利用高斯混合模型的SAR图像目标CFAR检测新方法

SAR（合成孔径雷达）图像杂波分布模型种类繁多且对实际地物的建模能力有限。在使用基于杂波统计模型的CFAR(恒虚警率)算法对SAR图像进行目标检测时,杂波统计模型的失配会导致检测结果产生较大的CFAR损失,算法精度不高。提出了一种基于高斯混合模型的CFAR检测新方法。该方法以理论上可以拟合任意形状概率密度分布的高斯混合模型对实际SAR图像的背景杂波进行拟合,利用拟合后得到的分布模型,根据CFAR检测的原理推导出目标检测阈值的计算公式完成目标的检测。新方法对服从不同分布模型的背景杂波,使用形式上统一的模型进行描述,克服了CFAR检测高度依赖背景杂波分布的缺点,提高了CFAR的通用性。实验结果表明,即使在背景杂波类型未知的情况下,新方法依然得到了良好的目标检测效果。     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

基于混沌理论和形态学变换的海面分布目标检测

基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法.该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)栓测,然后用形态学变换来改善检测效果.用实测的机栽海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测.     

基于分布差异的多时相SAR图像变化检测

结合SAR的后向散射特性和成像特点,利用交叉熵给出一种基于Edgeworth多项式的分布差异法检测不同时相的SAR图像变化区域。该方法采用Edgeworth多项式拟合SAR图像的密度分布,利用交叉熵计算两幅图像的差异指数,获得的差异图像能较好地反映图像变化情况,抑制了SAR图像固有的斑点噪声影响,采用CFAR分割差异图像得到的变化检测结果表明该方法具有高检测率、低虚警率的特点。     

SAR图像舰船目标检测的信息几何方法

目的 舰船目标检测是合成孔径雷达（SAR）图像在海事监测领域中的一项重要应用。由于海面微波散射的复杂性,SAR图像中海杂波分布具有非均匀性、非平稳性等特点,传统的基于恒虚警率（CFAR）的SAR图像舰船检测算法难以适应复杂多变的海杂波环境,无法实现实时有效的智能检测任务。鉴于此,本文提出了基于信息几何的SAR图像船舰目标检测方法,旨在分析统计流形及其在参数空间中的几何结构,探讨信息几何在SAR图像目标检测应用中的切入点,从新的角度提升该应用领域的理论与技术水平。方法 首先,运用威布尔分布族对SAR图像中的海杂波进行统计建模,利用最大似然方法估计SAR图像局部邻域像素的分布参数,并将不同参数下的统计分布作为威布尔流形上的不同点;其次,融合高斯分布的费歇耳度量来构造威布尔流形空间中概率分布之间的测度,实现目标与背景区域的差异性表征;最后,利用最大类间方差法,实现SAR图像舰船目标检测。结果 实验和分析表明,相比于传统的基于恒虚警率的检测算法,信息几何方法可以有效地区分舰船目标和海杂波背景,降低虚警率,实现舰船目标显著性表示与检测。结论 由于舰船目标的复杂后向散射特性,如何有效地表征这一差异,是统计类检测算法的关键所在。本文依据信息几何理论,将概率分布族的参数空间视为微分流形,在参数流形上构造合适的黎曼度量,对SAR图像中各像素局部邻域进行测度表征,可以显著性表示目标与背景杂波之间的统计差异,实现舰船目标检测。     

基于SVM的高分辨率SAR图像舰船目标检测算法

针对高分辨率合成孔径雷达(SAR)图像舰船检测对检测精度、智能化水平、实时性和处理效率的要求,在研究了高分辨率SAR图像海洋背景和目标特点的基础上,提出了一种基于支持向量机的高分辨率SAR图像舰船目标检测算法。算法首先设计了一个对分块区域进行线下训练的支持向量机(SVM)分类器对SAR图像分块进行舰船目标区域筛选,进而实现对包含不同观测部分的舰船目标分块的筛选,之后对筛选出的舰船目标区域进行最大熵阈值(KSW)算法进行舰船目标精细检测。采用TerraSAR-X等多幅商业卫星数据进行了实验验证,通过与经典CFAR检测算法的对比得出结论,算法在改善了由斑点噪声和海洋杂波背景不均匀导致检测结果产生大量虚警的同时,检测速度也较之提高了20%~35%。     

一种多目标环境下的SAR图像自适应CFAR检测方法

多数CFAR检测器在多目标检测环境下需要关于干扰目标的先验信息,当检测环境发生变化时,这些检测器很难维持稳定的检测性能。针对多目标环境下的SAR图像目标检测,提出一种新的自适应CFAR（恒虚警）检测器。该检测器利用局部的杂波功率水平估计以及目标和杂波的方差特征筛选出参考窗中的均匀杂波像素,同时剔除掉干扰目标像素;在筛选过程中,每一步使用的判决门限根据上一步的判决结果自动更新;最后对筛选出的样本点作单元平均处理形成检验统计量;完全不需要干扰目标的任何先验信息。利用实测数据仿真研究了该检测器的检测性能与运行效率,实验结果表明,相对单元平均CFAR检测器及有序统计量CFAR检测器,该检测器提高了检测性能,保留了目标精细的结构特征,而运行效率与有序统计量CFAR检测器相当,很具实用性。     

一种基于二次Gamma核的SAR图像舰船目标检测方法

针对CFAR检测方法在强海杂波环境中虚警率过高的问题,该文提出了利用二次Gamma核的目标检测方法对SAR图像舰船目标进行检测。该方法可以克服CFAR目标检测方法的缺陷,在强海杂波环境中能有效检测目标,通过实验证明了该方法大大提高了图像的平均信杂比,降低了检测的虚警率。     

基于聚类的SAR图像快速目标检测

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点,改进了Mean Shift聚类算法,并与双参数CFAR检测技术相结合,提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图像,降低了背景杂波对目标检测的影响及检测的虚警率,并且聚类后的SAR图像具有一定的结构,将图像结构的概念引入到目标检测中,避免了对图像逐点检测,大大提高了检测速度。实验结果表明,该方法具有检测速度快、虚警概率低的特点。     

基于多尺度静态小波分解的改进型CFAR船只检测算法

SAR船只目标检测是实现海上安全监测的有效手段。由于在海杂波较为复杂的情况下,传统CFAR算法对于弱小船只检测效果不佳,本文提出了基于多尺度静态小波分解的改进型CFAR检测算法。首先通过实验选出最优小波基及最佳小波分解级数,再利用幂运算对经多尺度乘性增强的小波系数进行优化,以增强船只与海洋背景的对比度,从而运用简单的CFAR算法即可得到较好的检测效果。最后,以新型星载ALOS-PALSAR数据为例,通过与传统CFAR算法的对比实验,验证本文算法的有效性。实验表明,利用Sym2最优小波基的较强边缘检测能力以及小波多尺度乘性增强,双重强化了船只目标的边缘影像特征,并有效抑制了海杂波噪声,使得本文算法在提高检测率与降低虚警率两方面都优于传统CFAR算法,有利于高海杂波下弱小船只的检测。