SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

基于协方差矩阵的双通道SAR图像域地面慢动目标检测算法的性能对比研究

双通道合成孔径雷达(SAR,Synthetic Aperture Radar)具有巨大的地面慢动目标的检测潜能,备受国内外SAR-GMTI (Ground Moving Target Indication)研究者们的青睐.现有的双通道SAR图像域地面慢动目标检测算法,都可归为对协方差矩阵的合理分解和变换.本文分析和对比了各种基于协方差矩阵的慢动目标检测算法:首先,对现有算法进行了归纳分类,在此基础上分析比较了每类算法的基本原理,并阐明了它们各自的优缺点.进而,结合实验验证,分别从杂波抑制能力、稳健性、动目标ROI(Region of Interest)获取精度、多视处理的影响以及抗干扰性等方面作了进一步地对比分析,全面总结了现有算法的检测性能.最后,结合现有算法存在的不足,指出寻找更优的动目标检测量的攻关方向,完善和发展了双通道SAR地面慢动目标检测理论.     

基于CSI-MD的地面动目标聚焦成像技术

对于合成孔径雷达(SAR)图像,地面静止场景中同时存在运动目标;由于其运动参数未知,动目标在SAR图像上呈现方位向偏移和散焦;而在高分辨条件下,运动目标更可能会存在跨距离单元徙动现象,从而影响运动目标的聚焦成像。文中结合多通道合成孔径雷达-地面动目标显示技术,提出了基于杂波抑制干涉(CSI)和子视图相关法(MD)的动目标聚焦成像技术。该方法结合多通道SAR图像信息,在CSI抑制杂波后进行动目标检测,根据动目标散焦范围挑出包含动目标的区域;然后,用MD算法估计动目标所在距离单元的方位调频率,重新设计方位匹配滤波函数,对该区域内散焦的运动目标聚焦成像。仿真数据和实测数据的处理结果均证明了该方法能较好地实现动目标的聚焦成像。     

基于图像分割的VHFSAR叶簇隐蔽目标差值变化检测

本文针对甚高频合成孔径雷达(VHF SAR)图像中树林区域后向散射呈现快速起伏的特点,提出了一种基于图像分割的叶簇隐蔽目标差值变化检测方法,该方法首先采用自动多阈值分割算法对参考图像进行分割以降低后向散射起伏对检测性能的影响,而后采用一种新的概率模型对分割后各图像区域的杂波分布分别进行准确估计以进一步提高算法的性能.实验结果表明本文方法较之其它算法具有更优的检测性能.     

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。      

高分辨SAR图像自动区域筛选目标检测算法

在G0分布背景杂波假设下,基于VI-CFAR算法该文提出一种自动区域筛选的恒虚警目标检测算法,以解决高分辨SAR图像复杂环境背景下的目标检测问题。该算法首先利用变化指数(VI)统计量对局部参考窗内的均匀区域进行筛选,以剔除参考窗内具有目标干扰点的非均匀区域;然后利用均值比(MR)统计量对参考窗内同质的均匀区域进行区域合并,以解决杂波边界处的背景杂波筛选问题;最后利用筛选到的同质均匀区域内的像素集合进行背景杂波参数估计,对待检测区域实现二值检测。通过实测SAR图像车辆目标检测实验表明,在多目标和杂波边界复杂环境背景下,该算法具有较稳定的检测性能和虚警抑制能力。     

同步轨道星机双基地三通道SAR地面运动目标指示算法

基于分数阶傅里叶变换(FrFT)和多通道杂波抑制干涉技术,提出一种同步轨道星机双基地SAR地面慢速运动目标检测和参数估计方法。首先根据同步轨道星机双基地SAR的特点,给出该模式下杂波对消的DPCA条件;然后从系统空间几何模型和回波信号入手,详细推导了动目标聚焦成像、杂波抑制、动目标检测和参数估计的原理,最后通过计算机仿真,验证了该文算法的有效性。     

充分利用SAR图像中动静目标信息检测动目标

本文结合遗传算法,研究同时利用SAR(Synthetic Aperture Radar)图像中动静目标信息检测动目标的高效算法,进一步揭示单通道SAR/GMTI的潜力.单通道SAR图像中包含着动目标和静止背景信息,在SAR图像方位向信号中,以对称搜索二次相位和对称带通滤波(通带针对动目标频谱)所得两图像模差的绝对值检测动目标,既利用其中的静止背景信息抑制杂波,又利用其中的动目标信息聚焦动目标能量,能获得更好的动目标检测性能.     

基于零相关区序列集的空时自适应处理地面运动目标检测算法

在多发单收的合成孔径雷达-地面运动目标检测(SAR鄄GMTI)雷达系统中,虽然多颗卫星之间不需要数据传送就能在接收卫星上实现地面运动目标检测,但存在由于空间发射互相正交的一组波形而导致SAR 成像相干积累的积分旁瓣过高的问题,从而影响对后续的图像域杂波相消性能。因此,文中提出了将空时自适应处理算法用于发射零相关区序列集(ZCZcodes)信号的星载多入单出系统,这样不用考虑积分旁瓣对SAR 成像质量和图像域杂波相消性能带来的影响,且计算量较SAR鄄GMTI 算法小,同样不需要数据传送也在接收卫星上实现了地面运动目标检测。仿真结果和性能分析验证了该方法的有效性。     

机载SAR 对地面慢速运动目标的DPCA-CFAR 联合检测方法

在机载合成孔径雷达(SAR)动目标检测中,由于地面慢速运动目标速度较小,因此很容易被地面强主瓣杂波淹没而检测不到。文中针对地面慢速运动目标的运动特点,提出基于分数阶傅里叶变换(Frft)的DPCA鄄CFAR 联合检测的方法,在采用天线相位中心偏置(DPCA)技术进行杂波抑制的基础上进行恒虚警(CFAR)处理,从而检测到运动目标,并且根据DPCA 对消后的信号幅度和CFAR 检测门限推导了最小可检测速度,说明了提出的算法对慢速运动目标的检测性能,并进一步采用Frft 方法估计出目标速度,最后通过仿真对算法的有效性进行了验证。     

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.     

多载频星载MIMO-SAR系统动目标检测技术研究

该文研究多载频星载MIMO-SAR系统动目标检测技术。针对多载频星载MIMO-SAR的特点,使用子空间投影的空频自适应处理抑制杂波,并提出一种双门限恒虚警检测器。双门限恒虚警检测器主要思想是各载频对应的回波信号通过SFAP杂波抑制后,使用剔除平均恒虚警检测动目标,得到各载频对应的检测结果,最后将检测结果使用二进制多次脉冲积累进行二次检测,进一步提高检测概率。仿真结果表明,空频自适应处理能有效抑制杂波;同时双门限恒虚警检测器将有助于进一步提高多载频星载MIMO-SAR系统动目标检测性能。     

弹载导引头雷达ΣΔ-STAP低秩矩阵恢复检测方法

当弹载导引头雷达检测运动目标时,由于海杂波谱严重扩展,和差波束空时自适应处理（ΣΔ-STAP）方法抑制海杂波能力非常有限,提出了一种基于低秩矩阵恢复的弹载导引头雷达ΣΔ-STAP方法。该方法基于低秩矩阵恢复理论建立弹载导引头雷达ΣΔ-STAP信号模型,首先采用ΣΔ-STAP方法预处理海杂波;然后利用鲁棒主成份分析（RPCA）技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从距离多普勒谱图中有效地检测出运动目标。仿真实验验证了该方法在低信噪比情况下的有效性和鲁棒性。      

检测SAR图像中径向慢速动目标

该文提出了一种从SAR图像中检测径向匀速动目标的方法,将SAR图像信号在频域分为正频部分和负频部分,静止背景的正负频分布对称,而径向动目标的多普勒质心与静止背景相比有一频移,信号在正负频域能量分布不对称。将分开的正负频域信号分别回到时域成像,计算这两幅复图像对应位置的模差绝对值,可对消静止背景,突显出径向动目标。仿真数据表明本算法有效。     

一种优化设计的动目标检测方法及其运用

提出一种新的动目标检测(MTD)滤波器组设计方法,即通过设置目标处理通道和气象处理通道,其中目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,根据杂波的强弱自动产生或选择滤波器加权因子,以保证对地杂波抑制的同时,减少信噪比损失,提高对弱小目标的检测性能.通过仿真结果,证明该方法是有效的,在工程上有一定的实用价值.     

星载多通道高分辨率宽测绘带SAR系统运动目标检测方法

该文针对星载多通道高分辨率宽测绘带合成孔径雷达系统,提出一种新的运动目标检测方法。该方法首先利用波束形成方法进行杂波抑制,然后对运动目标的斜距历程进行拟合得到运动目标的运动方向。接着对杂波抑制后的数据进行聚焦处理,得到模糊的运动目标图像,并利用恒虚警检测技术检测得到所有的模糊运动目标。最后根据模糊图像的空间关系和估计出的运动方向检测出真实目标。星载仿真数据验证了该方法的有效性。     

机载火控雷达杂波分区抑制方法研究

在实际工程中,机载火控雷达杂波多普勒谱通常可分为主杂波区和清洁区两部分。常规杂波抑制算法多是对全部数据进行处理,易造成清洁区目标的信杂噪比损失。文中针对和差双通道机载火控雷达的特点,基于杂波分区抑制思想提出了一种杂波分区方法,通过多普勒频心估计和杂波平均功率幅度增量搜索,实现了对杂波的分区,然后在主瓣杂波区采用自适应算法抑制杂波,在清洁区采用恒虚警算法直接进行动目标检测。对实测数据的处理结果显示,该方法不但具有与常规杂波抑制算法相近的动目标检测效果,而且降低了清洁区目标的信杂噪比损失,具有运算量小、易于工程实现等优点。     

基于DPCA和多分辨分析的SAR微弱运动目标检测

图像域偏移相位中心天线(DPCA)方法可显著抑制双孔径合成孔径雷达(SAR)的静止杂波,但对消处理后的剩余杂波和噪声仍可严重影响微弱目标检测性能。该文提出采用二维多分辨分析在DPCA处理后图像域进一步抑制干扰,显著改善了SAR微弱运动目标的检测性能。数值仿真验证了新方法对杂波和噪声二种干扰成分的抑制性能。     

高时相星载序贯SAR图像运动目标检测方法

该文针对低信杂噪比条件下运动目标检测难的现状,提出了高时相星载序贯合成孔径雷达(SAR)图像运动目标检测方法。首先,根据检测机理的不同将现有星载SAR运动目标检测方法分为3类,并进行了对比分析;其次,基于凝视观测模式建模分析了高帧频序贯SAR图像获取方式;在此基础上,将动目标检测等效为未知尺度、未知到达时间的一维瞬态微弱扰动信号检测,并理论分析了沿时间维高帧频序贯SAR图像间动目标幅度扰动的sinc函数形式,背景杂波幅度的缓变和系统噪声幅度的无规则快变状态;再次,为实现目标和杂波、噪声的可分性,基于核函数机理实现了动目标在高维空间的深度关联;最后,通过仿真和真实数据验证了所提方法的有效性,并分析了检测性能。性能分析结果表明在低信杂噪比条件下所提方法检测性能优于传统的恒虚警类方法。      

A fast multichannel SAR raw data simulator of clutter and moving targets

Accessibility of a fast and accurate multichannel synthetic aperture radar raw data generator of stationary clutter and moving targets has high importance, especially in the application of ground moving target indication. In this paper, a fast four-stage algorithm for generating the raw data of each channel stationary clutter and moving targets, has been proposed respectively in the frequency and the hybrid time–frequency domain. Using this simulator, in different conditions in terms of target motion speed, acceleration and direction, for each of the channels, after generating the raw data, its final image has been extracted by the range-Doppler algorithm. Then, using clutter suppression techniques such as DPCA, ATI and hybrid DPCA–ATI, the multichannel SAR final image has been obtained in ideal and nonideal conditions. Finally, the obtained images of the first channel have been studied using the extracted formulas for predicting the effects of target motion parameters on the SAR images as well as analyzing the multichannel SAR final image. The results show that the proposed algorithm for generating the raw data of each channel stationary clutter and moving targets has better performance in terms of speed and accuracy than the other existing simulators and the proposed multichannel SAR simulation method has high quality.