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。      

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

一种结合空间信息的星载SAR图像舰船目标检测算法

针对常规恒虚警率(CFAR)方法对低信杂比合成孔径雷达(SAR)图像舰船目标检测效果不佳的问题,提出一种结合空间信息的星载SAR图像舰船目标检测方法。该方法通过将像素的空间信息与灰度信息相结合构造联合图像,以提高目标与背景的对比度,然后对联合图像进行CFAR检测。基于不同分辨力实测星载SAR图像舰船目标检测的实验结果表明,与直接基于CFAR的方法相比,该方法对低信杂比SAR图像具有更好的检测性能。     

基于灰度相关性的SAR图像联合CFAR舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点,利用了SAR海洋图像中舰船目标的灰度相关性、形状特性以及舰船目标与背景杂波的信杂比特性,提出了一种基于灰度相关性的联合CFAR舰船检测算法。算法综合利用了舰船目标内部相邻像素间的灰度强相关性和舰船目标和海杂波的信杂比,建立了海杂波区域内相邻像素间灰度值的二维对数正态分布来实现联合CFAR检测。该算法能够改善斑点噪声和背景局部不均匀对检测带来的虚警,检测效果相比于传统检测算法更加优越。     

基于CFAR-DCRF红外遥感舰船单帧目标检测方法

针对红外舰船小目标图像复杂背景弱信号,虚警率较高且难以被精确检测的问题,提出了一种恒虚警率(Constant False-Alarm Rate,CFAR)-全连接条件随机场(Dense Conditional Random Fields,DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势,实现虚警特征抑制,并引入CFAR对模型进行改进,提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明,该算法能够充分利用海域的全局上下文信息,能够在保持较高检出率同时,有效降低虚警率,实现单帧端到端的小目标检测.     

SAR图像港口区域舰船检测新方法

SAR图像港口内舰船检测是SAR图像海洋应用研究的重要方面。快速、准确地检测港口内舰船将大大提高SAR图像的自动解译能力。该文通过分析港口内舰船停靠特点,提出了一种新的SAR图像港口内舰船检测方法。首先基于港口岸线获取港口沿岸区域SAR图像,然后详细分析了港口沿岸区域SAR图像的杂波统计特性,进而采用基于G0分布的CFAR(Constant False Alarm Rate)检测算法完成了港口内舰船检测。实验结果表明,新方法能有效地将不同形状的港口区域的舰船与绝大部分陆地分开,具有港口内舰船检测率高、虚警率低等特点。     

基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测方法

合成孔径雷达（SAR）图像舰船目标检测一直是海洋监测领域的重要手段。经典的恒虚警率（CFAR）检测依赖于分布模型及多参数的准确估计,难以适应复杂多变的海面背景。新兴的信息几何舰船检测方法挖掘了目标与杂波的统计差异,实现舰船的显著性表示,但依然受限于背景杂波的精确建模。考虑到现有方法的局限性,本文提出了一种基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测算法。在无需寻求背景杂波分布模型的前提下,通过构建Toeplitz矩阵,以其特征值均值为检验统计量,充分获取目标与背景杂波的差异。在高分三号卫星和TerraSAR-X卫星实测SAR图像上的实验结果证明,相比于现有的多种典型方法,本文方法取得了更优的检测性能与更快的计算速度。      

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域，还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法，而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况，运用智能索引变量的CFAR检测技术(VI—CFAR)，使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后，利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

基于多特征联合的高分辨率SAR图像机动目标快速获取

提出了一种高分辨率SAR图像机动目标快速获取方法.该方法首先利用SAR图像中的对比度信息采用CFAR检测以确定图像中潜在目标区域的位置,然后提取每一个潜在目标区域的尺寸特征、形状特征以及对比度特征进行基于投票机制的目标鉴别,从而滤除自然杂波虚警以及部分人造杂波虚警.实测数据的结果证明了该方法的有效性.     

外源雷达空时联合恒虚警检测分析与实验

外辐射源雷达杂波呈现复杂形态,其中在距离多普勒谱中固定分布的剩余杂波（简称固定杂波）局部强度较高,采用空域恒虚警检测方法会造成连续的虚警,严重影响目标检测性能。本文通过实测数据分析发现,固定杂波强度在时域变化平稳,可采用时域杂波图检测方法减少该类杂波造成的虚警。然而,非理想信号波形导致外辐射源雷达目标回波具有较高的副峰和旁瓣,仅采用杂波图检测方法会导致重复检测和虚假航迹。通过分析空域和时域恒虚警检测方法面临的问题,本文提出了针对外辐射源雷达的空时联合恒虚警检测方法。该方法在不影响检测概率的前提下,减少了单一恒虚警检测方法造成的虚警。实测数据处理结果验证了所提方法的有效性。     

复合高斯杂波环境中分布性目标相干雷达恒虚警检测算法研究

本文研究了在未知统计特性的复合高斯杂波环境中对分布性目标检测的问题。利用Toeplitz矩阵的次对称性提出了一种新的杂波协方差矩阵结构的估计方法,并用此估计方法来实现基于广义似然比检验的恒虚警检测算法。该算法能够在不需要杂波功率谱密度对称的情况下作到对杂波的结构分量和协方差矩阵都有恒虚警的性质,而且该实现方法的检测性能优于先前提出的实现方法。     

远距离监视激光雷达动目标快速检测

激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。     

量化秩非参数CFAR检测器在杂波边缘中的性能分析

人们常用均匀背景、多目标和杂波边缘3种典型背景来衡量雷达目标检测器的性能,但在现有文献中缺乏量化秩（Rank Quantization,RQ）非参数检测器在杂波边缘中虚警概率的理论模型,缺乏RQ非参数检测器与经典的参量型检测器在杂波边缘中虚警控制能力的比较.本文给出了RQ检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累CA （Cell Averaging）,GO （Greatest Of）,OS （Ordered Statistic）恒虚警方法在杂波边缘中的虚警控制能力.可以看出,采用高秩量化门限的RQ检测器的虚警控制能力要优于低秩量化门限的情况,在瑞利分布杂波边缘情况下,RQ检测器的虚警控制能力与非相干积累OS方法接近.但是当强杂波变为长拖尾分布的非高斯杂波时,非相干积累CA,GO和OS参量型检测方法的虚警概率产生了3个数量级以上的上升,且不能降回到原始设定的虚警概率.而RQ检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定.     

基于杂波模型的相干雷达极化自适应恒虚警检测算法

该文研究了高斯杂波背景下相干雷达极化自适应检测问题。利用雷达回波的极化信息来提高检测性能。提出了一种基于杂波模型的极化自适应恒虚警检测算法,该算法比极化自适应匹配滤波器算法有更小的估计损失,并推导出了虚警概率表达式。仿真结果表明,所提出的检测算法相对于杂波协方差矩阵都有恒虚警的性质。     

高频地波雷达协同检测新方法

电离层杂波、海杂波以及射频干扰的存在造成高频地波雷达目标检测上的困难。针对高频地波雷达的极化特性和目标在距离-多普勒谱中的扩张特性,先设计一种改进的二维恒虚警检测算法,后将该方法与极化处理方法融合设计一种新的协同检测算法,该检测算法实现了能量域和极化域的协同检测,突破传统极化检测方法计算复杂等问题。高频地波雷达实测数据中的仿真和检测结果表明:在电离层杂波背景中,协同检测算法性能优于恒虚警方法。     

A generalized switching CFAR processor based on test cell statistics

In this paper, a new constant false alarm rate (CFAR) thresholding algorithm which is a generalisation of the switching CFAR (S-CFAR) that takes into account the statistics of the sample in the test cell for reference sample selection is proposed. It employs a composite approach based on the switching CFAR and the order statistic CFAR (OS-CFAR). A mathematical analysis in a homogeneous environment is provided for this detector. The results obtained show that the detection performance of the generalised S-CFAR (GS-CFAR) is improved both in homogenous background and non-homogenous environment caused by interfering targets and clutter edge.     

Analysis of high-resolution land clutter

Results are presented of an analysis of land clutter from the fixed site high-resolution BYSON radar at Malvern. Digital terrain elevation data are used to determine the imaged ground regions and the normalised-log estimator U is measured to investigate the stability of the long-tailed clutter distribution. Operational target detectors must maintain a constant false alarm rate over the entire scene, but small areas of non-Gaussian backscatter cause the majority of false alarms. To overcome this, a variable CFAR detector is tested and compared to standard CA and CAGO processors. The performance of the empirically determined variable CFAR is superior, but results suggest that there is no simple statistical model for land clutter of this kind as the false alarms within a particular scene are strongly correlated with the environment.     

一种非平稳复杂环境下的自适应恒虚警算法

针对当前恒虚警算法在非平稳强干扰环境下检测适应性能较差的问题,提出了一种自适应恒虚警检测方法。该算法利用二阶统计假设与Shapiro-Wilk检验得到具有均匀分布的杂波背景估计,并且结合频域加窗处理方法,对超高射速脱壳弹弹丸多目标回波进行处理,消除了卡瓣频谱干扰的影响。实测数据表明,该算法不需要任何关于背景环境的先验信息,可以适应多种回波数据,实现了在复杂强干扰环境中对目标的精确检测。