1、海雜波背景下的目標(biāo)檢測(cè)技術(shù)已經(jīng)在軍事和民用領(lǐng)域得到廣泛應(yīng)用。雷達(dá)在對(duì)海模式下工作時(shí)，掃描場(chǎng)景復(fù)雜且大，雷達(dá)回波中往往包含著各種類型的雜波，包括海雜波、地雜波、島礁雜波、近海雜波等。地雜波和島礁雜波回波強(qiáng)度較強(qiáng)，嚴(yán)重影響著海雜波背景下的目標(biāo)檢測(cè)，因此，海面目標(biāo)檢測(cè)前對(duì)雜波場(chǎng)景進(jìn)行海-陸分割是必須的預(yù)處理，處理結(jié)果的質(zhì)量將直接影響著后續(xù)海面目標(biāo)檢測(cè)的性能。
　　陸海雜波場(chǎng)景分割是在分析雷達(dá)回波數(shù)據(jù)的基礎(chǔ)上對(duì)雜波場(chǎng)景進(jìn)行分割。不同于傳統(tǒng)

2、的圖像分割，雷達(dá)雜波場(chǎng)景的分割包括了轉(zhuǎn)化雷達(dá)數(shù)據(jù)成灰度圖像和灰度圖像分割兩部分。圖像分割就是將圖像分成不同的區(qū)域并從中提取出自己感興趣目標(biāo)的技術(shù)和過程。經(jīng)典的圖像分割方法包括三類：基于閾值的圖像分割方法、基于區(qū)域的圖像分割方法、基于邊緣的圖像分割方法?；陂撝档膱D像分割方法是根據(jù)圖像中目標(biāo)與背景在灰度上的差異選取一個(gè)合適的灰度值作為閾值，然后以此閾值進(jìn)行圖像分割。該類方法算法簡(jiǎn)單，運(yùn)算快速，通常被用于獲取圖像的粗分割?；趨^(qū)域的分割方法

3、利用圖像區(qū)域的相似性來(lái)對(duì)圖像進(jìn)行區(qū)域分割。它首先將圖像劃分成小尺寸的子區(qū)域，每個(gè)子區(qū)域中的像素被認(rèn)為具有相同的特性，然后將具有相同特征的子區(qū)域合并成大尺寸的區(qū)域得到圖像的一個(gè)分割?；谶吘壍膱D像分割方法一般由邊緣抽取、邊緣連接和區(qū)域標(biāo)識(shí)三個(gè)模塊構(gòu)成。它通過邊緣檢測(cè)得到圖像的邊緣點(diǎn)，然后將得到的邊緣點(diǎn)通過一些方法進(jìn)行邊緣連接形成區(qū)域并對(duì)區(qū)域進(jìn)行標(biāo)識(shí)從而實(shí)現(xiàn)圖像分割。除了這三類典型的方法外，還有很多方法混合了多種方法的特點(diǎn)，如基于數(shù)學(xué)形態(tài)學(xué)

4、的圖像分割方法、基于小波理論的圖像分割方法、基于遺傳算法的圖像分割方法、基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法等。雷達(dá)的陸海雜波場(chǎng)景常常由106以上的距離-方位分辨單元構(gòu)成，因此，快速和實(shí)時(shí)的場(chǎng)景分割對(duì)雷達(dá)應(yīng)用是至關(guān)重要的。在論文中，一個(gè)分辨單元的雷達(dá)回波的線性度被引入去轉(zhuǎn)化雷達(dá)數(shù)據(jù)成一幅灰度圖像，然后閾值處理和數(shù)學(xué)形態(tài)學(xué)濾波被用于實(shí)現(xiàn)該灰度圖像的快速分割。
　　雷達(dá)對(duì)海工作時(shí)，在一個(gè)波位發(fā)射脈沖數(shù)一般在10個(gè)以內(nèi)，脈沖回波序列的相位很容易計(jì)

5、算。每個(gè)分辨單元雷達(dá)回波相位序列的線性度構(gòu)成了一幅場(chǎng)景的灰度圖像。其中小的灰度值常常標(biāo)識(shí)了陸地或島礁區(qū)域的分辨單元，因?yàn)檫@些單元雷達(dá)回波具有很窄的多普勒帶寬。大的灰度值意味著海洋區(qū)域的分辨單元，因?yàn)楹ｋs波具有相對(duì)大的多普勒帶寬。按照單元相位線性度分析，閾值處理應(yīng)用到灰度圖像上去獲得場(chǎng)景的一個(gè)粗分割。進(jìn)一步考慮到陸地和海洋區(qū)域的連通性，數(shù)學(xué)形態(tài)學(xué)濾波被應(yīng)用到粗分割上獲得最終的雜波場(chǎng)景分割。歸功于線性、閾值、形態(tài)學(xué)濾波的快速性，提出的方法能