首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 437 毫秒

1.  SAR图像中地面目标自动检测方法研究  
   王义敏  安锦文《弹箭与制导学报》,2005年第25卷第3期
   文中对SAR图像中的目标检测进行了研究.运用雷达目标恒虚警(CFAR)检测方法,在SAR图像杂波统计特性为Weibull分布的条件下,对SAR图像目标进行自适应检测.利用有效象素及其比率对不同虚警率下的SAR图像目标检测结果进行分析.仿真结果表明CFAR方法在SAR图像目标检测中是有效的,并给出了相应参数的最佳值.    

2.  一种结合空间信息的星载SAR图像舰船目标检测算法  
   樊庆聚  蔡正谊  冷祥光  武院生  计科峰《太赫兹科学与电子信息学报》,2017年第15卷第6期
   针对常规恒虚警率(CFAR)方法对低信杂比合成孔径雷达(SAR)图像舰船目标检测效果不佳的问题,提出一种结合空间信息的星载SAR图像舰船目标检测方法。该方法通过将像素的空间信息与灰度信息相结合构造联合图像,以提高目标与背景的对比度,然后对联合图像进行CFAR检测。基于不同分辨力实测星载SAR图像舰船目标检测的实验结果表明,与直接基于CFAR的方法相比,该方法对低信杂比SAR图像具有更好的检测性能。    

3.  基于最小错误率的SAR图象分割方法研究  
   王义敏  安锦文《计算机工程与应用》,2006年第42卷第16期
   文章提出了一种基于最小错误率的SAR图象自动分割算法。对直方图呈现出多模分布特征的SAR图象,首先运用有限高斯混合分布对SAR图象特征空间的数据统计模型进行估计;其次基于最小错误率原理选取SAR图象自动分割阈值,在先验概率未知和估计条件下,获得目标及其阴影区域的检测结果;最后对两种图象分割结果进行了分析并与SAR图象目标检测的经典方法-恒虚警(CFAR)目标检测方法作了比较。仿真结果表明在先验概率估计下的图象自动分割具有明显的优势和较大的应用潜力。    

4.  基于有序数据可变索引的SAR图像目标检测方法  
   李禹  计科峰  粟毅《电子与信息学报》,2008年第30卷第2期
   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.    

5.  基于方位不变性的SAR图像旋转体检测  
   王鑫运  宋千  张汉华  周智敏《雷达科学与技术》,2014年第4期
   针对复杂环境中微弱旋转体目标(如地雷等)检测的难题,提出了一种基于方位散射特征和局部对比度特征融合的检测算法。首先,对旋转体目标特性进行了分析,进而利用子孔径SAR图像提取方位散射熵作为待检测特征。对全孔径SAR图像分别进行方位不变性检测和CFAR检测,并将检测结果相融合,得到最终检测结果。算法体现了利用目标先验知识辅助检测的思路,实测数据结果表明,该方法能够有效剔除原先在全孔径图像中无法剔除的杂波,有效降低检测的虚警率。    

6.  基于卷积构型的单元平均CFAR目标检测算法  
   李健  孙光才  邢孟道  章林《电波科学学报》,2018年第1期
   提出一种基于卷积构型的单元平均恒虚警率 (convolution based cell averaging constant false alarm rate, CCA-CFAR)快速检测算法.该算法首先根据背景杂波分布模型计算待检测合成孔径雷达 (synthetic aperture radar, SAR)图像统计量矩阵,然后对单元平均恒虚警率 (cell averaging constant false alarm rate, CA-CFAR)检测器构建卷积模型,利用卷积运算实现对背景杂波的矩估计,并求出详细的背景杂波分布函数,最后根据分布函数计算出每个像素的判定阈值,并对所有待检测像素是否为目标点进行判定.该检测算法复杂度低,运算效率高,能够快速实现SAR图像实时目标检测.仿真实验证明了该方法的有效性和工程实用价值.    

7.  极化合成孔径雷达图像船舶目标检测算法  被引次数:1
   韩昭颖  种劲松《测试技术学报》,2006年第20卷第1期
   结合区域划分和结构检测模板提出了改进极化白化滤波(IPWF)算法,利用IPWF算法融合极化合成孔径雷达(POL-SAR)中各极化通道图像,同时抑制相干斑,然后利用双参数恒虚警率(CFAR)检测方法对融合后的图像进行船舶目标检测.本文利用香港地区SIR-C全极化单视复数据进行了实验,结果表明IPWF算法更好地降低了相干斑因子,提高了船舶目标的检测率、控制了虚警率,同时可以更好地保持船舶目标的结构信息.    

8.  SAR图像车辆目标ROI的提取技术  
   李禹  计科峰  粟毅《电子与信息学报》,2007年第29卷第9期
   SAR图像感兴趣目标区域(Region Of Interest,ROI)的提取是目标识别的基础.该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered DataVariability Index,ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别.最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警.    

9.  基于分块预判断的SAR图像舰船目标检测方法  
   樊庆聚  计科峰  冷祥光  刘 帅《太赫兹科学与电子信息学报》,2016年第14卷第3期
   由于具有恒虚警和自适应的能力,恒虚警率(CFAR)是应用最为广泛的SAR图像舰船检测算法之一,它在传统的中低分辨力图像中效果较好。但随着合成孔径雷达(SAR)幅宽与分辨力的提高,这种检测方法已不能满足舰船检测的近实时性要求。本文针对高分辨宽幅SAR图像中的舰船检测问题,提出了一种基于分块预判断的SAR图像舰船目标检测方法。该方法首先对SAR图像进行分块,然后利用一个预先训练的支持向量机(SVM)分类器对所有分块进行可能性判断,最后只对判断为存在目标的分块进行能量比检测。基于实测数据的实验表明,本文方法较以往算法在取得较好检测效果的同时,检测效率也有较大提升。    

10.  SAR图像CFAR检测的快速算法综述  
   赵明波  何峻  付强《自动化学报》,2012年第38卷第12期
   针对合成孔径雷达(Synthetic aperture radar, SAR)图像目标检测中恒虚警率(Constant false alarm rate, CFAR)算法的广泛应用, 进行CFAR检测的快速算法分析具有重要研究价值. 首先概述了当前国内外对SAR图像CFAR检测快速算法的研究现状; 然后分别从快速预筛选和迭代计算方法两个方面对各类快速算法的实时性及性能进行了分析总结, 给出了四种基本CFAR检测器的迭代计算公式, 并提出了一种研究CFAR检测快速算法的基本框架, 现有的快速算法均可纳入该理论框架予以分析; 最后, 以经典双参数CFAR检测算法为例, 对该基本框架进行仿真实现和性能分析, 验证了其可行性与检测性能.结果表明: 新的CFAR检测快速算法基本框架充分融合了快速预筛选思想和迭代计算方法的优势, 有效提高了CFAR算法在SAR图像检测应用中的执行效率.    

11.  基于混沌理论和形态学变换的海面分布目标检测  
   张亚飞  朱敏慧《数据采集与处理》,2008年第23卷第2期
   基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法.该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)栓测,然后用形态学变换来改善检测效果.用实测的机栽海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测.    

12.  一种SAR图像舰船属迹的CFAR检测方法  被引次数:1
   汤子跃 朱敏慧 等《电子学报》,2002年第30卷第9期
   提出一种基于邻近象素求和合成孔径雷达(SAR)海面图象舰船尾迹的恒虚警率(CFAR)检测方法(简称APS方法)。该方法的关键是用“邻近象素求和”方法实现子图像的Radon变换,在变换域依概率模型进行统计假设检验,并最终实现CFAR检测。文中仿真和实际SAR图像试验的结果表明该算法是有效的。    

13.  基于扩展分形和CFAR特征融合的SAR图像目标识别  被引次数:3
   曹俊纺  张弓《雷达与对抗》,2004年第1期
   研究了多信息融合技术在SAR图像目标识别中的应用。将扩展分形特征(Extended Fractal)与双参数恒虚警特征(Double Parameter CFAR)形成的多信息进行融合处理。运用Dempster-Shafer证据理论,在决策层对SAR图像中的像素进行识别分类。实验结果表明通过融合对像素分类的准确性明显好于单特征的检测结果,减少了虚警概率,提高了系统的识别能力。    

14.  基于NSCT分解系数的SAR图像目标检测算法*  
   黄世奇  黄文准  张 婷《计算机应用研究》,2016年第33卷第12期
   恒虚警率(Constant False Alarm Ratio,CFAR)目标检测法用于合成孔径雷达(Synthetic Aperture Radar, SAR)图像时,通常要求图像有强的对比度,而实际上此条件很难满足。为提高SAR图像目标的检测率,特别是低信噪比图像,本文从SAR成像机理入手,结合非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)理论的多尺度、多方向和平移不变性等特点,提出了一种新的SAR图像目标提取算法,即TD-NSCT(Target Detection based on NSCT)算法。该方法融合了CFAR检测器和NSCT变换的优点,通过对分解系数特征的选取和组合,达到改善SAR图像信噪比、提高SAR目标检测率的目的。用不同实际SAR图像数据和不同方法进行了比较实验,实验结果表明TD-NSCT算法能效提高SAR目标的检测率,特别是对于那些隐藏地物目标的低信噪比SAR图像。 TD-NSCT算法是一种可行和有效的SAR图像目标检测算法。    

15.  利用高斯混合模型的SAR图像目标CFAR检测新方法  被引次数:2
   张 军  田 昊  黄英君《中国图象图形学报》,2009年第14卷第1期
   SAR(合成孔径雷达)图像杂波分布模型种类繁多且对实际地物的建模能力有限。在使用基于杂波统计模型的CFAR(恒虚警率)算法对SAR图像进行目标检测时,杂波统计模型的失配会导致检测结果产生较大的CFAR损失,算法精度不高。提出了一种基于高斯混合模型的CFAR检测新方法。该方法以理论上可以拟合任意形状概率密度分布的高斯混合模型对实际SAR图像的背景杂波进行拟合,利用拟合后得到的分布模型,根据CFAR检测的原理推导出目标检测阈值的计算公式完成目标的检测。新方法对服从不同分布模型的背景杂波,使用形式上统一的模型进行描述,克服了CFAR检测高度依赖背景杂波分布的缺点,提高了CFAR的通用性。实验结果表明,即使在背景杂波类型未知的情况下,新方法依然得到了良好的目标检测效果。    

16.  基于CFAR海上溢油检测研究  被引次数:1
   邹亚荣  王华  邹斌《遥感技术与应用》,2008年第23卷第6期
   在SAR图像处理的基础上,提出一种新的基于恒虚警率(CFAR—Constant False Alarm Rate)技术,确定SAR图像中检测溢油整体阂值的方法。该方法采用高斯分布(正态分布)作为SAR图像灰度的概率密度函数,由CFAR技术直接导出用于检测海上溢油整体阈值的计算公式,进行虚警去除。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用ENVISAT图像对该算法进行检验,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。    

17.  一种自适应的合成孔径雷达图像目标检测方法  被引次数:2
   张名成  吴秀清  王鹏伟《计算机工程与应用》,2006年第42卷第10期
   目标检测是自动目标识别的一个重要步骤,论文提出了一种自适应的SAR图像目标检测方法,该方法采用基于Weibull分布模型的恒虚警率(CFAR)检测技术,将参考窗口分块,判断各子块类型,根据各子块类型不同,自适应选择参考样本确定阈值。在检测过程中,利用灰度和方差特征,预先排除明显不为目标的像素。对CFAR检测结果,利用目标基本形状特征排除虚警。实验证明,该方法在同质区和非同质区背景下都具有较好的检测性能。    

18.  一种基于二次Gamma核的SAR图像舰船目标检测方法  
   谭昆  邹焕新  叶文隽  陈振林《数字社区&智能家居》,2009年第8期
   针对CFAR检测方法在强海杂波环境中虚警率过高的问题,该文提出了利用二次Gamma核的目标检测方法对SAR图像舰船目标进行检测。该方法可以克服CFAR目标检测方法的缺陷,在强海杂波环境中能有效检测目标,通过实验证明了该方法大大提高了图像的平均信杂比,降低了检测的虚警率。    

19.  UWB SAR非均匀区域目标检测方法  被引次数:1
   王红岗  黄晓涛  金添《现代雷达》,2005年第27卷第7期
   在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域,还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法,而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况,运用智能索引变量的CFAR检测技术(VI—CFAR),使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后,利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。    

20.  一种利用SAR和可见光图像融合检测目标的方法  
   陈新  彭科举  周东翔  刘云辉《信号处理》,2010年第26卷第9期
   本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法.该方法分为图像预处理,目标检测和融合检测三部分.首先,利用基于特征匹配的方法对多传感器图像进行配准.其次,利用全局舣参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征.最后,在特征层利用特征向量距离准则融合检测目标.实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号