基于图像序列的VideoSAR动目标检测方法

VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要分为背景补偿和背景分割两部分。首先,将段内的图像用SIFT+RANSAC算法进行配准,使得图像序列的背景对齐;然后,用单高斯模型对图像序列进行统计,得到该段图像序列的背景模型,将背景与当前图像差分后并二值化,得到前景的二值图;最后,对二值图进行形态学处理,即可提取出运动目标的阴影。该方法用美国Sandia国家实验室的VideoSAR图像进行了验证,具有良...     

一种稳健的视频SAR动目标阴影检测与跟踪处理方法

视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。     

基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法

SAR图像目标检测方法没有固定的范式,是图像分析、理解和解译的基础.针对含有目标的SAR图像,提出一种基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法.对含有目标的灰度SAR图像,利用Top-Hat变换减小图像的突变,并使用图像的特征均值和特征方差值作为阈值进行动态阈值的四叉树分解.最后根据目标固有的特征对候选的若干区域选择一个真实的目标,并采用X波段SAR图像验证该方法能够有效地实现SAR图像目标区域的检测.     

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。      

基于位置相关的SAR图像中分布式目标检测

在研究了SAR图像中分布式目标在其所占有的各分辨单元间的二维位置相关信息的基础上,提出了一种SAR图像中分布目标的检测方法。根据二维情形下的不同距离定义,提出了算法的几种形式。计算机仿真结果、处理真实SAR图像数据的试验结果和性能分析表明了该方法比经典的恒虚警检测算法更有效、更优越。通过比较不同的距离定义下检测算法的性能和运算复杂度,得出了最优的距离定义形式。     

室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。     

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法.该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的"亮线"特征进行检测.与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势.最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性.     

基于稀疏表示和道路辅助的单幅SAR图像运动目标检测方法

本文提出一种利用单幅SAR(Synthetic Aperture Radar)图像实现运动目标检测的方法.首先提出一种基于压缩感知的SAR图像道路检测算法:根据SAR图像中道路的特点,使用模糊C均值方法将图像进行模糊分类,获得大致的道路区域,然后利用Hough变换域的稀疏性,用压缩感知精确定位图像中的道路信息.其次利用图像稀疏表示的方法对运动目标进行检测:不同速度运动目标的散焦量和距离单元跨越不同,由此生成样本图像,继而构造超完备字典.将待测图像分块,并计算子图像在字典下的稀疏系数,检测并匹配出运动目标的速度参数.最后,结合已检测出的道路辅助信息,消除多普勒模糊影响,剔除虚假的运动目标,并对运动目标速度参数进行校正.实验结果证明了所提方法的有效性.     

匹配傅里叶变换检测SAR中的运动目标

该文介绍了应用匹配傅里叶变换检测SAR中运动目标的方法。文中讨论了信号模型、检测方法,并进行了仿真研究。仿真和实际的SAR数据中运动目标检测处理结果表明:在雷达平台运动速度被补偿,且脉冲压缩之后,再应用匹配傅里叶变换进行运动目标检测是比较好的检测方法;在一定的条件下,也可以比较相邻SAR图像中强点间相对位置的变化来判断运动目标。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。