标簇的实际长度、实际宽度、实际纵横比和像素值;
满足实际长度、实际宽度、实际纵横比的目标簇的相应参数即为提取的目标参数。
4.根据权利要求1所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,具体为:
S1.确定海洋目标特征提取的研究区域,获得研究区域的SAR数据;
S2.基于OceanTD深度学习模型对海洋目标特征进行初步检测,生成疑似目标和背景;
标记SAR数据中每个单元影像经所有检测后不是疑似目标的次数;
通过疑似目标直方图和背景直方图分析概率密度分布的长尾特征;
S3.在具有长尾特征的概率分布模型中,选择用于拟合修正SAR数据的最佳概率分布模型;
S4.根据最佳概率分布模型构建伴方差修正模型;
S5.基于伴方差修正模型使用CFAR算法提取海洋目标特征;
S6.对提取的海洋目标特征作可视化处理;
S7.完成基于伴方差修正模型的海洋目标特征提取。
5.根据权利要求3所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,筛选(2)中提取的单元影像包括:若不存在所有检测次数中都不是疑似目标的影像,则对窗口中的每个影像作分割,然后对分割后的影像重新检测,直到出现检测结果为非疑似目标的影像并对该影像重新执行筛选(2)中提取的单元影像;
若存在所有检测次数中都不是疑似目标的影像,则将单元影像的像素值保存到像素数组中。
6.根据权利要求3所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,拟合曲线有效像素的积分计算公式为: 当积分值达到阈值时,输出临界像素Xtb。
7.根据权利要求4所述的基于伴方差修正模型的海洋目标特征提取方法,其特征在于,采用基于LogLogistic分布作为S4中的最佳概率分布模型,然后构建伴方差修正模型,基于伴方差修正模型使用CFAR算法提取海洋目标特征。