Fisher纹理分布下基于匹配滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达（PolSAR）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分布下的CFAR检测方法,并定义虚警损失率（CFAR Loss,C_L）以量化评估算法的恒虚警保持性能.首先,在乘积模型框架下引入Fisher纹理变量,推导出了多视极化匹配滤波（Multi-look Polarization Matched Filter,MPMF）检测量的概率密度函数（PDF）.然后,对PDF积分得到了虚警概率的闭合解析式,并设计了CFAR检测流程.仿真数据和机载合成孔径雷达（Airborne SAR,AIRSAR）数据实验结果表明,与基于K分布、G₀分布、Wishart分布的CFAR检测算法以及双参数恒虚警（two-Parameter CFAR,2P-CFAR）算法相比,新方法具有良好的恒虚警保持性能和检测性能,具有较强的鲁棒性,且运算时间未明显增加,相比于其他检测方法,品质因数（Figure of Merit,FoM）平均高出12.80%.     

Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法

在杂波纹理服从Beta分布的极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,POLSAR）图像目标检测中,提出了一种基于多视极化白化滤波（Multilook Polarimetric Whitening Filter,MPWF）的恒虚警（Constant False Alarm Rate,CFAR）检测解析新方法.首先,假设乘积模型中纹理变量服从Beta分布,推导得到MPWF检测量的概率密度函数（Probability Density Function,PDF）.然后,对概率密度函数积分得到虚警概率关于检测门限的解析式,并设计相应的CFAR检测流程.最后,提出了基于MPWF的对数累积量估计方法,对Beta分布纹理变量参数u和v进行估计.通过实测数据验证了新方法的有效性.实验结果表明Beta分布对某些区域的极化SAR数据有更好的拟合效果,同时新方法与已有方法相比具有更好的CFAR保持能力.     

K分布下极化SAR图像CFAR检测新方法

在极化合成孔径雷达（PolSAR）图像杂波服从K分布下,已有的基于多视极化白化滤波器（MPWF）的恒虚警（CFAR）检测方法不适用于等效视数为非整数情形.针对此问题,提出了一种具有解析虚警概率表达式的CFAR检测方法.在乘积模型下引入Gamma分布纹理变量后,对MPWF检测量的概率密度函数（PDF）积分得到其累积分布函数（CDF）,进而得到虚警概率关于检测门限的解析形式.仿真实验结果表明新方法良好的虚警拟合效果,此外在目标杂波比（TCR）较大时,新方法检测概率更高,反之,检测概率低于已有方法.需说明的是,目前K分布下多视极化匹配滤波（MPMF）检测方法的虚警概率表达式存在错误,因此对K分布下的MPMF检测方法进行了修正并推导出了正确的虚警表达式.     

多角度极化SAR图像中的非各向同性散射估计与消除方法研究

通过对不同角度子孔径相干累加,多角度观测SAR可以提供高分辨率影像及多角度散射特征.然而,现有的累加成像方法存在非各向同性散射中心混叠问题.混叠将造成极化特征参数估计无法反映实际的目标物理特征,从而难以支撑分类及变化检测应用.为了去除不同散射中心间的相互干扰并利用不同类型的信息,该文提出了一种多角度极化SAR图像中的非各向同性散射估计与消除方法.该方法给出了基于两类目标假设的最大似然比检验统计量,分析了相干斑影响以及非各向同性散射消除机理,证明了恒虚警判决函数的单调性.通过机载P波段极化SAR进行了360观测试验,分析了非各向同性散射消除前后极化熵的变化,验证了算法的有效性并揭示出在目标特征提取方面的应用潜力.      

极化SAR图像中PNF与PWF的CFAR检测性能对比

Marino于2012年提出了一种极化凹口滤波器（polarimetric notch filter,PNF）[1],引起了业界内的广泛关注,但至今尚未查询到公开文献将其与极化合成孔径雷达（polarimetric synthetic aperture radar,PolSAR）图像目标恒虚警率（constant false alarm rate,CFAR）检测领域内著名的极化白化滤波器（polarimetric whitening filter,PWF）进行比较.文章推导了G0-Wishart分布下PWF输出像素强度的概率密度函数（probability density functions,PDF）和虚警概率（probability of false alarm,PFA）,进而给出了检测门限的解析表达式.最后利用仿真数据和来自AIRSAR的实测数据对PNF与PWF的性能进行了比较,结果表明一般情况下PWF的整体检测效能优于PNF,而PNF对不同统计模型的适应性优于PWF,在高海况情形下的检测性能比PWF要好.研究结果对极化SAR图像CFAR检测方法的选择具有理论指导意义.     

全极化合成孔径雷达图像极化白化滤波参数估计方法的改进研究

本文介绍了全极化SAR图像相干斑抑制的极化白化滤波,及其参数估计的传统方法.针对传统参数估计方法的缺陷,提出了增强的自适应边缘检测参数估计方法.由于以上方法无法检测点、线目标,本文提出了一种新的参数估计方法.将这些方法应用到NASA JPL实验室的全极化SAR图像数据中,得到了相干斑抑制图像.对这些图像进行详细的分析、比较,结果证明参数估计新方法具有强的适应性和有效性.     

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。      

Wishart分布情形下极化SAR图像目标CFAR检测解析方法

等效视数是影响极化合成孔径雷达（PolSAR）图像恒虚警 （CFAR）检测性能的重要参数.目前等效视数的估计大都不是整数,导致已有的基于整数等效视数的CFAR检测方法不再适用.为解决此问题,提出了一种新的PolSAR图像目标CFAR检测解析算法.首先,在Wishart分布假设下,推导出了多视极化白化滤波（MPWF）检测量的概率密度函数;然后对其积分得到了CFAR检测门限关于等效视数的解析表达式;最后通过仿真数据和AIRSAR实测数据比较了新方法与已有的适用于整数等效视数的检测方法和双参数恒虚警（2P-CFAR）检测方法的CFAR检测性能.结果表明新方法中实际虚警概率与给定的恒虚警概率最为接近,更好保证了CFAR检测的恒虚警假设.     

基于反射对称性的极化SAR舰船目标CFAR检测

反射对称性是极化散射中十分重要的一种性质。反射对称性检测量刻画了共极化通道和交叉极化通道间的相关性,在极化合成孔径雷达(Pol SAR)目标检测中有重要应用。在复Wishart分布的基础上,结合乘积模型,推导出反射对称性检测量统计模型服从K分布,利用实测数据证实该模型对杂波数据具有很好的拟合效果。最后基于K分布模型,用恒虚警率(CFAR)方法进行了舰船目标的检测,实验结果验证了该方法的有效性。     

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。     

基于级联CFAR的SAR图像目标快速检测方法

针对高对比度场景下合成孔径雷达(SAR)图像的实时目标检测问题,提出一种基于级联恒虚警率(CFAR)的SAR图像目标快速检测算法,将二维图像的检测沿距离向和方位向拆分成两个一维的CFAR检测, 采用距离向-方位向级联检测器并加以分割关联方法对目标进行检测。首先,按距离向叠加后进行距离向检测,并进行分割关联以划分不同目标的区域;然后,对过检单元进行方位向检测得到目标位置;同时,进行分割关联,从而实现目标检测。文中利用仿真的SAR图像、MSTAR数据和实测数据进行实验。仿真结果表明:该算法具有速度快、检测率高的优点,满足实时处理要求。     

基于恒虚警率的双阈值检测方法

针对对海导航雷达视频图像背景灰度值分布不均匀,不同位置的目标与背景对比度不同的特点,以及对海导航雷达视频图像目标检测处理效率的要求,结合传统的阈值分割处理思路,提出一种基于恒虚警率的双阈值检测方法。该方法在保证低虚警率的基础上,结合现有的全局阈值和局部阈值两种处理思路,实现对对海导航雷达视频图像目标的快速精确检测,并在实测数据上与常用阈值检测算法Otsu算法进行了验证比较。结果证明,该算法能有效提高目标检测的准确度。     

一种CFAR检测雷达的可控干扰新方法

针对目前常见恒虚警（CFAR）检测雷达干扰方法所产生干扰效果单一的问题,提出一种基于多相位分段调制的干扰方法。对该方法的基本原理进行说明,推导干扰信号的脉压输出结果,基于单元平均恒虚警检测方法,分析了该方法对CFAR检测雷达的干扰效果。最后进行仿真与分析,说明该干扰不仅可以形成压制干扰,还能够形成假目标欺骗干扰,并且通过对分路数、调制相位数以及调制相位值三个参数的变化,可以实现对假目标数与假目标幅值的控制,是一种灵活可控的干扰方法。     

基于Alpha稳定分布的地面动目标检测技术

多通道SAR/GMTI系统通过空时自适应处理（STAP）抑制杂波,可以有效降低系统的最小可检测速度（MDV）,但在复杂探测环境中,杂波背景不再服从高斯分布,导致传统SAR-STAP方案在地面动目标指示应用中性能明显下降。针对这种情况,提出一种新的基于Alpha稳定分布杂波模型的动目标检测方案,该方案引入Alpha稳定分布代替高斯分布以建立非高斯杂波模型,在此基础上采用基于最小分数低阶矩无畸变准则的新型算法进行杂波抑制处理。通过仿真及实测数据对算法性能进行了验证,结果表明,该算法在非高斯杂波环境中性能明显优于原有算法。     

未知杂波背景下恒虚警检测门限获取方法

针对未知杂波背景下的雷达恒虚警检测问题,提出了一种基于核密度估计的CFAR(K-CFAR)检测方法。该方法利用核密度估计方法处理参考单元数据,实时准确地估计杂波背景的概率密度函数,进而根据分布函数与上分位点之间的关系确定检测门限。该方法不仅成功地解决了未知杂波背景下检测性能下降、检测器失去恒虚警特性的问题,而且相比已有的单样本非参量CFAR检测器,检测性能大幅提升。且对各种未知背景的杂波具有通用性的特点。最后,利用计算机仿真数据验证了文中所提方法的有效性。