基于调频率捷变的抗移频干扰SAR成像方法

随着合成孔径雷达(SAR)图像的分辨率提高,基于高分辨率SAR图像的舰船检测成为海洋遥感应用中的一个重要课题。针对高分辨率SAR图像,为获取精确的、完整的舰船目标信息而提出一种基于改进的相干散射点(CS)提取的舰船检测方法。该方法的核心是利用SAR图像复数据的确定目标特性,提取出CS,该方法不仅利用了图像复数据的幅度信息,同时利用了相位信息。首先对于原始高分辨率SAR图像复数据进行距离向子视处理,获取子视图像像素的相关系数;然后,由于SAR图像分辨率较高,为获取完整的舰船目标信息,引入局部图像平均相关系数处理;最后设定相关系数阈值,从海域中提取出舰船目标,完成舰船检测。仿真实验结果验证了该检测方法的有效性。     

一种舰船目标SAR图像的仿真方案

对舰船目标的合成孔径雷达（SAR）图像（复值）进行再处理,可以对舰船目标进行更精细的成像及轨道计算。开发这些算法需要大量的测试图像。但是由于实验条件的限制,这些图像的数目非常有限,因而研究舰船目标的SAR图像仿真就显得十分必要。提出了对舰船目标的SAR图像进行仿真的一种方案。首先通过仿真舰船目标的SAR成像过程以得到舰船目标的SAR图像,接着根据海杂波SAR图像的统计特性对海杂波的SAR图像进行仿真,最后将两者叠加以获得海面舰船目标的SAR图像。仿真结果显示了该方案的有效性。     

上下文信息融合与分支交互的SAR图像舰船无锚框检测

SAR图像中舰船目标稀疏分布、锚框的设计,对现有基于锚框的SAR图像目标检测方法的精度和泛化性有较大影响,因此该文提出一种上下文信息融合与分支交互的SAR图像舰船目标无锚框检测方法,命名为CI-Net.考虑到SAR图中舰船尺度的多样性,在特征提取阶段设计上下文融合模块,以自底向上的方式融合高低层信息,结合目标上下文信息...     

充分利用SAR图像中动静目标信息检测动目标

本文结合遗传算法,研究同时利用SAR(Synthetic Aperture Radar)图像中动静目标信息检测动目标的高效算法,进一步揭示单通道SAR/GMTI的潜力.单通道SAR图像中包含着动目标和静止背景信息,在SAR图像方位向信号中,以对称搜索二次相位和对称带通滤波(通带针对动目标频谱)所得两图像模差的绝对值检测动目标,既利用其中的静止背景信息抑制杂波,又利用其中的动目标信息聚焦动目标能量,能获得更好的动目标检测性能.     

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。      

基于Google Earth Engine的海量舰船目标SAR图像处理应用研究

传统基于单机的合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测需要在本地计算机上进行数据下载、处理和分析,这极大受限于本地计算机的性能,只能对少量SAR图像进行检测。本文利用Google Earth Engine(GEE)遥感云计算平台的海量数据存储和强大运算能力,通过在云端部署SAR卫星数据、模型算法和计算机算力,在GEE平台上进行了大范围海域的海量舰船目标SAR图像处理应用研究,实现了舰船目标检测同时还可以获取舰船目标信息、统计舰船目标数量、批量下载目标检测结果图像等。通过在Sentinel-1 SAR数据上进行相关实验,结果表明本文研究可在线对海量SAR数据进行实时、高效、快速地处理,对海上舰船监视具有较高的实际应用价值。      

基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测方法

合成孔径雷达（SAR）图像舰船目标检测一直是海洋监测领域的重要手段。经典的恒虚警率（CFAR）检测依赖于分布模型及多参数的准确估计,难以适应复杂多变的海面背景。新兴的信息几何舰船检测方法挖掘了目标与杂波的统计差异,实现舰船的显著性表示,但依然受限于背景杂波的精确建模。考虑到现有方法的局限性,本文提出了一种基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测算法。在无需寻求背景杂波分布模型的前提下,通过构建Toeplitz矩阵,以其特征值均值为检验统计量,充分获取目标与背景杂波的差异。在高分三号卫星和TerraSAR-X卫星实测SAR图像上的实验结果证明,相比于现有的多种典型方法,本文方法取得了更优的检测性能与更快的计算速度。      

SAR图像港口区域舰船检测新方法

SAR图像港口内舰船检测是SAR图像海洋应用研究的重要方面。快速、准确地检测港口内舰船将大大提高SAR图像的自动解译能力。该文通过分析港口内舰船停靠特点,提出了一种新的SAR图像港口内舰船检测方法。首先基于港口岸线获取港口沿岸区域SAR图像,然后详细分析了港口沿岸区域SAR图像的杂波统计特性,进而采用基于G0分布的CFAR(Constant False Alarm Rate)检测算法完成了港口内舰船检测。实验结果表明,新方法能有效地将不同形状的港口区域的舰船与绝大部分陆地分开,具有港口内舰船检测率高、虚警率低等特点。     

SAR图像舰船目标检测的Gamma流形方法

目前基于统计特征的合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标检测方法,易受成像条件稳定性的影响而误差较大。针对这一问题,本文提出了一种基于Gamma流形的SAR图像舰船目标检测算法。通过Gamma分布族构建SAR图像二维统计流形,构造黎曼度量,借助切向量长度实现对SAR图像的显著性表示。最后利用分类算法,实现SAR图像舰船目标的检测过程。实验结果表明,该方法不仅能有效地检测出SAR图像感兴趣目标区域,而且对海杂波具有较好的鲁棒性。     

一种InSAR建筑物图像仿真及高程反演方法

城市建筑区域叠掩、阴影严重,图像理解困难且干涉相位变化复杂紊乱,一直是InSAR处理的困难区域。SAR图像仿真能为图像理解和处理方法研究提供数据支撑,然而现有建筑区域SAR图像仿真方法大多无法获得具有相干性的干涉SAR图像对。该文提出了一种面向建筑区域的干涉SAR复图像对仿真方法,能够获得建筑的复数图像对、干涉相位图以及叠掩成分数目等信息,为城区干涉SAR处理及信息提取研究提供仿真数据支撑。同时,基于仿真中对相位变化规律的分析,提出叠掩区相位解缠时的基准确定方法,解决传统解缠方法面临的叠掩区域干涉相位不连续问题,进而反演建筑高程信息。最后,通过建模仿真结果与实际SAR图像和干涉相位的对比,验证了仿真方法的正确性,并对仿真及实际干涉相位进行解缠和高程反演处理,验证了该文高程反演方法的有效性。      

星载简缩极化SAR船舶目标检测技术研究

作为一种新兴的星载极化SAR系统,星载简缩极化（Compact Polarimetric）SAR能同时获取目标较丰富的极化信息和实现大幅宽观测,在海洋观测领域具有先天的优势。该文针对星载简缩极化SAR海上船舶目标检测应用,首先简要介绍了星载简缩极化SAR系统基本模式及发展,其次综述了典型的星载简缩极化SAR信息处理方法,在此基础上,重点分析比较了目前常用的星载简缩极化SAR船舶目标检测方法的特点,然后给出了作者研究小组在星载简缩极化SAR船舶目标检测方面的部分研究结果,最后分析展望了进一步研究方向。      

复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

基于中心点回归的大场景SAR图像舰船检测方法

合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测在军事和民用领域有着重要的应用.然而随着SAR图像成像能力的提升,SAR成像场景越来越大,舰船目标检测存在两个难点:一是舰船目标在整幅图像中所占比例极小,很难与周围背景分开;二是靠岸舰船目标通常密集排列,目标之间难以区分.目前常用基...     

多角度SAR 动目标检测技术及其高分三号实验验证研究

多角度SAR作为一种新的SAR模式,它具备对场景的长时间观测以及大合成孔径角两个优势。已有研究表明,这两点区别于传统SAR模式的优势,使得单通道系统也可以具备较强的动目标检测能力,即,无需增加雷达系统的复杂度,就可以实现在轨星载SAR系统动目标检测能力的拓展和提升。这也使得多角度SAR动目标研究成为新的研究热点。在研讨近年来多角度SAR-GMTI研究基础及发展现状的基础上,该文重点介绍了研究团队围绕高分3号开展的原理性验证实验研究,包括凝视聚束模式动目标检测方法研究、双通道动目实验模式、双通道凝视聚束GMTI模式研究等。通过上述研究,以期为在轨及规划星载SAR单通道GMTI工程实现、未来星载多角度SAR时序动态观测新型工作模式设计等奠定可行性研究基础。      

光学卫星遥感图像舰船目标检测综述

遥感图像的目标检测是把海量遥感数据转化为应用成果的重要一环,而光学遥感图像中舰船目标的检测更是遥感图像处理分析的研究热点,具有重要的应用价值.本文的主要目的是研究光学遥感图像中舰船目标检测的各种方法,对目前采用的检测方法做出系统性总结.重点介绍了基于灰度信息统计特征、视觉显著性、模板匹配和分类学习的四种传统舰船目标检测方法和深度学习方法在舰船目标检测中的应用,并分析了各种方法的优缺点和适用性,同时对舰船目标检测的未来发展进行了展望.     

Feature-enhanced synthetic aperture radar image formation based onnonquadratic regularization

We develop a method for the formation of spotlight-mode synthetic aperture radar (SAR) images with enhanced features. The approach is based on a regularized reconstruction of the scattering field which combines a tomographic model of the SAR observation process with prior information regarding the nature of the features of interest. Compared to conventional SAR techniques, the method we propose produces images with increased resolution, reduced sidelobes, reduced speckle and easier-to-segment regions. Our technique effectively deals with the complex-valued, random-phase nature of the underlying SAR reflectivities. An efficient and robust numerical solution is achieved through extensions of half-quadratic regularization methods to the complex-valued SAR problem. We demonstrate the performance of the method on synthetic and real SAR scenes.