三维极化旋转域解译工具及舰船检测研究

极化雷达有利于获取目标完整的极化信息,在许多应用领域得到了广泛应用。然而,目标相对于雷达视线的几何位置通常会对散射机制产生显著影响。近年来,极化旋转域解译方法成功地表征和利用了这种目标散射多样性。值得注意的是,极化响应同时受到极化方位角和极化椭圆率角的影响。对此,本文将极化旋转域解译方法沿极化椭圆率角维度进行拓展,旨在探索和利用更为完整的目标散射多样性。其主要思想是提出一种三维极化相关方向图,能够同时表征极化相关特征随极化方位角和极化椭圆率角的变化情况。通过研究揭示了不同典型散射体的三维极化相关方向图存在显著差异,着重表现在极值点的分布和曲面起伏程度的不同。在此基础上,本文引入了微分几何中的曲率来描述这种三维流形的性质,并提出了高斯曲率最大值这一新极化特征。结合星载极化合成孔径雷达(Synthetic Aperture Radar, SAR)实测数据验证了高斯曲率最大值特征能够有效地区分舰船和海杂波。结合该特征,本文提出了一种阈值分割的舰船检测方法。与传统的恒虚警率方法和新近提出的NPNF方法相比,本文方法表现出更好的舰船检测性能。尤其是在近岸舰船密集区域,检测性能得到明显提升。     

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。     

基于灰度相关性的SAR图像联合CFAR舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点,利用了SAR海洋图像中舰船目标的灰度相关性、形状特性以及舰船目标与背景杂波的信杂比特性,提出了一种基于灰度相关性的联合CFAR舰船检测算法。算法综合利用了舰船目标内部相邻像素间的灰度强相关性和舰船目标和海杂波的信杂比,建立了海杂波区域内相邻像素间灰度值的二维对数正态分布来实现联合CFAR检测。该算法能够改善斑点噪声和背景局部不均匀对检测带来的虚警,检测效果相比于传统检测算法更加优越。     

基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

针对高分辨率SAR 舰船目标检测中存在类似舰船的干扰目标造成虚警的问题,该文设计了一种峰值区域极化特征提取方法.该方法通过对比水面船只和干扰目标峰值区域Krogager 分解中螺旋体散射比重的差异,对两类目标进行了鉴别分析.利用RADARSAT-2 的C 波段全极化数据对方法的有效性进行验证,验证结果表明该方法能有效地鉴别船只目标与岛屿、防浪堤、海面平台、桥梁等干扰目标,减少SAR 舰船目标检测中存在的虚警.      

星载简缩极化SAR海上舰船目标检测性能分析

与全极化相比,简缩极化合成孔径雷达(SAR)因其更宽的幅宽,在海洋监视方面具有先天的优势。针对星载简缩极化SAR图像海上舰船目标检测,在全极化及简缩极化SAR特征参数提取方法研究基础上,基于实测Radarsat-2全极化数据模拟的混合极化(CTLR)模式简缩极化SAR图像数据,通过归一化距离对所提取极化特征参数的舰船目标和海杂波背景区分能力进行了系统分析与比较,在此基础上进一步对全极化及简缩极化的极化特征参数相似性进行了定量分析与评估,得到简缩极化和全极化的舰船目标检测分析结果。结果表明,简缩极化SAR的检测性能总体上接近于全极化。     

基于极化特征分解的海上小目标检测算法研究

该文首次从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。通过对实测全极化数据分析,验证了海杂波已被阐述的极化特性。并对回波特征矩阵进行极化特征分解,对比了纯海杂波与包含目标回波时海杂波的极化特征量。据此,提出了一个新的极化特征量-联合熵间距()。根据海杂波与小目标DBEA反映的散射机理差异,给出了小目标检测方法,得到了正确的检测结果。经过不同海况数据进行多次验证,得出该方法具有良好的检测能力和较强的鲁棒性。     

Ku波段地海杂波极化特性实验与分析

目标极化特性是全极化雷达导引头信号算法的重要先验知识,开展地海杂波极化特性的理论与实验研究对极化导引头的研制意义重大.地海杂波的时频域和极化域统计特性是设计雷达导引头抗干扰算法的基础.基于本实验室研制的Ku波段双极化平板裂缝天线,在山东莱州地区某实验现场,开展了垂直和水平极化基下地海杂波频域和极化域实验研究,获取了大量的全极化回波实验数据.文中重点从极化度、极化不变量和极化分解探索给定条件下的地海杂波极化特性,并进行了实验数据的处理和分析.在Ku波段,三种典型环境下的杂波具有较高的极化度,极化特征明显,且杂波的极化特性随频率变换明显,表现出极化对频率的敏感特性;三种杂波的极化不变量存在显著差别,且随着频率显著变化;数据的极化分解结果验证了三种杂波均存在主散射机制.地海杂波实验研究结果为设计雷达导引头中极化滤波和极化识别算法提供了重要基础,测试数据也可为工程实践提供应用参考.     

一种SAR图像舰船目标快速检测方法

基于SAR图像的舰船目标自动检测是海洋监视应用的重要方面,但随着SAR成像能力和图像分辨率的提高,传统的CFAR检测方法已不能满足舰船目标自动检测的要求。针对中高分辨率SAR图像中舰船目标自动检测问题,提出一种基于像素筛选G0分布的SAR图像舰船目标快速检测方法,该方法首先根据像素灰度值出现频率选取阈值对杂波像素进行筛选,然后通过抽样定理对图像进行降分辨率处理,最后再在经过像素筛选的降分辨率图像中实现基于G0分布的自适应CFAR检测。NASA/JPL AIR-SAR实测数据的实验结果表明,该方法不仅能有效减少中高分辨率SAR图像舰船目标自动检测的虚警,而且能显著提高检测效率。     

海杂波与目标极化特性研究进展

对海雷达回波极化特性研究是对海雷达目标识别以及抗干扰技术发展的基础.对海雷达回波信号包括目标信号和海杂波,其中,目标通常是飞机、舰船、弹头或无人机,而海杂波是制约雷达探测性能的关键因素.本文归纳总结了国内外在海杂波、目标（飞机、舰船、弹头以及无人机）极化特性方面的研究现状和主要研究结论,并对后续工作进行了展望.     

基于杂波模型的相干雷达极化自适应恒虚警检测算法

该文研究了高斯杂波背景下相干雷达极化自适应检测问题。利用雷达回波的极化信息来提高检测性能。提出了一种基于杂波模型的极化自适应恒虚警检测算法,该算法比极化自适应匹配滤波器算法有更小的估计损失,并推导出了虚警概率表达式。仿真结果表明,所提出的检测算法相对于杂波协方差矩阵都有恒虚警的性质。     

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。     

恒虚警极化自适应子空间检测器

本文研究了在未知统计特性的局部均匀高斯杂波环境中的相干雷达极化自适应目标检测问题.基于广义似然比检验提出极化自适应子空间检测器,并推导出虚警概率和检测概率的理论表达式.研究结果证明该算法在均匀杂波环境和局部均匀杂波环境都有恒虚警的性质.比较了均匀杂波环境下极化自适应子空间检测器、极化广义似然比检验和极化自适应匹配滤波器算法的检测性能,仿真分析了不同极化状态局部均匀杂波环境下极化自适应子空间检测器算法在的检测性能.     

合成孔径雷达极化成像解译识别技术的进展与展望

极化合成孔径雷达(SAR)能够获取目标的全极化信息，在对地观测、灾害评估、侦察监视等民用和军用领域得到广泛应用。国内主要高校、中科院、工业部门和用户单位在该领域开展了卓有成效的工作，取得一大批标志性研究成果。该文简要综述了极化SAR成像解译识别领域的主要研究进展。在解译层面，主要介绍了极化目标分解和极化旋转域解译等理论方法的研究进展。在应用层面，结合研究团队的工作，探讨了上述理论方法在舰船检测、地物分类和建筑物损毁评估等领域的应用成效。最后，对极化SAR目标解译识别技术的研究进行了展望。      

复合高斯杂波中相干雷达极化自适应检测算法研究

研究了在复合高斯杂波中相干雷达极化自适应检测问题，基于广义似然比检验提出了一种新的检测算法。该算法关于杂波的结构分量统计特性有恒虚警的性质，敏感度分析表明虚警概率仅轻微地受到杂波相关特性变化的影响。仿真分析了不同状态时该算法的检测性能。结果表明该算法与先前的基于广义似然比的极化自适应检测算法检测性能接近，计算复杂度较低，有实际应用价值。     

一种新的极化SAR图像目标CFAR检测方法

该文提出了一种新的极化SAR图像目标CFAR检测算法。首先,在乘积模型框架下,引入具有均匀度变化下广泛杂波区域建模能力的逆Gamma分布,推导出了极化匹配滤波(PMF)检测量的分布模型P-G0分布。进而,利用基于Mellin变换的对数累积量导出了P-G0分布的参数估计器,保证了PMF检测量的精确建模。最后,推导出P-G0分布的CFAR检测阈值求解公式,以此设计了新的CFAR检测算法。利用RADARSAT-2极化SAR数据的实验结果表明了P-G0分布对不同均匀度的地物都具有良好的拟合性能,所提检测算法能够实现均匀度变化较大环境下目标的准确、自动检测。     

一种新的多视全极化SAR目标检测器及其性能分析

本文提出一个新的多视极化合成雷达（SAR）的目标检测算法，对均匀和非均匀的杂波及目标模型，分析了该算法的检测性能，给出了检测统计的精确表达式。模拟实验结果表明，本文所提出的目标检测算法明显优于全功率检测算法和利用单通道强度的检测算法。     

Fisher分布下基于白化滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达（SAR）图像恒虚警（CFAR）检测方法中,存在着高分辨下杂波模型适用性差的难题.为此提出了一种Fisher分布下具有虚警概率解析表达形式的CFAR检测方法.首先,在乘积模型框架下,引入Fisher纹理变量,推导出了极化白化滤波（PWF）检测量的概率密度函数（PDF）.然后,对PDF积分得到了虚警概率关于检测门限的解析表达形式,并设计了相应的CFAR检测算法流程.最后,通过机载合成孔径雷达（AIRSAR）实测数据比较了新方法和双参数恒虚警（2P-CFAR）算法及已有的基于K分布、G₀分布、Wishart分布的CFAR检测方法的检测性能.结果表明新方法能有效检测出目标,且鲁棒性较强,相比于其他检测方法,品质因数平均高出32.66%.