Method for Fitting K-Distributed Probability Density Function to Ocean Pixels in Dual-Polarization SAR

Abstract

This article presents a novel method using a closed-form solution derived from the first, second and third moments to estimate the parameters of K-distribution probability density function (PDF) and its applications to ship detection using dual-polarization synthetic aperture radar (SAR) data. Two key parameters which define a K-distribution PDF, equivalent number of independent looks (ENIL, L) and order parameter (ν), can be simultaneously estimated. The derivation has been provided and the applications to ship detection have been described with emphasis on K-distribution function to model ocean samples from a combined dual-polarization system for ship detection. This method along with its applications to ship detection has been thoroughly evaluated with RADARSAT-2 data. This article also presents the knowledge-based target discrimination methods to reduce false alarms when detection is applied to the ocean environment in the presence of sea ice. The detection results were evaluated using the Automatic Identification System (AIS) data.

RÉSUMÉ Le présent document porte sur une nouvelle méthode reposant sur l’utilisation d’une solution analytique issue des 1^er, 2^e et 3^e moments pour estimer les paramètres d’une fonction de densité de probabilité (FDP) à distribution k, ainsi que ses applications en matière de détection de navire, au moyen de données de radar à synthèse d’ouverture/à polarisation double. On peut estimer simultanément deux paramètres clés selon lesquels la FDP à distribution k est définie, soit un nombre équivalent de points de vue indépendants (ENIL, L) et un paramètre d’ordre (ν). La fonction dérivée est présentée et les applications en matière de détection de navire, décrites en mettant l’accent sur l’utilisation d’une fonction à distribution k pour modéliser des échantillons océaniques avec un systéme à polarisation double de détection de navire. La méthode décrite et ses applications sur le plan de la détection de navire ont été évaluées de manière approfondie à l’aide de données de RADARSAT-2. Le présent article porte aussi sur des méthodes de distinction de cible fondées sur des connaissances et destinées à réduire le nombre de fausses alertes, lorsque la détection est appliquée à un milieu océanique comportant de la glace marine. Les résultats de détection ont été évalués d’après des données du systéme d'identification automatique (AIS)

Acknowledgment

The author thanks the reviewers for the constructive comments to improve the quality of this manuscript, Dr P.W. Vachon for scientific discussions, Mr. N. Sandirasegaram for providing detection performance analysis tool and validation data and Mr. J. Wolfe for processing AIS data and data format conversion tools.