合成孔径雷达图像的恒虚警率目标检测

目的　对合成孔径雷达 (SAR)图像实施恒虚警率 (CFAR)目标检测 .方法　利用 K-Gamma和Weibull分布的杂波模型分别对海面和陆地的人造目标实施检测 ;同时 ,对不同杂波背景下 CFAR检测方法进行比较 .结果与结论　通过检测结果的比较 ,证实了 K-Gamma分布和 Weibull分布分别适合于海面和陆地杂波背景下的目标检测 ;在非均匀杂波背景中 ,有序统计量 (OS)较单元平均 (CA)方法具有优越性     

合成孔径雷达图像的恒虚警率目标检测

目的：对合成孔径雷达（SAR）图像实验恒虚警率（CFAR）目标检测，方法：利用K－Gamma和Weibull分布的杂波模型分别对海面和陆地的人造目标实验检测，同时，对不同杂波背景下CFAR检测方法进行比较。结果与结论：通过检测结果的比较，证实了K-Gamma分布和Weibull分布分别适合于海面和陆地杂波背景下的目标检测，在非均匀杂波背景中，有序统计量（OS）较单元平均（CA）方法具有优越性。     

基于小波变换的海面背景红外小目标检测方法

采用基于正交小波分解的多分辨率分析实现频带选择,抑制噪声和背景杂波;检测图像的水平和垂直方向边缘,确定海天线和目标潜在区;利用不同方向边缘进行融合,除去大量背景干扰而获得目标候选点;检测候选目标点的灰度值,确定阈值排除虚警点并分割目标。实验结果表明,该方法能检测复杂海面背景中的舰船红外小目标。     

对海面重拖尾杂波下相位梯度自聚焦算法的改进

由于海杂波的随机动态特性,用合成孔径雷达(Synthetic Aperture Radar,SAR)对海面上的舰船目标成像时,相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)的聚焦效果变差.在统计海杂波的分布特性之后,在大多数情况下可以用α-stable分布模型比较好地描述海杂波的幅度特性,尤其对于拖尾较大的海杂波.用分数低阶统计模型和相位梯度自聚焦算法结合起来(PGA-FLOS),可以有效地改善海面上舰船目标的成像效果.仿真和对实测海面数据处理都证明了文中算法的有效性.     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法．算法利用了小波变换的多分辨率、多尺度特性，将要检测的图像分解到不同频率的多个尺度上，再采用形态学的背景估计和形态滤波技术，对分解后的子图像进行处理、小波重构．仿真实验表明，该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰，可检测出信杂比(SCR)为2的目标，适用于舰栽红外警戒系统．     

基于假设理论的序列图像中多目标检测和跟踪

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

可见光遥感图像中舰船目标检测方法

本文提出了一种基于标准差特征平面Contrast box滤波的可见光遥感图像舰船目标检测方法.选用局部统计方差作为目标检测特征,实现对不同亮度舰船的统一特征描述,并消除海面平均亮度变化的影响.然后在二维检测特征平面上通过Contrast box滤波自适应确定局部目标检测阈值,并结合目标的空间结构信息完成疑似目标定位.最后借助先验舰船特征模型对疑似目标集合进行验证以去除虚警,输出最终目标检测结果.实验结果表明,该方法对于可见光遥感图像中的舰船目标能够达到99.5%的目标检测准确率,同时目标检测虚警率为5%.     

基于H(o)lder指数和ICA的海域SAR图点目标检测

本文将分形H(o)lder指数和信号分离相结合,利用独立成分分析技术(ICA,Independent ComponentAnalysis),实现了海杂波SAR图的散斑抑制和点目标检测.首先,计算点态H(o)lder指数图,并提出二值模糊方法对其处理;接着使用ICA技术得到该图的基图像和独立成分;提出空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间.最后在非噪声空间上重构图像.实验部分,将该算法与传统算法进行对比,证实了该算法的有效性和优越性.     

一种视频强杂波两级空域滤波抑制方法

为便于对复杂视频强杂波背景下的微弱运动目标进行检测,提出了一种两级空域滤波强杂波抑制方法。采用局域均值去除(LMR)作为一级滤波,将原始图像变换为较大局域内均值和方差缓变的二维广义平稳过程,再通过基于二维AR模型参数估计的二级滤波器自适应滤除残余杂波。实验结果表明,对于一般噪声条件下的视频目标图像,利用该方法处理后得到的残留噪声呈现出很好的高斯性和独立性,并且输出目标信号杂波噪声比(SCNR)的平均增益达到1．33dB,有利于进一步的检测。     

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.     

SAR图像舰船目标检测研究

利用SAR图像进行舰船目标检测是近年来海洋监测一大研究热点,受到各国的高度重视,目前SAR已成为当今舰船检测、监视和定位的最有效手段之一。本文首先回顾了SAR图像舰船目标检测领域近20年的重要研究成果,而后对目前常用检测算法在原理和检测性能方面进行了分析比较,指出各算法的优势与问题,最后对该技术领域的发展趋势做出展望。     

高频地波舰载超视距雷达海杂波特性研究

首先介绍了岸基条件下高频地波超视距雷达海杂波的产生机理,然后分析了舰载条件下海杂波的展宽现象及原因,最后对岸基和舰载条件下的海杂波进行了仿真,并与实际采集到的海浪回波进行比较,从而对理论分析进行了有效的验证。     

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PCNN的海冰SAR图像分类系统

简化和改进了脉冲耦合神经网络（PCNN）,建立了基于时间索引图的脉冲耦合神经网络海冰SAR图像分类器,用于海冰SAR图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,结果表明这个分类器能够区分海冰和海水,识别不同海冰类型,且具有高效率。为了选择适合辽东湾海冰分类的PCNN参数,分析了链接半径、链接强度和索引图等级等参数,给出了各参数合适的取值范围及调节原则。     

海洋合成孔径雷达图像斑点噪声的滤除

针对海洋合成孔径雷达(SAR)图像结构信息不明显、水下目标识别困难这一问题,提出了基于经验模式分解(EMD)的算法和H(o)lder指数调整相融合的框架,该框架可以有效地滤除海洋SAR图像的斑点噪声并增强其结构信息,使得人眼可以分辨其特征信息.该融合框架利用EMD将海洋SAR图像分解成不同频率成分的分量,不同层次的分量根据其结构信息和噪声的特征用不同的H(o)lder指数来调整,H(o)lder指数的大小随着分量层数的增加而减小,即在不同尺度下分别抑制斑点噪声,从而恢复其中所包含的结构信息.试验结果表明,利用该框架可以有效抑制SAR图像中的斑点噪声和增强与水下目标相关的结构信息,使人眼可以分辨海洋SAR图像的特征结构.     

极化合成孔径雷达图像船舶目标检测算法

结合区域划分和结构检测模板提出了改进极化白化滤波(IPWF)算法,利用IPWF算法融合极化合成孔径雷达(POL-SAR)中各极化通道图像,同时抑制相干斑,然后利用双参数恒虚警率(CFAR)检测方法对融合后的图像进行船舶目标检测.本文利用香港地区SIR-C全极化单视复数据进行了实验,结果表明IPWF算法更好地降低了相干斑因子,提高了船舶目标的检测率、控制了虚警率,同时可以更好地保持船舶目标的结构信息.     

基于自相关特征的舰船大小识别方法

基于自相关处理方法,提出了一种利用舰船辐射噪声自相关曲线特征值对舰船大小进行识别的方法,并利用BP神经网络对两类海上实测舰船目标噪声信号进行了识别。实验结果表明,利用该方法对舰船目标大小具有较好的识别效果。该法与其他识别方法相比,在保证较高分类识别率的前提下,特征量提取方法简单,特征量维数少,运算量较低,更便于工程实现。     

利用侧扫声呐实现船舶目标的快速识别

根据回波探测原理,研究了一种利用声呐对内河航运船舶进行监测的方法。利用项目组在广西西江航道上建立的一套侧扫声呐船舶吃水深度检测系统,获取了大量的监测数据。通过对这些数据的分析,研究了船舶目标和鱼群、渔网、垃圾漂浮物等伪目标之间的区别,总结出船舶目标的能量变化特征和线型结构特征。根据这些特征,提出了一种针对船舶目标的快速识别方法。最后通过试验,证明该方法具有检测率高、虚警概率小、实时性好等优势,为进一步实现内河航运船舶航行状态的智能监测提供了一种技术手段。     

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。     

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.