基于NSCT分解系数的SAR图像目标检测算法*

恒虚警率(Constant False Alarm Ratio,CFAR)目标检测法用于合成孔径雷达(Synthetic Aperture Radar, SAR)图像时,通常要求图像有强的对比度,而实际上此条件很难满足。为提高SAR图像目标的检测率,特别是低信噪比图像,本文从SAR成像机理入手,结合非下采样Contourlet变换（Nonsubsampled Contourlet Transform,NSCT）理论的多尺度、多方向和平移不变性等特点,提出了一种新的SAR图像目标提取算法,即TD-NSCT（Target Detection based on NSCT）算法。该方法融合了CFAR检测器和NSCT变换的优点,通过对分解系数特征的选取和组合,达到改善SAR图像信噪比、提高SAR目标检测率的目的。用不同实际SAR图像数据和不同方法进行了比较实验,实验结果表明TD-NSCT算法能效提高SAR目标的检测率,特别是对于那些隐藏地物目标的低信噪比SAR图像。 TD-NSCT算法是一种可行和有效的SAR图像目标检测算法。     

一种SAR图像机动目标检测与分析方法

从SAR(合成孔径雷达)图像中检测和分析目标是进行SAR自动目标识别的关键步骤,提出了一种SAR图像中地面机动目标检测与分析的方法,该方法在对图像进行预处理后首先利用背景杂波强度分布为指数分布假设的恒虚警率算法以及形态学运算对原始的SAR场景数据进行快速检测获得感兴趣的目标区域,然后提取目标区域8个特征构成特征矢量以详细描述目标。实验结果表明,该方法计算速度快,能够从获得的目标区域得到大量有用的信息,而且该方法具有一定的通用性。     

基于异常检测与双层筛选机制的SAR图像舰船检测方法

针对现有合成孔径雷达(SAR)图像舰船目标智能检测算法中筛选误差较大的问题,提出一种新的SAR图像舰船目标检测方法。该方法将高光谱图像异常检测理论引入到SAR图像舰船目标检测处理中。通过图像转换将SAR图像转换成高光谱类型图像,采用异常检测算法实现舰船目标的检测预处理,得到感兴趣区域二值图。运用双层筛选机制,实现背景杂波的准确建模和舰船目标的快速检测。实验结果表明,该算法能够降低筛选误差,有效地消除虚假目标和旁瓣干扰,具有更好的结构保真度。     

利用高斯混合模型的SAR图像目标CFAR检测新方法

SAR（合成孔径雷达）图像杂波分布模型种类繁多且对实际地物的建模能力有限。在使用基于杂波统计模型的CFAR(恒虚警率)算法对SAR图像进行目标检测时,杂波统计模型的失配会导致检测结果产生较大的CFAR损失,算法精度不高。提出了一种基于高斯混合模型的CFAR检测新方法。该方法以理论上可以拟合任意形状概率密度分布的高斯混合模型对实际SAR图像的背景杂波进行拟合,利用拟合后得到的分布模型,根据CFAR检测的原理推导出目标检测阈值的计算公式完成目标的检测。新方法对服从不同分布模型的背景杂波,使用形式上统一的模型进行描述,克服了CFAR检测高度依赖背景杂波分布的缺点,提高了CFAR的通用性。实验结果表明,即使在背景杂波类型未知的情况下,新方法依然得到了良好的目标检测效果。     

基于聚类的SAR图像快速目标检测

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点,改进了Mean Shift聚类算法,并与双参数CFAR检测技术相结合,提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图像,降低了背景杂波对目标检测的影响及检测的虚警率,并且聚类后的SAR图像具有一定的结构,将图像结构的概念引入到目标检测中,避免了对图像逐点检测,大大提高了检测速度。实验结果表明,该方法具有检测速度快、虚警概率低的特点。     

分布式自动删除平均恒虚警率检测技术

根据自动删除平均算法提出了一种新的分布式多传感器的目标检测算法. 在该方法中, 首先根据自动删除平均算法(Censored cell-averaging, CCA)得到各传感器的杂波/噪声电平估计, 然后将检测单元电平与得到的杂波/噪声电平估计值相比较, 得到有无目标的局部判决,并将其传送到融合中心. 融合中心采用"k/N'融合准则得到有无目标的全局判决. 其中, 自动删除平均算法的优势明显, 它不需要干扰的先验信息, 可以容纳的干扰目标数不会像顺序统计量OS (k) (Order statistics)方法那样受指定k值的限制, 更接近实际. 自动删除平均算法还可以检测本身可能是目标的干扰. 在假定目标服从Swerling 2型起伏的情况下, 导出了相应的检测概率与虚警概率解析表达式. 多种检测器数值和图表分析的比较结果表明了该方法的有效性和优越性.     

SAR图像CFAR检测的快速算法综述

针对合成孔径雷达(Synthetic aperture radar, SAR)图像目标检测中恒虚警率(Constant false alarm rate, CFAR)算法的广泛应用, 进行CFAR检测的快速算法分析具有重要研究价值. 首先概述了当前国内外对SAR图像CFAR检测快速算法的研究现状; 然后分别从快速预筛选和迭代计算方法两个方面对各类快速算法的实时性及性能进行了分析总结, 给出了四种基本CFAR检测器的迭代计算公式, 并提出了一种研究CFAR检测快速算法的基本框架, 现有的快速算法均可纳入该理论框架予以分析; 最后, 以经典双参数CFAR检测算法为例, 对该基本框架进行仿真实现和性能分析, 验证了其可行性与检测性能．结果表明: 新的CFAR检测快速算法基本框架充分融合了快速预筛选思想和迭代计算方法的优势, 有效提高了CFAR算法在SAR图像检测应用中的执行效率.     

基于自聚焦的变门限SAR/GMTI动目标检测方法

高分辨率合成孔径雷达（Synthetic aperture radar,SAR）合成孔径时间长导致动目标散焦严重、信杂噪比（Signal clutter noise ratio,SCNR）降低,增加了对动目标的检测难度。针对这种情况,本文提出了一种基于自聚焦的变门限SAR/(Ground moving target indication,GMTI)动目标检测算法。该算法利用距离相位误差和方位相位误差之间存在的固定关系实现对动目标的两维相位误差的估计与补偿,达到提高SCNR的目的。通过两级不同门限的恒虚警率（Constant false alarm rate,CFAR）检测分别实现动目标检测和排除虚警。实测数据结果表明,本文算法能有效地检测动目标,降低虚警概率。     

长度归一化扫描的合成孔径雷达图像船舶尾迹恒虚警率检测

提出一种基于长度归一化扫描的合成孔径雷达(SAR)图像船舶尾迹检测算法.存在距离向运动分量的船舶在SAR图像上会发生方位向偏移,那么尾迹的起点必在方位向上这一偏移量范围内.根据这一物理事实,将尾迹检测的搜索范围限定在可能为尾迹的线段上,从而提高了检测效率.算法通过利用线性积分和长度归一化这两个方法将矩形滑动窗口下的线性特征检测转化为了点特征检测,并通过经典的虚警率(CFAR)检测理论实现检测结果的输出.利用COSMO-SkyMed数据对该算法进行了实验验证,实验结果表明,该算法在尾迹检测上具有检测能力强、速度快的优点,船舶速度反演具有较高精度.     

SAR图像线特征提取方法的仿真

雷达图像的线条特征提取算法一般分为三步:首先作图像预处理,然后采用特定的边缘检测算子提取边缘点,最后形成各种有意义的线条特征。本文采用两步检测算子来直接检测边缘点,不需要对图像进行预处理。首先用比率线探测器对SAR图像进行线特征的提取,然后用互相关探测器进行提取,最后融合二者的结果。本文对该算法进行仿真,证实了该算法能够很好的提取图像的线特征。     

A novel method for speckle noise reduction and ship target detection in SAR images

It is very difficult to detect small targets when the scattering intensity of background clutter is as strong as the targets and the speckle noise is serious in synthetic aperture radar (SAR) images. Because the scattering of man-made objects lasts for a longer time than that of background clutter in azimuth matching scope, it is much easier for man-made objects to produce strong coherence than ground objects. As the essence of SAR imaging is coherent imaging, the contrast between targets and background clutter can be enhanced via coherent processing of SAR images. This paper proposes a novel method to reduce speckle noise for SAR images and to improve the detected ratio for SAR ship targets from the SAR imaging mechanism. This new method includes the coherence reduction speckle noise (CRSN) algorithm and the coherence constant false-alarm ratio (CCFAR) detection algorithm. Real SAR image data is used to test the presented algorithms and the experimental results verify that they are feasible and effective.     

一种合成孔径雷达图像阴影和目标检测的方法

提出了一种进行高分辨率SAR(synthetic aperture radar)图像阴影和目标检测的新思路.首先给出了基于等效视数模型的图像RCS(radar cross section)重构算法进行阴影检测,然后通过非线性积累,达到目标检测的目的.与CFAR(constant false alarm rate)检测相比,能够检测到阴影和更多感兴趣的目标.     

A New Ship Target Detection Algorithm based on SVMin High Resolution SAR Images

The characteristics of ocean background and target in the high resolution synthetic aperture radar (SAR) images are analyzed.Aiming at the requirements of ship detection in high-resolution synthetic aperture radar (SAR) image,the detection accuracy,intelligence level,real-time and processing efficiency,we put forward a high resolution SAR images ship detection algorithm based on support vector machine.The algorithm designs a pre-training support vector machine (SVM) classifier and complete the screening of the ship target block area,then the algorithm of optimal entropy thresholds proposed by Kapur,Sahoo,Wong(KSW) will be used on the target area selected for fine detection of ship targets.In this paper,several commercial satellite data,such as TerraSAR-X,are used to verify the experiment.Comparing with the classical CFAR detection algorithm,Experimental results show that the algorithm can improve the false alarm caused by the speckle noise and ocean clutter background inhomogeneity.At the same time,the detection speed is also increased by 20% to 35%.     

SAR图像中海上舰船目标自动检测新方法

针对中分辨率近岸海域SAR图像,结合已有的舰船检测算法,提出了一种新的海上舰船目标自动检测方法。该方法先根据相应的抽取算法和图像数据映射准则,分离图像中的海洋和陆地区域,并结合最大熵分割法提取海洋背景中包含候选目标的感兴趣区域,最后利用特征匹配方法检测出真正的舰船目标。对50多幅SAR图像进行了试验,其结果表明该方法能自动、快速、准确地检测出图像中舰船目标。     

SAR图像目标检测的互信息非负矩阵分解算法

提出了满足指数分布的概率模型框架下实现非负矩阵分解的目标函数和相应的算法。同时针对非负矩阵分解方法中的基向量无序性这一特点,将基于互信息的特征选择算法 与其结合起来解决了基向量的排序问题。利用目标的先验知识获得有利目标表示的特征向量组,然后用该特征向量组进行滤波,分别获得待测图像的特征图,通过加权的方式将所 有的特征图合并为一个总的特征图,最后在特征图上通过选取合适的阈值将目标提取出来。使用MIT林肯实验室ADTS（advanced detection technology sensor）高分辨率机载SAR 目标数据进行仿真,结果表明该方法是一种精度较高的目标检测算法。