第38卷第1期 光电工程
Vol.38, No.1
2011年1月 Opto-Electronic Engineering
Jan, 2011
文章编号：1003-501X(2011)01-0117-10
基于多背景杂波分布模型的自适应CFAR检测
陈华杰，张 渝，林岳松
( 杭州电子科技大学 通信信息传输与融合技术国防重点学科实验室，杭州 310037 )
摘要：针对现有的CFAR(Constant False Alarm Rate，恒虚警)算法采用全局建模，在待检测的所有区域采用同种背
景杂波分布模型，导致使用的模型在不适应区域失配，使CFAR检测性能下降的现象，本文提出一种基于多背景
杂波分布模型的自适应CFAR检测算法。该方法根据背景区域的不同统计特性即统计方差和均值比来判断区域类
型，采用CFAR检测器自适应地根据区域类型选择相应的背景杂波分布模型，即在均匀区域采用高斯分布；在有
杂波边缘的区域，采用韦布尔分布以消除杂波边缘的影响；在有多目标干扰的区域采用G0
分布以排除干扰目标，
避免相邻目标的相互屏蔽效应。实验结果表明，此方法使检测结果得到明显提高。 关键词：CFAR；高斯分布；杂波边缘；韦布尔分布；多目标区域
中图分类号：TP751.1 文献标志码：A doi：10.3969/j.issn.1003-501X.2011.01.023
The Adaptive CFAR Detection Algorithm Based on the
Multiple Background Clutter Distribution Model
CHEN Hua-jie，ZHANG Yu，LIN Yue-song
( Communication Information Transmission and Information Fusion Defense Key Laboratory,
Hangzhou Dianzi University, Hangzhou 310037, China )
Abstract: Global modeling is adopted in existing Constant False Alarm Rate (CFAR) algorithms, and the same
distribution model is used which estimates the background clutter to detect the whole area. But practical ground covers
complex types, and different ground area has its most suitable backgrounds model. The used model is not fit in some
regional, making higher loss of CFAR, bringing down the test performance. So an algorithm is presented which judged
the areas according to the different characteristics of background, such as statistical variance and mean ratio. In this way,
CFAR detector could select the distribution model on the basis of the regional type automatically and get the best
detection results: that is, choosing Gaussian distribution in an uniform region. Weibull distribution is used to eliminate the
influence while in a clutter edge, and G0
distribution is used to eliminate the obstacles targets while in a multiple targets
interfering region, avoiding mutual shielding effects of adjacent targets.
Key words: CFAR; Gaussian distribution; clutter edge; Weibull distribution; multiple targets
0 引 言
基于SAR图像对特定目标的检测，对SAR图像更进一步的解译和理解是SAR应用的一个热点与难点。
只有从SAR图像中准确检测出目标才能对目标的特征进行深入分析，因此对SAR图像中的乘性噪声进行
有效抑制和目标的准确提取，一直是SAR图像处理的重要课题之一。
广泛应用的目标检测方法仍然以恒虚警方法(Constant False Alarm Rate, CFAR)为主，CFAR算法一般用
于检测海上舰船和陆上雷达站等相对于背景具有强散射特性的点目标，通过单个像素灰度和某一门限的比
收稿日期：2010-
07-23；收到修改稿日期：2010-09-03
基金项目：国家自然科学基金(60905016,60805013)；十一五国防预研基金
作者简介：陈华杰(1978-），男(汉族)，福建闽侯人。副教授，博士，主要研究方向：图像处理、模式识别。E-mail:chj247@hdu.edu.cn。 光电工程 2011年1月
118
较达到检测目标像素的目的。其步骤为：l) 确定杂波概率密度函数的统计模型；2) 估计杂波背景分布模型
的参数；3) 确定CFAR检测器阈值[1]
。
多年来，研究者们更多的在第1)、3)步对CFAR算法进行改进。在第1)步方面，研究者们致力于寻求
用一个较合理的数学模型来表示杂波幅度的概率分布特性，亦即雷达杂波模型。至今为止，提出的不同统
计分布模型有：林肯实验室在背景杂波服从高斯分布的假设条件下，推导出的双参数CFAR [2-3]
；Kuttikkad
提出的采用最大似然估计的Weibull分布和K分布[4]
；Salazar等提出的β′分布[5]
；Blacknell等提出的相关
高斯分布[6]
；Bucciarelli提出的最优CFAR检测[7]
等等。然而这些现有的统计分布并不能同时满足参数估计
简单，且有良好的杂波统计建模能力的要求。在第3)步方面，Rohing提出了将目标检测面临的背景杂波分
为典型的三类：均匀杂波背景；杂波边缘；多目标[8]
。为了适应这三种情况下的目标检测，各种不同的检
测器被研究学者们提出。CA-CFAR、OS-CFAR、GO-CFAR、SO-CFAR组成了四类基本CFAR检测器，后
续发展的检测器大多是这些检测器的组合或变体[9-10]
。著名的VI-CFAR(智能索引CFAR)就是将这四种检测
器融合在一起，在均匀和非均匀杂波背景中都能保持CFAR检测性能，但其缺点也很明显：1) 本文在实验
结果部分对该检测器效果进行了分析比较，结果证明此类检测器并不能在较低的虚警率下实现，影响了算
法的精度，增大了后续处理的计算量；2) 同时由于依然是对SAR图像单一建模，使得在不同区域适应背
景杂波分布不同的情况下，出现了模型失配的情况。
事实上，这两个研究方向都存在着相同的问题，即实际的检测局部滑窗可能面临种类多样的地物覆盖
类型，已有的统计模型，即便是建模能力最强的K分布，也不足以描述异质混合不均匀区域的统计特性，
会引起统计模型的失配。为了解决这个问题，应在检测前先判断检测像素所在区域所对应的适合背景杂波
分布模型。本文在深入分析基于不同统计分布模型的CFAR检测基础上，考虑到各种统计模型的优缺点，
提出对待检测图像混合建模，即通过索引值(统计方差和均值比)智能地判断目标所处的杂波环境，再根据
区域类型选择对应的杂波背景模型，最后采用CFAR检测器根据已知的p
f (恒虚警率)及选择的杂波概率密
度函数模型中的参数计算相应的判决门限T。
1 SAR图像地物类型区域判断
1.1 统计特征量选择
在对待检测像素所在区域进行判断时，首先将背景窗口中的样本数据划分为前沿窗口、后沿窗口以及
全窗口，然后通过比较2个子窗的统计特征量即统计方差VI和统计均值比MR来判断子窗的类型(同质区
域、杂波边缘区域、多目标干扰区域)。
1.1.1 统计方差
背景的变化程度一般以方差来衡量，但在SAR图像中，由于是乘性噪声模型，强度小的区域背景起伏
小，强度大的区域背景起伏大[11]
。单以方差不能准确表示背景变化程度，引入VI作为表示背景变化的指
数，它可以不依赖于背景强度的影响。VI是一个二次有序统计，设每个子窗中有n个像素单元，按式(1)
计算VI的值。
∑∑
∑∑
==
=−=−
⋅=
⋅⋅
=−
+=+=
n
iin
ii
n
iin
ii
k
XX
n
XnXn
XEXEXE
VI
1212
122121
222
22
)()(
)()(
)]([)]([)(
1
ˆˆ
1
μσ
(1)
将式(1)展开，得
22
122
)/()(
11
1
ˆˆ
1XXX
nVIn
iik−⋅
−+=+=∑
=μσ
(2)
1.1.2 统计均值比
均值比MR的定义为前后两个窗口的均值之比如式(3)所示：
21BF//XXXXMR== (3) 式中：∑
==n
iix
nX
1F1，∑
+=−=N
niix
nNX
1B1
分别表示前后两个窗口的杂波功率。
