高分辨率合成孔径雷达图像舰船检测方法

寻找针对高分辨率SAR图像的舰船目标检测算法。利用KSW双阈值分割技术，其效果比传统检测方法好，有利于进一步的目标分类和识别。且必须根据SAR图像分辨率来选择舰船检测算法。     

基于小波分解的 K-分布 SAR 图像舰船检测

舰船目标检测是合成孔径雷达海洋应用的一个重要组成部分. 通过对合成孔径雷达图像中舰船目标和海杂波背景的结构差异特点进行分析,提出了一种利用小波分解技术和 K-分布海杂波模型的恒虚警率舰船目标检测方法,并对实际 SIR-C C 波段 SAR 图像进行了实验. 实验结果表明,该方法能够在复杂相干斑和海杂波背景中大幅增强舰船目标,并且有效保证了检测结果的准确性.     

基于 NSCT 域特征和 PCNN 的SAR 图像目标分割

针对 SAR 图像的目标自动分割问题,在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上,提出了一种基于非下采样轮廓波域特征图和 PCNN 的 SAR 图像目标分割算法.对 SAR 图像经过 NSCT 分解后的高、低频图像分别运用不同方式进行处理.对低频图用 PCNN 进行分割以获取目标所在的区域,对高频子带构造了特征图,对特征图利用 PCNN 进行分割以获取目标的精细结构.利用 MSTAR 数据进行了仿真实验,并与基于模糊 C 均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对 SAR 图像目标的分割结果更为准确,同时较其它算法具有更强的抗噪性能,是一种有效可行的 SAR 目标分割算法.     

SAR图像中河流边缘检测的Wavelet snake算法

图像的边缘检测对图像的分割、图像信息的提取等都非常重要。由于闪烁光斑的原因,SAR图像的边缘检测比一般的光学图像更难。利用àtrous小波变换、图像块生长和wavelet snake算法相结合,本文提出了一种检测SAR图像中河岸边缘的新算法,并成功用于提取淮河SAR图像中的一段水岸边缘。     

特征级与像素级相混合的SAR与可见光图像融合

SAR和可见光图像成像机理不同,图像差异较大,较难取得良好的融合效果。本文面向目标识别,通过分析图像的成像机理,首先在NSCT融合框架下,将SAR图像中重要的目标信息加入到可见光图像中,并尽可能多的保留源图像的边缘细节信息;再结合数学形态学和多尺度空间理论,提取源图像的亮、暗细节特征,进行特征级融合,得到亮、暗细节特征显著增强的融合图像。实验结果表明,本文算法有效的融合了SAR图像的目标信息,并增强了源图像的细节特征,达到了较好的视觉效果,提高了图像的目标检测和识别能力。     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

星载SAR对舰船高分辨成像研究

研究了星载SAR对舰船高分辨成像的难度和方法。在星载SAR舰船数据获取模型的基础上，着重分析了舰船航行以及船体在特定海情时三维转动对星载SAR成像的影响，研究了星载SAR舰船数据的ISAR成像方法，并给出成像算法流程，仿真结果验证了该方法的有效性。     

基于光谱角匹配和加权自相关约束能量最小化 算法的水面目标探测方法

为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization, CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并利用提取的端元进行光谱角匹配(Spectral Angle Mapping, SAM)分类来确定两个重要的分类:舰船类和海水类;从所有像元中减去舰船类像元作为背景像元,通过基于纯背景像元加权自相关矩阵的SAM-CEM算法计算探测结果;通过分类图像来获得只包含海水和舰船的灰度图像,并进行二值化和数学形态学处理,寻找范围最大的白色区域为海水区域;通过对目标探测图像进行二值化,利用舰船目标在海水中的特点,去除不在海水区域内的虚警目标,从而确定最终的舰船目标.实验结果表明:该算法能够更好地增强目标信号而抑制背景信号,从而避免了加权自相关CEM算法中目标信号作为背景信号参与运算而对探测结果的影响,在对海面舰艇的目标探测中取得了令人满意的结果.     

基于影像融合技术的合成孔径雷达(SAR)图像目标识别方法的探讨

对美国密歇根大学电子工程系的研究人员提出的一种多源数据融合算法进行了介绍，对SAR图像与可见光图像融合的一系列相关技术及其主要步骤进行了探讨，简要概括了评价融合后图像效果的标准和方法，并介绍了目标的检测与识别。     

基于边缘检测的SAR图像平行线特征提取算法

针对传统平行线定义的局限性,本文提出了一种平行线对模型,并以该模型为核心,设计了一种基于边缘检测的SAR(SyntheticAperture Radar,SAR)图像平行线特征提取算法.在图像经过滤波预处理后,首先采用具有恒虚警特性的ROEWA(Ratio of Exponentially Weighted Averages,ROEWA)算子得到边缘检测图,再利用提出的平行线基元提取算法进行检测,最后基于启发式连接的思想连接断点.实验结果表明,该算法能有效地提取SAR图像中的平行线性结构,可以进一步应用于道路网、机场跑道、河流等大型组合线性目标的自动识别中.     

基于卷积神经网络的光学遥感图像船只检测

目的研究无需进行复杂的图像预处理和人工特征提取,就能提高光学遥感图像的船只检测准确率和实现船只类型精细分类。方法对输入的检测图像,采用选择性搜索的方法产生船只候选区域,用已经标记好的训练样本对卷积神经网络进行监督训练,得到网络参数,然后使用经过监督训练的卷积神经网络提取抽象特征,并对候选区域进行分类,根据船只候选区域的分类概率同时确定船只的位置以及类型。结果与现有的2种检测方法进行对比,实验结果表明卷积神经网络能有效提高船只检测准确率,平均检测准确率达到了93.3%。结论该检测方法无需进行复杂的预处理,能同时对船只进行检测和分类,并能有效提高船只检测准确率。     

舰船尾流气泡声学测试系统研究

针对舰船尾流气泡的声学特性测试需求,开展了系统工程样机试制及实际航行(简称“实航”)试验测试研究。针对声学探测反演舰船尾流几何尺寸、气泡分布密度等基本原理进行说明。综合分析国内相关研究现状,采用基于(Remote Operated Vehicle,ROV)平台的移动式一体化测试方案,解决不同水深的试验测试问题;利用比对分析方法,降低水声环境对尾流气泡声学测试系统的影响。研制相应试验测试系统装置,并开展湖上实航试验。试验测量结果与当前相关研究及试验测试结论基本一致,证明该测试系统具备舰船尾流气泡声学探测能力,具备广泛的军事和民用价值。     

General adaptive-neighborhood technique for improving synthetic aperture radar interferometric coherence estimation

A new method for filtering the coherence map issued from synthetic aperture radar (SAR) interferometric data is presented. For each pixel of the interferogram, an adaptive neighborhood is determined by a region-growing technique driven by the information provided by the amplitude images. Then pixels in the derived adaptive neighborhood are complex averaged to yield the filtered value of the coherence, after a phase-compensation step is performed. An extension of the algorithm is proposed for polarimetric interferometric SAR images. The proposed method has been applied to both European Remote Sensing (ERS) satellite SAR images and airborne high-resolution polarimetric interferometric SAR images. Both subjective and objective performance analysis, including coherence edge detection, shows that the proposed method provides better results than the standard phase-compensated fixed multilook filter and the Lee adaptive coherence filter.     

Radarsat SAR图像上水稻田边界提取研究

为精确提取Radarsat SAR图像上水稻边界信息，开发了一个二维8方向滤波算法并设计了优化的边界提取方案，将其应用于863－308项目“SAR技术用于南方水稻长势监测与土地利用调查应用示范”研究中，结果表明该算法比用遥感图像处理软件（PCI）提取的水稻田边界更精细，且连续性好，从而在应用中可降低水稻种植面积计算的误差，进一步提高水稻估产的精度。     

基于修正CycleGAN的声呐图像库构建方法研究

声呐图像数据集获取困难,导致很多水下工作无法正常开展,如水下目标检测与跟踪、声呐图像的超分辨等,因此构建充足的声呐图像数据库成为很多水下研究工作的重要前提条件。受光学图像与合成孔径雷达（Synthetic Aperture Radar,SAR）图像转换研究工作的启发,提出了基于CycleGAN实现声呐图像库的构建,即利用光学图像合成声呐图像,实现光学到声呐的图像风格迁移。通过对CycleGAN网络损失函数的改进,提高了声呐图像的合成效果。通过与Pix2Pix等图像风格迁移网络进行比较的实验结果证明,修正后的CycleGAN网络具有更好的图像风格迁移效果。最后用合成的声呐图像训练Mask RCNN目标检测网络,并用真实的声呐图像进行测试,训练得到的模型能够成功地检测出真实声呐图像中对应的目标,进一步验证了利用光学图像构建声呐图像库的有效性。     

Nonlinear techniques in optical synthetic aperture radar image generation and target recognition

One of the most successful optical signal-processing applications to date has been the use of optical processors to convert synthetic aperture radar (SAR) data into images of the radar reflectivity of the ground. We have demonstrated real-time input to a high-space-bandwidth optical SAR imagegeneration system by using a dynamic organic holographic recording medium and SAR phase-history data. Real-time speckle reduction in optically processed SAR imagery has been accomplished by the use of multilook averaging to achieve nonlinear modulus-squared accumulation of subaperture images. We designed and assembled an all-optical system that accomplished real-time target recognition in SAR imagery. This system employed a simple square-law nonlinearity in the form of an optically addressed spatial light modulator at the SAR image plane to remove the effects of speckle phase profiles returned from complex SAR targets. The detection stage enabled the creation of an optical SAR automatic target recognition system as a nonlinear cascade of an optical SAR image generator and an optical correlator.