排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
在已有的极化合成孔径雷达(SAR)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分布下具有虚警概率解析表达形式的CFAR检测方法.首先,在乘积模型框架下,引入Fisher纹理变量,推导出了极化白化滤波(PWF)检测量的概率密度函数(PDF).然后,对PDF积分得到了虚警概率关于检测门限的解析表达形式,并设计了相应的CFAR检测算法流程.最后,通过机载合成孔径雷达(AIRSAR)实测数据比较了新方法和双参数恒虚警(2P-CFAR)算法及已有的基于K分布、G0分布、Wishart分布的CFAR检测方法的检测性能.结果表明新方法能有效检测出目标,且鲁棒性较强,相比于其他检测方法,品质因数平均高出32.66%. 相似文献
2.
3.
4.
5.
6.
近年来,卷积神经网络(CNN)在大规模自然图像数据集(如ImageNet,COCO)中获得了广泛应用,但在声呐图像检测识别领域的应用研究较缺乏,其存在声呐图像目标检测和分类数据集缺乏且水下目标样本往往面临样本稀少、不平衡等问题.针对这一问题,在进行广泛收集声呐图像的基础上,构建了一个完全公开的、可以用于开展声呐图像检测和分类研究的声呐常见目标检测数据集SCTD1.0,该数据集目前已包含水下沉船、失事飞机残骸、遇难者3类典型目标,共计596个样本.在SCTD1.0的基础上,文中采用迁移学习的方式测试了检测和分类的基准,具体来说:针对检测任务,使用特征金字塔网络对多尺度特征进行组合利用,比较了YOLOv3,Faster R-CNN,Cascade R-CNN这3种检测框架在本数据集上的性能表现;针对分类任务,对比了VGGNet,ResNet50,DenseNet 3种网络的分类性能,分类准确率达到了90%左右. 相似文献
7.
8.
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. 相似文献
9.
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. 相似文献
10.
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,CL)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%. 相似文献