基于最大值投影和快速配准的空间小目标检测

天基观测平台下弱小目标的检测是分析空间安全的重要研究内容。由于空间中存在大量外观与目标相似的恒星导致可利用空间分布信息缺乏;观测平台的不规则性运动导致帧间成像差异,都使得开发自动快速处理算法的难度增加。在分析星空图像模型的基础上,提出了一种基于三角形匹配和最大值投影的小目标检测方法。首先通过特征三角形对序列图像进行配准,并采用星点坐标矩阵的方法减小计算量。然后针对序列帧所有图像,采用最大值投影变换的方法,检测运动的小目标。最后通过200帧观测图像对算法进行验证,实验表明该方法能实时、准确地对目标进行检测,同时可以精确地定位目标质心。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

A novel approach for space debris recognition based on the full information vectors of star points

The recognition and detection of space debris has become one of significant research fields recently. Compared with natural images, effective information are very few contained in star images. In the past years, the gray values of star points and the continuity of sequential star images are utilized by numerous algorithms to carry out the recognition and detection through fusion of consecutive star images, which have been achieved good performance. However, with the rapid increase of star image data, those algorithms seem to be inadequate in recognition ability. In this paper, we propose one novel approach based on the full information vectors of star points to recognize moving targets with the machine learning method which is never utilized in space debris recognition field. Besides gray values, we further deeply excavate the characteristics of each star point in a single frame by the equal probability density curve of Gaussian distribution. The elliptical pattern characteristic vectors of star points can be input into the machine learning method for classification of static stars and moving targets in a single frame. Finally, trajectories of moving targets can be determined within 3 frames by the full information vectors. Therefore, traditional processing methods are abandoned and the proposed brand new approach redefines the recognition technical route of space debris. The experimental results demonstrate that moving targets can be successfully recognized in a single frame and the coverage rate of moving targets can reach 100%. Compared with other traditional methods, the proposed approach has better performance and more robustness.     

基于小波变换的红外弱小目标检测新方法

研究了红外序列图像中弱小目标的检测。对图像序列进行小波变换，利用目标小波变换的特性，对单帧小波变换后的各高频分量进行累加，利用门限处理并通过与一个与管道得到包含候选目标点的图像，最后利用目标运动的连续性，进一步检测，得到目标点的位置。实验结果表明，该方法能有效地检测红外弱小目标。     

基于互Wigner-Ville分布的SAR运动目标检测

本文针对机载合成孔径雷达(SAR)运动目标回波信号的特点,提出了基于互Wigner-Ville分布(XWVD)的机载SAR运动目标检测方法,分析了它在单目标和多目标情况下的检测性能.实验证明,该方法可以在较低的信噪比下实现目标的检测,其性能大大优于常用的Wigner-Ville分布方法.为了抑制多个目标之间交叉项的影响,本文还提出了一种基于逐次消去思想的互Wigner-Ville分布检测方法,它可以解决强度相差较大的多目标检测问题.仿真实验的结果证明了算法的有效性.     

基于背景抑制的星空图像目标运动轨迹提取

研究了空间观测CCD图像弱小目标检测与运动轨迹提取技术,介绍了一种基于背景抑制的多目标检测与运动轨迹提取方法。首先,对图像进行阈值处理,滤除图像的背景灰度和噪声;然后生成基于序列图像叠加与形态学变换相结合的背景掩模图像,对序列图像进行屏蔽处理,得到运动目标图像;对目标图像进行交叉投影算法确定目标区域,并进一步精确确定目标质心,进而提取目标的运动轨迹。实验证明所提出的算法不仅能够有效检测星空序列图像中的多个弱信号小目标,而且具有较强的实时性。     

采用DBT的漂移扫描星图小目标检测方法

针对低信杂比漂移扫描星图中小目标检测易受恒星星像干扰的问题,提出一种基于单帧候选检测及多帧跟踪判决的实时处理方法。分析星图难以多帧匹配去恒星星像的原因,采用单帧处理的方式,通过构造星像端点掩膜滤除单帧检测中的虚假目标。将单帧得到的候选目标进行粒子滤波的粒子生成,运用目标运动信息构造似然函数分布图更新粒子权重,通过粒子滤波实现了漂移扫描星图中的小目标检测。实际低信杂比星图的实验结果和与相关方法的比较表明,所提方法有效提高了弱小目标的检测能力。     

基于多特征融合的弱小目标检测方法研究

提出了一种基于多特征距离图的红外弱小目标检测方法。弱小目标的许多特征，如局部熵、平均梯度强度等，不但刻画了弱小目标的特点而且易于提取。通过特征融合技术，可以将弱小目标检测问题转化成在一个多特征空间的极值求取问题。该方法利用已经提取的多个特征，采用特征融合技术构造一个距离图像，再对该图像进行二值化处理，达到目标检测的目的。通过对实际的红外图像序列进行小目标检测，验证了所提方法的可行性和有效性。     

融合极化旋转域特征和超像素技术的极化SAR舰船检测

对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。      

一种运动背景序列星图弱小目标运动轨迹提取算法

提出了一种序列星图中目标的运动轨迹提取算法.利用交叉投影方法提取星点,确定包含星点的区域;提出一种基于自适应窗口选择PIV技术的序列星图全局运动参数估计算法,并对序列星图进行配准,滤除背景恒星;提出一种目标运动轨迹的提取箅法.实验结果表明该算法对于空间小目标(≥1 pixel)在序列图像中运动轨迹不连续的情况可以进行准确的运动轨迹提取,具有较强的鲁棒性.     

基于视觉显著性的海面舰船检测技术

海面舰船检测技术有着特殊的军用以及民用意义,为了在宽广且环境复杂多变的海面上快速、高效、精确地检测到舰船目标,本文提出了一种基于多特征、多尺度视觉显著性的海面舰船检测方法.该方法充分利用了四元数图像可在多个通道上同时进行操作,节省操作时间,并保证不同尺度特征之间关联性的特点;除此之外,该方法还利用人眼对不用大小的图像关注目标不同的特点对图像进行尺度大小变换以避免漏检.该方法先用顶帽算法对原图进行简单的图像预处理以抑制云层、油污的干扰;其次提取多种特征构成四元数图像进行舰船目标显著性检测;在得到显著图后利用OTSU分割算法确定舰船所在的区域,并在原图上标定、提取舰船目标.通过在多种海面情况下分别进行实验分析,实验结果表明该算法可以排除云、雾、油污等干扰,精确、快速地检测到舰船目标,真正率达96.52%,虚警率低至2.11%,相较于他显著性检测算法在舰船检测方面有明显的优势.     

一种有效的机载火控雷达地面动目标检测方法

研究机载火控雷达检测地面慢速目标的方法。由于机载火控雷达采用前向阵,脉冲重复频率低,使得杂波多普勒频率多重模糊。分析了机载火控雷达检测地面慢速目标的特点,提出了一种非自适应的干涉对消法与自适应的AMTI方法相结合的检测方法。分析结果表明,这种方法对雷达平台运动参数的估计精度要求较低,工程上易于实现。     

远距离监视激光雷达动目标快速检测

激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。     

基于多域多维特征融合的海面小目标检测

多维特征检测技术是提高海面小目标检测的有效途径。为了进一步提升海面小目标检测性能,本文提出基于多域多维特征融合的检测方法。首先,从时域、频域、时频域、极化域等多域,充分挖掘海杂波和含目标回波的差异性,并将这些差异性表征为多维特征,构建高维特征空间。其次,通过极化域和特征域的多维特征线性融合,将多维特征压缩到3D特征空间中,获得高维度信息的同时减少维度计算代价。然后,结合凸包学习算法获得3D判决区域,实现异常检测。最后,基于IPIX实测数据的实验结果表明:相对现有的极化检测器,提出的检测器具有25%以上的显著性能提升。      

二维非重构压缩感知自适应目标检测算法

针对重构算法影响压缩成像目标检测效率和结果的问题，提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型，利用Hadamard矩阵的特性对压缩差分图像进行解压缩，直接解码目标的空域特征，并利用改进的自适应阈值法对解码后的图像进行目标检测，避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下，该算法都可以有效检测目标，并在检测率、虚警率和运算时间等指标上具有优越性能，为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。     

一种抗干扰目标的STAR算法

该文研究能在干扰目标下有效检测动目标的STAR(Space-time Autoregressive)算法,提出了一种抗干扰目标的STAR(OR-STAR)算法.文中分析了干扰目标恶化STAR算法性能的原因,提出了基于权矢量局部范数最大准则的干扰目标多普勒频率确定方法,进而逐一滤除训练样本中的所有干扰目标信号.理论分析与仿真实验结果表明,OR-STAR能有效克服干扰目标引起的检测性能恶化.该算法所需训练样本极少,是一种适合工程实用的STAP(Space-Time Adaptive Processing)算法.     

外源雷达空时联合恒虚警检测分析与实验

外辐射源雷达杂波呈现复杂形态,其中在距离多普勒谱中固定分布的剩余杂波（简称固定杂波）局部强度较高,采用空域恒虚警检测方法会造成连续的虚警,严重影响目标检测性能。本文通过实测数据分析发现,固定杂波强度在时域变化平稳,可采用时域杂波图检测方法减少该类杂波造成的虚警。然而,非理想信号波形导致外辐射源雷达目标回波具有较高的副峰和旁瓣,仅采用杂波图检测方法会导致重复检测和虚假航迹。通过分析空域和时域恒虚警检测方法面临的问题,本文提出了针对外辐射源雷达的空时联合恒虚警检测方法。该方法在不影响检测概率的前提下,减少了单一恒虚警检测方法造成的虚警。实测数据处理结果验证了所提方法的有效性。     

机载SAR加权ATI地面慢速运动目标检测方*法

对ATI技术进行改进，提出了一种机栽双通道SAR加权ATI地面慢速运动目标检测方法。该方法将DPCA技术和ATI技术的优点结合起来，利用DPCA技术得到加权值对ATI干涉结果进行加权处理，提出了一种新的动目标检测方法。计算机仿真结果表明，该改进方法与ATI方法相比能够有效减少虚假目标的数目，并能够检测到弱目标；与DPCA方法相比，它能够检测到DPCA方法由于对消过大而无法检测到的速度更慢的目标。     

地面慢速目标检测的STAP方法

本文研究机载火控雷达检测地面慢速目标的空时二维处理方法.由于机载火控雷达是前视阵,工作波长短,载机运动速度快,脉冲重复频率低,使得杂波多普勒频率多重模糊,主瓣杂波带宽大,常规处理性能很差.本文重点分析了机载火控雷达检测地面慢速目标的特点,指出主瓣杂波是制约系统检测性能的主要因素,并结合这些特点比较了机载火控雷达滤除主瓣杂波的时空级联自适应处理和空时联合自适应处理的区别,比较了几种情况下系统对慢速目标的检测性能.     

基于OTSU算法的近红外星图目标提取

导航星目标的提取是近红外天文导航中的关键步骤,直接关系到后续的星目标识别和星图匹配.由于天光背景很强,提取星目标极为困难.近红外天文导航在近红外波段对恒星进行检测,即使在白天也可获得足够多用以导航的恒星目标.在分析近红外星图图像特点的基础上,引入能量投影,根据投影峰值确定潜在恒星目标和噪声点的位置;然后根据能量变化,设定待处理区域,并使用最大类间方差(Maximumbetween-cluster Variance,OTSU)算法进行目标和噪声点快速提取;最后使用多帧叠加,剔除噪声点,最终提取出恒星目标.实验结果表明,该算法计算简单,运行时间短,同时具有较高的检测率.该算法能够在复杂的背景中有效地检测出恒星目标,虚警率较低.