基于卷积构型的单元平均CFAR目标检测算法

提出一种基于卷积构型的单元平均恒虚警率(convolution based cell averaging constant false alarm rate, CCA-CFAR)快速检测算法.该算法首先根据背景杂波分布模型计算待检测合成孔径雷达(synthetic aperture radar, SAR)图像统计量矩阵, 然后对单元平均恒虚警率(cell averaging constant false alarm rate, CA-CFAR)检测器构建卷积模型, 利用卷积运算实现对背景杂波的矩估计, 并求出详细的背景杂波分布函数, 最后根据分布函数计算出每个像素的判定阈值, 并对所有待检测像素是否为目标点进行判定.该检测算法复杂度低, 运算效率高, 能够快速实现SAR图像实时目标检测.仿真实验证明了该方法的有效性和工程实用价值.     

基于检测前识别的MTS-CFAR检测方法

在复杂的强地杂波中检测静止目标时极易产生漏检,因此一直是检测领域中的难题。在双参数恒虚警(DP-CFAR)检测方法的基础上提出了基于检测前识别的多时间尺度恒虚警(MTS-CFAR)检测方法。在检测前基于各类型目标在多时间尺度统计结果上的不同,区分和识别运动目标、静止目标和杂波,减少杂波统计量和目标统计量的干扰,提高对静止目标的检测性能。以交通雷达应用为背景,通过仿真和实测数据定量分析和对比了MTS-CFAR、DP-CFAR、截断统计量恒虚警、改进型单元平均恒虚警等检测算法的性能,证明了本文算法对于静止目标检测效果的优越性和工程应用价值。     

高分辨SAR图像自动区域筛选目标检测算法

在G0分布背景杂波假设下,基于VI-CFAR算法该文提出一种自动区域筛选的恒虚警目标检测算法,以解决高分辨SAR图像复杂环境背景下的目标检测问题。该算法首先利用变化指数(VI)统计量对局部参考窗内的均匀区域进行筛选,以剔除参考窗内具有目标干扰点的非均匀区域;然后利用均值比(MR)统计量对参考窗内同质的均匀区域进行区域合并,以解决杂波边界处的背景杂波筛选问题;最后利用筛选到的同质均匀区域内的像素集合进行背景杂波参数估计,对待检测区域实现二值检测。通过实测SAR图像车辆目标检测实验表明,在多目标和杂波边界复杂环境背景下,该算法具有较稳定的检测性能和虚警抑制能力。     

基于超像素时空显著性的运动目标检测算法

针对复杂背景下运动目标检测存在的背景干扰、目标分割不完整等问题,利用目标静态灰度特征和运动特征,结合目标运动连续特性,提出了一种基于超像素时空显著图的运动目标检测算法。首先对图像基于简单线性迭代聚类算法(SLIC)进行超像素分割,以初始超像素为节点、以运动特征差异性为边建立图结构对超像素区域进行合并,得到最终超像素图像,可以有效解决传统超像素分割方法过分割而导致目标被分为多个部分的问题;然后分别利用目标静态特征对比度和运动特征对比度,得到静态显著性图和运动显著性图,并融合得到最终的时空显著性图;最后利用恒虚警处理技术,结合运动连续特性实现目标的检测,可以有效减少虚警目标。实验结果表明,该算法针对复杂背景具有良好的鲁棒性,并且可以比较完整的保留目标的信息。     

基于蜕化决策树的红外目标检测

针对复杂背景下单帧红外图像中的弱小目标检测的问题,提出一种基于蜕化决策树的检测算法。该算法通过提取红外小目标梯度对比度、邻域灰度分布等多个统计特征,充分利用了各个特征的互补作用,达到了高检测概率和低虚警率。通过对实测数据进行仿真,结果表明该方法能有效检测红外弱小目标。     

一种基于视觉显著性的SAR图像弱目标检测算法

针对传统的恒虚警率(CFAR)算法应用于SAR图像弱目标检测存在虚警率高的问题,提出一种基于改进型Itti视觉显著性模型的新算法。该算法首先获取SAR图像的局部方差特征图、亮度频率特征图和全局对比度特征图,然后将特征图经高斯模糊和归一化后,将其非线性融合生成原始SAR图像尺度的显著图,最后从显著图中提取视觉显著性区域作为最终的检测结果。仿真结果表明,通过和改进型CFAR、相干CFAR和二维Otsu检测三种算法的检测性能对比,该算法在检测准确率和时间复杂度上均具有良好的性能。     

一种基于检测统计量的SOSGO-CFAR 检测算法

提出了一种新的恒虚警检测算法SOSGO-CFAR.该算法应用检测单元采样作为选择参考单元的依据,使用了基于转换恒虚警(S-CFAR)和排序选大恒虚警(OSGO-CFAR)的复合算法.文章给出了该算法在均匀背景中的数学分析.并在均匀背景、杂波边缘和多目标情况下,用MonteCarlo方法进行了仿真分析.结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在杂波边缘环境中,具有接近OSGO-CFAR的性能,且在多目标环境中,其性能明显好于S-CFAR.     

基于恒虚警率的双阈值检测方法

针对对海导航雷达视频图像背景灰度值分布不均匀,不同位置的目标与背景对比度不同的特点,以及对海导航雷达视频图像目标检测处理效率的要求,结合传统的阈值分割处理思路,提出一种基于恒虚警率的双阈值检测方法。该方法在保证低虚警率的基础上,结合现有的全局阈值和局部阈值两种处理思路,实现对对海导航雷达视频图像目标的快速精确检测,并在实测数据上与常用阈值检测算法Otsu算法进行了验证比较。结果证明,该算法能有效提高目标检测的准确度。     

一种简单的相干雷达极化恒虚警检测算法

该文提出了高斯杂波背景下一种结构简单的相干雷达极化恒虚警检测算法。利用雷达回波的极化信息来提高检测性能,推导出了虚警概率表达式。研究结果表明,该相干雷达极化恒虚警检测算法相对于杂波协方差矩阵有恒虚警的性质。该检测算法比极化广义似然比检测算法计算量小,易于工程实现,适合于强信杂比和目标信号导向矢量未知的情况。同时仿真分析了不同极化状态时的检测性能。     

基于杂波分布特性的恒虚警率检测器设计

针对单元平均恒虚警率(CA-CFAR)检测器在非平稳环境下检测性能下降的问题,提出了一种基于杂波分布特性的自适应恒虚警率检测器设计方法。主要思路为：在已知背景杂波类别的前提下,选择相匹配的恒虚警率检测器来提高目标的检测性能。基于实测数据,通过在不同杂波类别的区域人工加运动目标的方式,经过与CA-CFAR检测结果的仿真实验对比,验证了所提恒虚警率检测器的有效性。     

一种距离扩展目标的稳健检测算法

针对距离扩展目标稀疏分布的一般情况,提出了一种改进的基于有序统计的广义似然比检测的稳健算法。该算法采用“或规则”,对各种有效距离单元数量假设条件下得出的OS-GLRT检测算法的判决结果进行融合,从而克服了OS-GLRT检测算法对有效距离单元数量估计值比较敏感的问题。所得到的修正OS-GLRT检测算法无需估计有效距离单元数量。通过理论分析证明了恒虚警率性。通过Monte Carlo仿真进行性能分析,说明修正OS-GLRT检测算法的有效性和鲁棒性。由于修正OS-GLRT检测算法无需事先估计有效距离单元的数量,因此便于实际操作。      

基于新Top Hat变换局部对比度的红外小目标检测

复杂场景下由背景物体产生的虚警是红外小目标检测中的难点,在目标信号微弱时问题尤为突出。为了抑制虚警,提出一种基于局部对比度特征的小目标检测算法。首先,利用一种新型Top Hat变换检测出图像中的潜在目标区域;然后分析潜在目标区域及其邻域特性,计算本文提出的局部对比度特征;最后基于此特征提取目标区域。对合成图像和实际红外图像的实验表明,本算法能有效地抑制背景景物造成的虚警,取得很高的检测率,并且对目标强度的变化以及目标所在背景的变化均具有一定的适应性。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

强杂波条件下的小目标检测技术

介绍了一种强杂波条件下对可见光和红外小目标进行检测的恒虚警率算法。此算法是通过对预处理过的多帧相关场景进行最大似然比估计来达到检测目的。文中最后实际图像的处理结果证实了此种算法的效果。     

基于结构张量筛选和局部对比度分析的空中红外小目标检测算法

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。     

基于改进型恒虚警的毫米波雷达检测算法

为了提高毫米波雷达在多目标环境下的检测性能,在变化指数恒虚警（Variability Index CFAR,VI-CFAR）的基础上提出了一种改进算法,即当背景环境为多目标环境时,采用KL散度单元筛选恒虚警（Kullback–Leibler Trimmed Mean CFAR,KLTM-CFAR）替换单元平均恒虚警（Cell Averaging CFAR,CA-CFAR）与最小选择恒虚警（Smallest of CFAR,SO-CFAR）进行策略选择,有效避免了毫米波雷达在多目标环境下的目标遮蔽问题,提升了检测性能。对改进后的检测算法进行了仿真分析,结果表明,多目标环境下,在其他几种检测器基本丧失检测能力的情况下,该检测器仍保持着90%以上的检测概率,并且在均匀环境和杂波边缘环境下,也有较为良好的表现。     

空/时对称阵列雷达非高斯杂波背景下多秩距离扩展目标检测方法

针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。      

基于风险估计的弱小目标恒虚警检测

复杂背景下的红外弱小目标检测是目标探测领域的一个难题。为了有效抑制复杂背景的干扰,降低复杂背景所带来的虚警,提出了一种基于风险估计的恒虚警检测方法。首先,分析了背景分布的统计方法,对传统的正态分布统计方法予以改进,对滤波后的图像做局部灰度的分布统计,从而更准确地描述背景图像的分布规律。然后,在传统的恒虚警算法中加入风险估计,将背景复杂度作为风险估计判断依据,利用风险估计自适应调整分割阈值,从而达到抑制背景干扰、减少虚警和误判的目的。最后,实验结果表明:该算法可以显著减少复杂背景造成的虚警,并保证能够有效探测出弱小目标。     

复杂背景下小目标恒虚警检测技术研究

为了实现复杂背景下的弱小目标恒虚警检测,提出了一种基于CEM算法的恒虚警探测算法.在分析CEM算法滤波处理结果分布规律的基础上,采用TM-CFAR方法选择恒虚警探测门限,并结合形态学方法克服了背景虚警概率曲线中的拖尾现象.以ETM数据为例进行了计算机模拟.结果表明,该方法在信干比为-5dB和虚警率为10-4的条件下,可以有效地检测出被探测目标.     

电子侦察系统频域恒虚警检测方法

针对电子侦察系统的多信号检测问题,提出一种电子侦察系统中频域恒虚警检测方法,分析了频域恒虚警检测的可行性以及检测模型,并对雷达系统中采用的三类典型恒虚警处理算法进行了比较分析.理论分析和计算机仿真表明,删除单元平均恒虚警类方法更适用于多目标信号同时存在时的复杂电磁环境,所提方法具有一定的工程应用价值.