排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
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。 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
1