一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

噪声干扰环境下SAR的目标检测能力分析

SAR的目标检测是指从SAR图像的背景杂波和干扰中检测目标，检测概率是衡量SAR目标检测能力的重要指标。通过计算噪声干扰环境下SAR的目标检测概率可以定量描述SAR的目标检测能力在噪声干扰环境下受削弱的程度。基于恒虚警检测技术，本文给出噪声干扰环境下SAR目标检测概率的计算方法，并对噪声干扰环境下SAR的目标检测能力进行了分析。     

非精确配准下SAR与光学机场图像的区域融合检测

针对SAR和光学两种异构传感器图像配准精度的局限性,提出一种新的分割方法及融合策略,最大限度地降低对配准精度的要求,提高了非精确配准下SAR和光学图像融合检测概率。首先对SAR和光学图像中的目标进行边缘和区域信息的提取,并以Ratio算子值为依据进行边缘连接,将图像分为有限个连通区域;然后通过模糊集判断进行两图像相近区域融合,以域内Ratio均值作为隶属度权值进行融合检测,在保证检测概率的前提下降低了虚警,获得了比单一传感器更精确、更完整的目标信息。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

基于方位不变性的SAR图像旋转体检测

针对复杂环境中微弱旋转体目标(如地雷等)检测的难题,提出了一种基于方位散射特征和局部对比度特征融合的检测算法。首先,对旋转体目标特性进行了分析,进而利用子孔径SAR图像提取方位散射熵作为待检测特征。对全孔径SAR图像分别进行方位不变性检测和CFAR检测,并将检测结果相融合,得到最终检测结果。算法体现了利用目标先验知识辅助检测的思路,实测数据结果表明,该方法能够有效剔除原先在全孔径图像中无法剔除的杂波,有效降低检测的虚警率。     

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。     

基于多特征联合的高分辨率SAR图像机动目标快速获取

提出了一种高分辨率SAR图像机动目标快速获取方法.该方法首先利用SAR图像中的对比度信息采用CFAR检测以确定图像中潜在目标区域的位置,然后提取每一个潜在目标区域的尺寸特征、形状特征以及对比度特征进行基于投票机制的目标鉴别,从而滤除自然杂波虚警以及部分人造杂波虚警.实测数据的结果证明了该方法的有效性.     

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。     

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的“亮线”特征进行检测。与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势。最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性。     

一种面向机载SAR图像的目标检测算法

无人机合成孔径雷达(Synthetic Aperture Radar,SAR)图像在目标检测过程中存在噪点丰富、成像相对模糊等特点,容易造成目标初检测虚警较多。特征提取和虚警去除是实现SAR图像目标准确检测的重要途径。针对目标特征提取及虚警去除,提出了一种面向机载SAR图像的目标检测算法。该算法首先进行目标初检测,再基于特征,使用球面构造神经网络模型去除虚警,实现目标的精确检测。最后,基于实拍遥感SAR影像验证了算法的有效性。     

多波段SAR图像隐蔽和暴露目标标注

为了实现对场景的全面把握,为目标精确打击提供依据。文中提出并研究了多波段SAR图像中隐蔽和暴露目标的标注方法,该方法综合利用了基于决策级融合的多波段SAR图像目标检测和多波段SAR图像分类等方法。将该方法应用于P、L、X和Ku四个波段SAR图像,实现了对同一场景中的7辆卡车状态的标注。实验结果表明,该方法不但可以将场景中7辆卡车的隐蔽和暴露状态准确标注出来,而且能够准确显示目标原方位和姿态以及场景的细节特征,对目标攻击系统具有一定的辅助作用。     

基于目标相干性表征差异的多波段SAR相干变化检测方法

相干变化检测(Coherent Change Detection, CCD)利用变化前后SAR图像间的相位相干性检测场景中发生的微小变化。传统的CCD方法由于对目标探测尺度单一,难以区分场景中目标变化区域与低相干干扰区域。多波段SAR对目标进行多尺度探测,依据电磁波对目标的穿透特性、目标的结构特性以及目标发生的变化尺度形成不同的相干性表征。该文据此提出一种多波段CCD方法。该方法先分别获取各个波段的相干变化差异图,然后依据目标的多波段相干性表征使用改进的期望最大化(Expectation-Maximization, EM)算法对场景分类,接下来根据少量监督样本确定目标变化类别,最后用Dempster-Shafer (DS)证据理论处理,获取多波段融合相干变化差异图。该结果可有效排除各个单波段存在的低相干干扰,达到降低虚警概率的目的。该文采用变化前后的L波段与P波段重轨SAR数据进行方法验证,实验结果与指标参数证明了该方法的有效性与正确性。      

基于最优状态的多波段全极化SAR数据ML分类方法

该文描述了一种对多波段、全极化AIRSAR图像中的地物目标进行分类的最大似然(ML)分类算法。该算法的特点是利用极化SAR图像的最优状态进行分类。本文描述了最优状态的搜索算法和地貌分类算法,并利用美国AIRSAR获得的多波段(P,L和C)、全极化图像数据对本算法进行检验。与利用单波段、单极化图像数据得到的分类结果相比,本文提出的基于最优状态的分类算法可以显著地提高分类精度。     

机载多维度SAR航空观测系统实验初步进展

随着合成孔径雷达(SAR)技术的发展,从极化、频率、角度和时相等多个维度空间联合观测成为SAR发展的重要趋势,但维度联合观测的系统与实验少有报道。该文概要介绍了机载多维度SAR(MSJosSAR)航空观测系统的能力,归纳总结了该系统的技术特点。提出多维度SAR一致性成像方法,实现多波段成像后的配准精度优于1个像元。分析了多波段极化角度特征谱、多方位角层析3维结构重建、多时相相干变化检测等3种SAR多维观测量的初步实验结果,验证了系统的多维观测能力。     

用多频带能量分布检测低信噪比声音事件

该文针对低信噪比噪声环境下的声音事件检测问题,提出基于多频带能量分布图离散余弦变换的声音事件检测的方法。首先,将声音数据转化为gammatone频谱,并计算其多频带能量分布;接着,对多频带能量分布图进行8×8分块与离散余弦变换;然后,对8×8的离散余弦变换系数进行Zigzag扫描,抽取离散余弦变换系数的主要系数作为声音事件的特征;最后,利用随机森林分类器对特征建模与检测。实验结果表明,在低信噪比及各种噪声环境下,该文提出的方法具有良好的检测效果。     

多通道MTI系统的幅相均衡技术

多通道接收技术在大测绘带、高分辨率SAR、GMTI、InSAR、多波段及多极化SAR中获得了广泛应用。在地面动目标检测时,由于多通道GMTI的最小可检测速度（MDV）要比单通道的MDV小,因此多通道GMTI是人们推崇的方案,但对多通道GMTI而言,必须解决多通道接收宽带信号系统的通道均衡问题,否则会降低系统的杂波抑制性能。针对这一问题,给出了一种适用于多通道接收GMTI系统通道校正的实现框图和基于FFT的校正方法,通过对三通道接收GMTI系统实测数据的处理,验证了该方法的有效性。     

基于形态学与多尺度空间聚类的SAR图像变化检测方法研究

介绍了一种形态学模型(morphological profile,MP)工具,这种工具运用在合 成孔径雷达(synthetic aperture radar,SAR) 图像中,增强了对SAR图像的多角度细节处理,提高了图像检测精度。在图像检测中加入算 法可被应用于遥感图像变化检测 领域。本文提出的SAR图像变化检测方法是在多尺度子空间融合谱聚类的基础上进行的,这 种方法是对不同时刻得到的同图 进行对数比和均值比处理,从而构成多个子空间获取图像的结构特征,并结合随机采样谱聚 类的子空间融合算法得到的变化 的图像。本文方法所得的SAR图可以检测到很多单一的像素点,误检像素点数目明显减小,优 于其他算法结果。检测结果抑制 了图像变化中的缺失问题,因此具备较高的检测精度。     

Fusion of multiparametric SAR images based on SW-nonsubsampled contourlet and PCNN

In this paper, a new fusion rule based on a pulse coupled neural network (PCNN) and the clarity of images is proposed for multi-band synthetic aperture radar (SAR) image fusion. By using a stationary wavelet-based nonsubsampled contourlet transform (SW-NSCT), we can calculate a flexible multiscale, multidirectional, anisotropy and shift-invariant representation of registered SAR images. A weighted fusion rule is performed on the low frequency subbands to calculate the fused lowpass band. For the fusion of high frequency directional subband images, a PCNN model is constructed, where the linking strength of each neuron is determined by the clarity of the decomposed subband images. The fusion approach exploits the advantages of both SW-NSCT in multiscale geometric representations and that of PCNN in the determination of fusion rules; as predicted, the obtained fusion image can preserve much more information regarding textures and edges of the images, compared to its counterparts. Some experiments are performed by comparing the new algorithm with other existing fusion rules and methods. The experimental results show that the proposed fusion approach is effective and can provide better performance in fusing multi-band SAR images than some current methods.     

自适应SAR图像边缘检测算法

边缘检测是图像分析的基础,在对SAR图像进行边缘检测时,由于SAR图像存在很强的相干乘性斑点噪声,几乎没有一种方法既能有效地检测边缘又能排除斑点噪声的影响而不产生较多的虚假边缘,特别是在低视数SAR的情况下,该文指出了在低视数情况下应当如何对Touzi ratio边缘检测方法和最大似然(ML)边缘方法的检测窗口进行改进,在对SAR图像进行边缘检测时,引入了自适应窗口的方法,并将其应用到Touzi ratio边缘检测和最大似然 (ML)两个恒虚警边缘检测算法中,取得了很好的改进效果,引入自适应窗口的方法也适用于其它的SAR图像边缘检测算法。