在现代海洋监测和军事应用中，合成孔径雷达（SAR）图像的船舶目标检测是一个关键技术。随着海洋活动的增加，准确、快速地识别和跟踪船舶目标变得尤为重要。然而，SAR图像中的杂波背景是复杂多变的，传统的参量型恒虚警率（CFAR）检测算法在面对不同星载平台的实际杂波背景时性能会显著下降。因此，如何提高在复杂背景下的船舶检测性能，成为当前研究领域亟待解决的问题。

在各种SAR图像船舶目标检测的方法中，应用最广泛、最有效的就是雷达目标CFAR检测技术。自20世纪80年代美国林肯实验室提出基于高斯分布的双参数CFAR检测方法以来，对于SAR图像舰船目标的检测，人们沿着参量型CFAR检测算法的这条路径已经过去了三十余年。这条路径的解决方式就是基于各种统计分布模型对SAR图像中的杂波进行建模，如假定 SAR 图像中杂波背景服从高斯分布、负指数分布、瑞利分布、K分布、alpha稳定分布、G0分布、对数正态分布、Gamma分布、混合瑞利分布等，再通过某种杂波样本的选择或剔除技术来估计统计分布的参数，从而设置检测阈值。但是，SAR图像中的海杂波是复杂多变的，当参量型CFAR检测算法所假定的统计分布与实际背景失配时，它们的检测性能就会恶化。同时，这类假定统计分布类型的参量型CFAR检测方法在统计分布模型变得复杂时还会面临计算量过大、难以实时实现的问题。如欧盟联合研究中心JRC开发的著名的SUMO船舶检测系统，它采用3参数的K分布对SAR图像海杂波背景进行建模。SUMO船舶检测系统的开发者称它在大多数实际应用时的虚警概率会比理论值过高，仍需要手动调整检测阈值以满足实际要求。我校承担的国家自然科学基金面上项目“基于非参数CFAR方法的SAR图像中舰船目标检测”独辟蹊径、提出基于非参数CFAR检测的新方法对SAR图像中的舰船目标实施检测。该项目取得的相关研究成果已经发表在中国卓越行动计划中文领军期刊2024年第9期《电子与信息学报》上，和2025年第18卷遥感领域顶级期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上。《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》是IEEE地球科学与遥感学会（GRSS）旗下四大权威学术刊物之一，主要关注遥感领域应用于陆地、海洋、大气和太空等方面的科学与工程的理论和技术，以及对相关信息的处理、解译和传播，该刊最新影响因子为4.7。所取得的研究成果主要体现在以下几个方面：

1.在各种参量型SAR图像舰船目标CFAR检测方法的分析与比较中，该领域的人们往往以理论虚警概率作为评估与比较的标准，本研究指出了这种方式的比较是不公平的。这是因为现代雷达系统中采用的CFAR检测技术需要在未知的、时变的和非均匀背景中将实际产生的虚警概率控制在一个较低的水平上，但是参量型CFAR检测方法的理论虚警概率往往与实际值存在巨大的差别、可以相差几个数量级。另外一方面，假定不同统计分布类型的参量型CFAR检测方法的检测阈值就是一个标量，一种参量型CFAR检测方法的检测阈值可以用假定另一种统计分布类型的参量型CFAR检测器近似得到，这样，它们就会得到相似的虚警性能。

2.由于虚警性能和检测性能是衡量雷达目标CFAR检测器性能的两个重要方面，本研究给出了新的对SAR图像舰船目标CFAR检测器的性能评估和分析的范式。首先，以实际虚警概率为准则对不同类型的CFAR方法在不同SAR图像杂波背景中虚警概率的控制能力进行评估，其次，在相同或相近的实际虚警概率下对不同类型的CFAR方法的检测概率进行比较。

3.提出了Wilcoxon非参数CFAR检测方法及一些改进的方法，开辟了对SAR图像舰船目标进行检测的新途径。本研究在Sentinel-1A、Radarsat-2、ICEYE-X6和我国Gaofen-3卫星实测数据上开展了实验，实验结果表明，Wilcoxon非参数CFAR检测方法在这些不同SAR图像杂波背景中具有良好的虚警概率控制能力。这是由于Wilcoxon非参数CFAR检测方法的虚警概率与SAR图像杂波背景的统计分布类型无关。

4.提出的Wilcoxon非参数CFAR检测方法对SAR图像舰船目标的检测性能得到了明显改善。对于具有强反射效应的中大型舰船目标，Wilcoxon非参数CFAR检测方法对于旁瓣效应引起的虚警具有明显的抑制作用。对于SAR图像中的弱目标，Wilcoxon非参数CFAR检测方法的检测概率相对于其他类型CFAR检测方法得到了显著的提高。这是由于Wilcoxon非参数CFAR检测方法充分利用了高分辨雷达下舰船目标的空间分布特性。

5.提出的Wilcoxon非参数CFAR检测方法在硬件实现方面具有优势。由于它的虚警概率不依赖于SAR图像杂波背景的统计分布类型，它避免了参量型CFAR检测方法对统计分布参数估计所需要的复杂运算和难以实时实现的问题。它的实现只需要M*N+1个比较器和一个累加器，具有运算速度快、硬件实现简单的特点。

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，认为“相对于深度学习方法，不依赖于数据集，相对于传统参量型CFAR检测方法，不依赖于统计模型”，“The novelty is good enough and the results are satisfactory”等。互联网学术平台“论论”给出的评价“提出了一种基于Wilcoxon非参数CFAR技术的SAR图像船舶检测方法，有效解决了传统参数化CFAR检测器在复杂背景下的性能瓶颈问题。该方法不仅提高了船舶目标的检测精度，还增强了检测系统的鲁棒性。此外，Wilcoxon非参数检测器的快速检测能力和硬件实现的简便性，使其在实际应用中具有较高的实用价值。这一研究成果为SAR图像船舶检测技术的发展提供了新的思路和方法，有望在海洋监测、军事侦察等领域得到广泛应用”。

本项目的研究方案在2021年得到了国家自然科学基金面上项目经费的支持。经过大量的理论和实验研究，纠正了该领域人们在性能评价认识上的误区，给出了新的性能评估和比较的范式，所提出的新方法突破了传统参量型CFAR检测器的性能瓶颈，开辟了SAR图像舰船目标检测的新途径。它不仅显著提高了舰船目标的检测精度，在不同的星载平台SAR图像杂波背景中具有良好的虚警控制能力，且硬件实现简单、速度快。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”的主持人孟祥伟教授，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。孟祥伟教授长期担任国际权威刊物IEEE Trans. on Aerospace and Electronic Systems, IET Radar Sonar Navigation, Signal processing等期刊的审稿人，为国家自然科学基金评审专家。在IEEE Trans. on Aerospace and Electronic Systems, IET Radar Sonar Navigation，电子学报、电子信息学报等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多项课题，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各1项。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各一次，获总政治部军队院校育才奖“金奖”、“银奖”各一次。2021年被评为南山控股“科技创新标兵”。