摘要
舰船是专属经济区的主要活动对象，对进入我国专属经济区的舰船进行监测，维护我国海洋权益具有重要意义。在舰船目标监测方面，合成孔径雷达（SAR）因其全天时、全天候等优点，已被证明是一种有效的手段，一直以来受到广泛的关注。 恒虚警率（CFAR）检测算法作为常用的SAR图像舰船目标检测算法，具有良好的性能和稳健性，但依赖于所选背景模型的准确性。在低分辨率SAR图像中，SAR图像的海杂波统计特性符合中心极限定理，可以对SAR图像海洋背景杂波建立合适的分布模型，而在高分辨率SAR图像中不再适用，急需发展适合高分辨率SAR图像的检测算法。 目前已有研究者提出了基于模糊C均值聚类的检测算法，该算法设置参数少，无需人工干预，且能够较好的保持舰船轮廓。但是对高分辨大尺寸SAR图像进行舰船目标检测时，由于样本数据大，聚类时间过长。针对这一问题，本文将使用编译器优化、OpenMP并行和CUDA并行技术优化算法，缩短聚类、检测时间。其中，在CUDA并行优化时，利用高速的共享内存，合理设置线程块和线程数等参数，大大提高了GPU的计算效率，提速约40倍。 此外，在统计学中，箱线图方法常用于检测数据中远离中位数的异常点，在异常点检测中具有一定优势，能够应用于各种分布的数据。基于此特性，本文首次提出将箱线图方法应用到SAR图像舰船目标检测中，提案了两个检测算法： （1）基于滑动窗口的箱线图检测算法，该算法首先使用箱线图方法筛选SAR图像中偏离中位数的像素值，视作可能的舰船目标点；然后使用两个滑动局部窗口，目标窗口和背景窗口，针对可能的舰船目标进行判别。 （2）箱线图与双参数CFAR相结合的检测算法，该算法同样使用箱线图方法筛选可能的舰船目标点，然后使用双参数CFAR检测算法进行检测。 实验结果表明，两种提案算法从检测时间和检测效果来看，都具有很好的应用前景。
NETL