一种基于矩不变的SAR海洋图像舰船目标检测算法

提出了一种先分离SAR图像场景中的陆地和海洋区域，再利用矩不变自动门限法对分离出的海洋子场景进行舰船目标检测的算法。对数据处理的结果表明，该方法能够有效、快速、准确地检测到SAR海洋图像中的舰船目标。     

一种基于小波变换的SAR图像边缘检测方法

边缘检测是遥感图像处理中很重要的一步。因合成孔径雷达图像通常带有较强的噪声,用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合顺序统计滤波的方法,设计了一组方向可调滤波器,根据方向滤波的信息,对其进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

基于特征解耦的SAR图像舰船检测蒸馏

目前,基于深度学习的合成孔径雷达（SAR）舰船目标检测方法受到广泛关注。但因为模型参数量大、运算内存高等问题限制了其实际应用。通过学生网络模仿教师网络,知识蒸馏被视作一种高效的模型压缩方法。然而,大部分的知识蒸馏算法只针对常见的可见光图像任务,将其直接应用到复杂的SAR图像舰船目标检测上性能表现不佳。通过分析,出现上述性能不佳现象有以下两个原因：（1）前景背景面积严重失衡;（2）缺乏对前景和背景像素的关系建模。针对上述问题,提出基于解耦特征的拓扑距离知识蒸馏算法。前景和背景解耦蒸馏可以缓解前景背景失衡问题。通过解耦特征拓扑距离蒸馏,学生网络可以从教师网络学习到前景背景之间的关系,增强对背景噪声鲁棒性。实验结果表明,相比许多蒸馏算法,所提出的算法可以十分有效地提升学生网络在SAR图像舰船目标检测精度。比如,基于ResNet18-C4骨干网络的Faster R-CNN模型在HRSID数据集上AP提升6.85个百分点,从31.81%提升到38.66%。     

一种基于二次Gamma核的SAR图像舰船目标检测方法

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。     

改进的基于Parzen窗算法的SAR图像目标检测

传统的Parzen窗检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。对此,提出了一种改进的Parzen窗检测算法,该算法通过自适应地设置目标窗口,将潜在的目标从检测图像中剔除,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比传统的Parzen窗检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,改善了检测性能。实测SAR图像的检测结果表明了该方法的有效性。     

改进YOLOv5的SAR图像舰船目标检测

近年来针对合成孔径雷达(synthetic aperture radar,SAR)图像中缺乏颜色和纹理细节的舰船检测技术在深度学习领域中得到了广泛研究,利用深度学习技术可以有效避免传统的复杂特征设计,并且检测精度得到极大改善.针对舰船目标检测框具有高长宽比和密集排列问题,提出一种基于改进YOLOv5的目标检测方法.该方...     

基于级联CNN的SAR图像舰船目标检测算法

针对合成孔径雷达(SAR)图像中舰船目标稀疏的特点,提出一种基于级联卷积神经网络(CNN)的SAR图像舰船目标检测方法.将候选区域提取方法BING与目标检测方法Fast R-CNN相结合,并采用级联CNN设计,可同时兼顾舰船检测的准确率和速度.首先,针对SAR图像中相干斑噪声影响梯度检测的问题,在原有梯度算子的基础上增加平滑算子,并对图像尺寸个数和候选框个数进行适应性改进,使其提取到的候选窗口更快更准;然后,设计级联结构的Fast R-CNN检测框架,前端简单的CNN负责排除明显的非目标区域,后端复杂的CNN对高概率候选区域进行分类和位置回归,整个结构可以保证快速准确地对舰船这种稀疏目标进行检测;最后,设计一种联合优化方法对多任务的目标函数进行优化,使其更快更好地收敛.在SAR图像舰船检测数据集SSDD上的实验结果显示,所提出的方法相比于原始Fast R-CNN和Faster R-CNN检测方法,检测精度从65.2%和70.1%提高到73.5%,每张图像的处理时间从2235ms和198ms下降到113ms.     

基于小波的多波段SAR海洋图像融合算法

不同波段的海洋SAR图像在展现海洋现象和大气现象方面有着各自的优势.本文针时海洋多波段SAR图像融合的应用,提出了一种基于小波系数向量去相关的融合算法,为小波系数融合规则的选择提供了新的思路.实验表明,所提出的融合算法相对于传统的基于取大或加权的小波融合算法,在海洋多波段SAR融合图像特征的完整性和强度的保持方面具有优势.     

基于α稳定分布的SAR图像目标检测算法

在SAR图像目标检测中,分布模型与杂波的拟合精度对基于统计模型的CFAR(constant false alarm rate)检测算法性能有着重要的影响。在极不均匀区域,由于存在着大量的强脉冲干扰,使得常用的分布模型的拟合精度都有所下降。基于广义中心极限定理的α稳定分布能对强脉冲干扰现象准确地建模,对各种性质区域的杂波都有较好的适应性。本文对基于α稳定分布的SAR图像目标CFAR检测算法进行了研究,给出了参数估计、标准模型变换及检测阈值确定等关键步骤的实现方法。对实际数据的处理表明,该算法具有较好的检测性能,能达到较高的检测率和较低的虚警率。     

基于矩阵分解的海洋SAR图像舰船检测

针对海洋原始图像与低秩和稀疏矩阵分解模型数据结构不一致的问题,本文提出一种新的基于矩阵分解的海洋SAR图像舰船检测方法。首先该方法需对结构化相似的海洋SAR图像进行重组;然后根据重组矩阵特性适应性设计一个分解精度更高、分解速度更快的新矩阵分解模型,并利用增广拉格朗日乘子法求解模型,在不依赖任何杂波模型和检测统计量的前提下,实现代表舰船目标的稀疏成分的提取;最后利用形态学处理进行优化,实现海洋SAR图像舰船目标的检测。基于高分三号SAR卫星数据的实验结果表明,相比已有的基于鲁棒主成分分析的舰船检测方法,本文方法在处理复杂海况时,能更快速度地以较好的形状从海杂波中准确提取舰船目标,具有更好的鲁棒性。     

基于SAR图像的自动船只检测模型与算法实现

船只检测是实现船只航行安全的重要方法之一,利用SAR图像可实现船只检测。本文论述了海上船只检测的方法、过程及相应的算法。根据实际检测多位于存在陆地和岛屿的近海图像,利用分形维作为海陆分割的阈值,采用改进的分裂合并算法进行分割,并利用轮廓跟踪及种子填充消除分割遗留的孤立区域,使得海陆分割达到了较好的效果。在比较、试验的基础上,船只检测中采用了改进的CFAR算法,依据视数的不同选择不同的杂波模型,既消除了杂波模型参数计算复杂性,又取得了较好的时效性。通过试验证明,本文提出的算法在实际检测中取得了较好的效果,识别率高、虚景率低且实时性好。     

基于合成孔径雷达图像的河流检测方法研究

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中水体的梯度比陆地的梯度要小的特点,提出了一种利用图像梯度信息和Fisher准则检测河流的方法;首先利用梯度算子求出图像的梯度;再对得到的梯度图像运用Fisher准则分割出水体区域;最后利用数学形态学滤除分割图像中存在的大量细小噪声,并运用面积、灰度、方差等特征进一步消除虚警目标,检测出河流;实验结果表明,该方法具有较强的抗相干斑噪声特性,能够自动、快速地检测出SAR图像中河流目标。     

基于统计与结构信息的SAR图像水上目标检测

设计了基于图像分析理论,根据SAR图像特点形成水上目标轮廓的检测算法。该算法的实现分为3步：(1)基于数理统计的目标检测方法,形成目标区域;(2)用加权统计滤波算子和去除孤立点算法消除噪声,规范需要检测的水上目标;(3)提取目标轮廓。系统在不同的SAR图像上,取得了良好的检测结果。     

基于通道对消处理的 SAR 快速运动目标检测技术研究磁

论文深入研究了基于通道对消处理的 SAR 快速运动目标检测、定位和速度估计技术。基于双通道杂波对消对快速运动目标信号的的影响,提出将通道对消后的残差 SAR 图像反变换回距离压缩方位时域,通过 Radon 变换计算距离走动的斜率,得到径向速度估计,再利用 keystone 变换完成运动目标的距离走动校正。基于图像熵最小化准则,采用参数搜索法实现方位向聚焦,同时获得切向速度估计值,在实现二维聚焦的基础上完成快速运动目标检测,最后对所提出的快速运动目标检测方法进行了仿真验证。     

水面船只SAR探测的极化方式研究

利用SIR-C SAR的C和L波段全极化数据,分析水面船只的极化散射特性和船只与背景海面雷达后向散射的信噪比特性,研究水面船只SAR探测的最优极化方式。结果显示,二面角散射是水面船只SAR成像的主要机理。线性极化中,HV极化具有最大的船只与背景海面雷达后向散射信噪比。与线性极化相比,圆极化的雷达后向散射信噪比更优。C波段和L波段的水面船只的极化散射特性存在较大的差异,L波段的信噪比大于C波段的信噪比。水面船只的雷达后向散射特性表明,L波段的圆极化是水面船只探测的最优极化方式。     

基于区域目标检测的红外与可见光图像序列融合

提出了一种基于区域目标检测的红外与可见光图像序列融合方法。该方法通过目标检测技术将源图像序列分割成目标和背景区域,并在目标和背景区域里分别采用不同的融合规则,同时使用双树复小波变换方法使每一幅源图像具有移不变多分辨率表示。实验采用了实际图像序列数据。融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能。