烟台南山学院国家自然科学基金项目取得重大突破

近日,烟台南山学院孟祥伟教授团队在国家自然科学基金项目“基于非参数CFAR方法的SAR图像中舰船目标检测”中取得突破性进展。该研究创新性提出Wilcoxon非参数恒虚警率检测方法,成功攻克合成孔径雷达(SAR)图像复杂背景下的船舶检测技术瓶颈,相关成果已发表于《电子与信息学报》及国际遥感领域顶级期刊《IEEE应用地球观测与遥感精选期刊》,标志着我国在该领域的研究达到国际先进水平。

作为现代海洋监测与军事侦察的核心技术,SAR图像船舶检测面临着复杂海杂波干扰的长期挑战。传统参量型CFAR检测方法基于统计分布建模,存在模型失配导致性能骤降、计算复杂度高等问题。自20世纪80年代美国林肯实验室首创双参数CFAR检测方法以来,全球科研机构虽提出多种统计模型改进方案,但始终未能突破理论虚警概率与实际值偏差悬殊、检测效率受限等根本性难题。

历经三年攻关,孟祥伟教授团队独辟蹊径构建非参数检测体系,取得三大创新突破。首先,研究团队首次建立“实际虚警概率”评估新范式,颠覆了沿用30余年的理论虚警概率评价体系。通过实证分析指出,传统方法在复杂背景下理论虚警概率与实际值可相差多个数量级,这一发现为该领域性能评估确立了新标准。

其次,团队创新提出的Wilcoxon非参数CFAR检测方法,实现了检测精度与效率的双提升。该方法突破统计模型依赖,基于目标空间分布特性建立检测机制,在Sentinel-1A、Radarsat-2等国内外多型卫星实测数据验证中,对不同星载平台海况的虚警抑制率提升40%,弱舰船目标检测概率提高35%。尤其在处理我国高分三号卫星数据时,展现出对复杂海况的卓越适应能力。

技术实现层面,该方法仅需M*N+1个比较器与累加器即可完成运算,硬件成本较传统方案降低60%,检测速度提升2倍以上。这一突破不仅解决了参量型方法实时性差的行业痛点,更为星载设备的轻量化设计开辟了新路径。

这些研究成果在论文送审的过程中得到了国内外同行专家的高度评价。IEEE会士评价该成果“创新性突出且结果令人满意”,学术平台“论论”指出其“有效突破传统检测器性能瓶颈,为海洋监测与军事侦察提供革命性解决方案”。值得关注的是,该方法不依赖深度学习所需的海量标注数据,在实战环境更具应用优势。

该项目主持人孟祥伟教授,于2018年12月来到烟台南山学院工作,被聘为“南山学者”岗位。孟祥伟教授在雷达目标CFAR检测领域进行了长达30年的研究,具有深厚的研究基础和丰富的研究成果。他长期担任国际权威刊物审稿人,为国家自然科学基金评审专家;在国内外重要期刊和会议上发表学术论文90余篇,其中被SCI、EI收录70余篇;主持了国家自然科学基金面上项目、总装预研课题、雷达信号处理国家重点实验室基金等课题,作为主要完成人获军队科技进步一等奖、国家科技进步二等奖;以第一完成人获海军优秀课程一等奖和海军优秀教材一等奖,获军队院校育才奖“金奖”“银奖”。团队依托烟台南山学院省级重点实验室平台,构建起“基础研究-技术突破-工程应用”的完整创新链条。

此项突破标志着我国在SAR智能解译领域实现从“跟跑”到“并跑”的重要跨越。随着技术成果的推广应用,将显著提升我国海洋权益维护、海上搜救等重大需求的技术支撑能力,为智慧海洋建设注入新动能。目前,研究团队正与相关单位推进技术转化,预期在海洋环境监测、舰船自动识别等领域形成系列自主可控的技术装备。