多特征分类的PolSAR图像飞机目标检测方法

针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中PolSAR图像多特征分类的飞机目标检测方法。该方法分为线下分类器训练和飞机目标检测两部分。使用Filter特征选择结合穷举法筛选出分类性能高的飞机极化特征训练SVM (Support Vector Machine, SVM)分类器;利用异化散射功率提取疑似飞机目标,进一步提取多个极化特征送入SVM分类获得检测结果。利用UAVSAR系统采集的多幅实测数据进行实验,并与现有的PolSAR图像飞机目标检测算法进行对比,结果表明该方法能够有效检测出飞机目标,并且虚警和漏警较少,方法自适应性有所提高。      

图像分割与分类相结合的PolSAR图像机场跑道区域检测

目前全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像的机场跑道检测以基于分类的方法为主,检测效率较低,且需要更多的先验信息。针对此问题,本文提出一种基于图像分割与分类的无监督机场跑道检测方法。首先定义了图像的伪散射功率(Pseudo Scattering Power, Pspan),并结合Pspan和Tsallis熵对图像进行阈值分割,得到机场跑道感兴趣区域;然后利用密度峰值搜索和Wishart距离结合的分类器进行二分类,最后根据机场跑道的纹理和几何特征对分类结果进行进一步辨识,确定真实机场跑道区域。分别利用不同系统采集的多组实测PolSAR数据进行实验,结果表明该方法能够检测出图像中的所有机场,且外部轮廓清晰,结构完整,检测效率提高。      

LBP特征分类的极化SAR图像机场跑道检测

目的 在极化合成孔径雷达（synthetic aperture radar，SAR）图像中常用直线检测进行机场跑道的识别，但是河流、道路等与机场跑道具有相似直线的地物容易对检测结果造成干扰，出现检测目标难定位、目标模糊、多虚警等问题。为此，本文设计了一种利用目标散射特性结合局部二值模式（local binary patterns，LBP）特征分类的极化SAR图像机场跑道区域检测方法，采用LBP特征对极化SAR图像进行有监督的分类来提取真实的机场区域。方法 首先利用异化散射功率对极化SAR图像进行阈值分割，然后通过形态学处理得到疑似机场跑道区域，同时构建机场跑道和非机场跑道两类训练样本，并提取、统计样本的LBP特征，形成直方图，得到特征向量训练支持向量机（support vector machine，SVM）二分类器，其中SVM二分类器采用了径向基函数（radial basis function，RBF）核函数；接着对疑似机场跑道区域构建LBP特征，送入SVM二分类器中分类，对机场跑道进行检测识别，最终得到真实的机场跑道区域。结果 利用UAVSAR（uninhabited aerial vehicle synthetic aperture radar）系统采集的7幅极化SAR图像数据进行实验检测，并选取基于几何特征辨识跑道的两种算法进行对比，3种方法均有效检测出了7幅场景中的真实跑道，但是本文方法在7幅数据中总的虚警和漏警个数均为1，而两种对比算法中的虚警个数分别为2和11、漏警个数分别为8和1。结论 本文方法不仅能有效检测出机场跑道区域，且检测效果更好，计算量较小，虚警和漏警率低，效率更高。     

“DSP技术及应用课程设计”评价体系构建

在充分调研行业对人才培养现状的基础上,面向本专业学生工程实践能力欠缺的问题,以“能力本位教育”理念为视角,开展分层能力培养的“DSP技术及应用课程设计”实践教学模式改革,创设探究式项目学习环境,促进学生自主探究。在此基础上,建立可衡量、可量化的模块化全过程质量评价体系,构建知识传授、能力培养、素质提升、人格养成的一体化课程考核模式,定量评价学习效果,培养适应行业需求的应用型技术人才。