SAR 图像目标检测方法综述

目标检测是合成孔径雷达(synthetic aperture radar,SAR)图像方面的研究热点,综述SAR图像目标检测的几种方法.通过对传统方法SAR图像目标检测和基于深度学习的SAR图像目标检测进行梳理总结,从实验方面验证深度学习在复杂背景下SAR图像舰船检测存在的问题,分析目前SAR图像目标检测算法的优势和存在的不足,明确SAR图像目标检测急需解决的问题.     

SAR图像中地面目标自动检测方法研究

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.     

基于Q-Shift双树复小波的SAR图像相干斑噪声抑制

在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于Q-Shift双树复小波变换（DT-CWT）的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。     

合成孔径雷达的校准

合成孔径雷达(SAR)校准的目的是要从雷达图像中演绎出地面目标的后向散射系数σ~(?)。完成SAR校准的基本方法是,定量比较SAR系统对地面目标和对已知雷达截面的参考目标的图像响应。本文从端到端系统的角度着重阐述使用参考点目标对SAR图像进行校准的方法,并给出若干实例,还对校准误差的来源进行较深入的讨论。     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于多尺度GAN 网络的SAR 舰船目标扩充

针对构建合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标数据集的过程中,某些舰船类型样本 不足的问题,提出一种基于多尺度生成对抗网络(IC-ConsinGAN)的SAR 舰船目标扩充方法。通过将注意力机制引 入并行多阶段多尺度GAN 网络中,提取SAR 舰船目标的关键特征,抑制背景特征,使得生成的SAR 图像舰船目标 不仅具有精细化结构,而且弥补了单幅图像生成过程中多样性不足的问题。实验结果表明：SIFID 指标比原始 ConsinGAN 网络模型下降了0.02,将扩充数据加入到SAR 舰船目标识别任务中,10 类舰船目标平均识别率提升了 8.4%,证实了IC-ConsinGAN 模型的有效性,具有一定的工程应用价值。     

面向合成孔径雷达图像任意方向舰船检测的改进YOLOv3模型

为实现合成孔径雷达(SAR)图像舰船检测能同时输出目标位置和方位角估计信息,提出基于改进YOLOv3的任意方向舰船目标检测模型。定义有利于模型参数回归稳定性的角度范围,根据垂直框和旋转框预测结果定义多任务损失函数。通过融合垂直框和旋转框预测结果进行目标方位角估计校正,以进一步提高检测性能。采用SAR舰船目标检测数据集(SSDD+)和高分辨率SAR图像数据集(HRSID)分别进行改进模型的性能测试和迁移测试。实验结果表明：对于SSDD+,当交并比为0.5时平均精度均值mAP_0.5达到了0.841;对HRSID进行迁移测试时,mAP_0.5能够达到0.530;当网络输入尺寸为416×416时处理一帧图像耗时约为25 ms;采用高分辨率可见光舰船数据集(HRSC2016)进行改进模型的适用性测试,mAP_0.5为0.888,超过了部分已知模型的精度;该改进模型适用于纯海洋背景下SAR图像中的舰船目标检测,能够满足舰船目标检测的实时性需求。     

DEM数据在SAR图像模拟中的应用

文中提出了一种根据自然地表的分形布朗理论、采用数高模型（DEM）数据进行模拟SAR图像的方法。首先详细描述了基于FBM插值的算法流程．然后说明了应用DEM建立复杂自然场景目标模型的方法，介绍了SAR图像的基本特征，并且分析了SAR成像回波信号的形式。最后结合文中所提出的算法对一处自然地表的DEM数据进行插值计算，并完成了对自然场景目标的成像仿真实验。     

基于加权特征融合的 SAR 图像目标分类方法

针对现有分类器对 SAR 图像分类正确率不高的问题,考虑到单一的特征很难完全描述 SAR 目标,并且单一的分类器识别率有限,提出了一种基于加权特征融合的图像分类方法,采用多种特征来描述目标,并且用多个分类器同时对目标识别。实验结果显示,提出的方法能够达到较高的分类正确率,证明了该方法的有效性。     

基于合成孔径雷达图像的伪装遮障目标特性建模技术

针对高分辨率全极化合成孔径雷达（SAR）侦察条件下,伪装目标特性模型存在空白的问题,通过SAR图像特征参数的选取,建立特征向量。设置实验获取SAR图像,在此基础上,引入象限坐标系和变异系数分析不同极化方式下伪装遮障目标特征参数变化规律,构建极化方式与特征参数的数值变化及稳定性关系,实现伪装遮障目标特性模型的定性描述。研究结果表明,使用特征向量能够有效表征不同目标,建立的模型能够用于分析、预测伪装遮障目标的特性,为伪装目标检测与伪装效果评估等应用奠定了基础。     

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

合成孔径雷达有源噪声干扰场景生成技术研究

为提高合成孔径雷达有源噪声干扰场景模拟的逼真度,在射频噪声干扰等多种干扰模型研究的基础上,提出一种有源噪声干扰回波模拟方法,根据该方法进行了点目标及真实场景SAR有源噪声干扰仿真验证.仿真结果表明:该方法适用于点目标、真实场景等不同类型的有源噪声干扰回波模拟,对合成孔径雷达系统抗干扰性能分析具有一定的参考价值.     

用匹配傅里叶变换估计星载SAR多普勒参数

讨论了星载合成孔径雷达( SAR)的基本信号模型,针对这一模型提出了应用匹配傅里叶变换估计SAR多普勒参数的新方法。文中给出了理论分析和仿真,并用星载SAR回波实际数据进行了多普勒参数估计,根据估计的多普勒参数给出了成像结果,表明了用该方法对SAR数据进行处理可估计出多普勒参数,且精度高。     

机载合成孔径雷达低速运动目标检测和成像的一种新方法

本文分析了机载合成孔径雷达(Airborne SAR)运动目标回波信号的特点,介绍了广义边缘CWD-Hough变换.根据机载SAR动目标的回波模型,本文提出了一种基于广义边缘CWD-Hough变换进行机载SAR低速运动目标检测及成像的新方法.该方法基于时间-频率联合分析法,利用其对低速运动目标参数的精确估计可以在较低的信杂比下实现低速目标的检测并对其成像,其检测性能大大优于常用的Wigner-Ville分布方法.计算机仿真结果证明了该方法的有效性.     

弹载毫米波SAR多普勒调频率估计方法

针对空空导弹合成孔径雷达(SAR)成像运动误差补偿困难的问题,提出了一种多普勒调频率估计方法。该方法以图像偏置(MD)法为基础,在弹载SAR burst工作模式下,选取合适的方位向分块序列大小和相关运算移动量,以适应弹载条件较高的脉冲重复频率(PRF)和复杂运动环境。试验证明,该方法能从雷达回波数据中准确估计多普勒调频率,提高成像质量。     

用于合成孔径雷达抗欺骗干扰的多相编码优化方法

欺骗干扰能够获得距离和方位向压缩增益,使用较小功率即可实现对合成孔径雷达（SAR）的有效干扰。针对SAR的欺骗干扰抑制问题,提出了基于多个互正交多相编码在脉间捷变的抗干扰方法。利用加权循环算法,优化多相编码,提高自相关峰值,降低自相关旁瓣和互相关峰值,提高抗转发式欺骗干扰性能。通过仿真比较了模拟退火算法、遗传算法优化多相编码与本文优化所得多相编码的自相关和互正交性能,并从多个不同干扰功率入手,对研究的多相编码抗欺骗干扰性能与二相编码进行了对比,20 dB干扰时该方法仍可达到88%的检测概率,证明了方法有效性。