基于方位散射熵的旋转体目标增强成像

增强成像方法将待检测目标的先验知识引入到成像过程中对其进行增强,有助于提高图像的直观性和改善后续检测效果.旋转体目标具有散射特性的方位不变性,而大多数人造和自然杂波不具备该特点,因此可利用方位散射不变性对旋转体目标进行增强成像.该文首先提出了方位散射熵的概念以度量目标不同方位向散射特性的一致性,在此基础上提出了基于方位散射熵的旋转体目标增强成像算法,最后针对实际机载 SAR 应用中存在的位置和姿态误差给出了结合运动误差补偿的方位散射熵的计算方法.实测数据结果证明了该文所提方法的有效性和实用性.     

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

基于方位散射熵的建筑物特征提取方法

在超宽带穿墙雷达成像领域,交叉极化雷达能有效识别建筑物角散射中心,而交叉极化接收到的回波信号较弱,成像中的耦合信号得到增强,角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心,然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度,最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明,该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。     

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。      

SAR图像点目标的检测

分析了在均匀杂波回波功率服从 Gamma分布条件下 SAR点目标检测 ,推导了点目标虚警概率和检测概率与阈值系数关系 ,提出了检测点目标阈值系数选择根据和方法。在杂波均值估计方面 ,提出了以全局均值代替局部动态均值。实际测试结果表明所提出的检测方法在检测效果和计算量方面都优于双参数恒虚警检测算法     

基于背景预分析的SAR图像车辆目标检测算法

CFAR算法是一种常见的合成孔径雷达图像目标检测算法。CFAR算法在对背景杂波统计建模时需要考虑建模样本中是否混入目标等非背景像素。文中提出了一种新的CFAR检测算法,该算法认为目标窗口和背景窗口是同一个窗口,在CFAR算法之前,通过目标预筛选去除建模样本中的降质因素,并用广义伽马模型对背景窗口中的剩余样本建模。相比于传统的高斯模型CFAR算法,本文所用算法考虑了建模样本中降质因素对建模精度的影响,新的滑动窗模型结构更加简单,检测结果虚警率低,对距离很近的目标不会产生漏检。     

基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

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。      

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

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。     

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

基于CFAR的SAR目标检测

CFAR检测是由事先定好恒定虚警概率进行目标检测的一种算法,其前提是目标相对于背景具有较强的对比度。CFAR算法通过单个像素灰度和某一门限的比较达到检测目标像素的目的。文中研究了恒虚警概率检测算法,推导了不同拟合分布的具体形式,给出了几种代表性检测器,如CA-CFAR检测器,通过仿真结果证明,在均匀杂波区域中,3种检测器的结果相当,都能检测出目标。但从整体看,CA-CFAR的检测性能更好。     

基于目标检测的SAR图像匹配算法

该文提出一种基于目标检测的SAR图像匹配算法。针对SAR图像的特点,该算法先检测SAR图像的强散射目标,接着计算各强散射目标的质心,对主、辅图像的质心点集合进行Delaunay三角剖分,以三角剖分后的对应相似三角形的质心、内心、外心为匹配点进行匹配,最后用ERS-I,ERS-II卫星的SAR图像进行实验,通过与相干系数法进行比较,实验结果证实了方法的有效性。     

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

基于改进FRACTA算法的多通道SAR动目标检测技术

该文针对实际非均匀杂波环境对多通道SAR/GMTI动目标检测性能的影响,提出了一种改进型FRACTA算法。该算法将STAP中的FRACTA算法引入多通道SAR系统中,并进行改进,提高了其在多通道SAR系统中的检测性能和运算速度。实测数据处理结果表明,与传统的检测方案相比,该文算法能够在非均匀环境中明显地提高检测性能,是一种非均匀环境中鲁棒的多通道SAR动目标检测算法。     

基于压缩感知的CFAR目标检测算法

该文提出一种基于压缩感知(Compressive Sensing, CS)的恒虚警率(Constant False Alarm Rate, CFAR)目标检测算法,首先分析了目标在距离单元上具有稀疏特性,并构造了目标回波的稀疏字典,设计特定的测量矩阵以及基于CS的CFAR检测结构,然后实现了对回波信号的压缩测量和CFAR检测,无需对回波信号重构。该文提出的算法具有很好的降噪性能并提高了检测效率,可以对低信噪比、低信杂比信号成功检测。仿真结果表明：当信噪比为-14 dB,信杂比为-10 dB时,该算法与传统匹配滤波检测算法相比,减少了一半数据运算量,性能明显优于压缩匹配滤波检测算法。     

SAR图像目标检测研究综述

SAR图像目标检测是SAR ATR(自动目标识别)的关键步骤,也是近年来SAR图像解译应用的一大研究热点.在广泛文献调研的基础上,本文从SAR图像目标检测的历史沿革、研究现状开始,综述了SAR图像目标检测的研究进展及存在问题,指出了该技术领域的发展趋势.