场景语义SAR图像桥梁检测算法

在合成孔径雷达图像中存在大量相干斑乘性噪声,导致桥梁检测中极易出现漏检和误检．针对这一问题提出了基于场景语义的水上桥梁检测算法．该方法首先根据图像的内容自动分割出水域和陆地两类不同的场景,沿着水陆交界区域搜索疑似桥梁目标,有效地缩小了搜索范围;然后提取图像的素描特征,抑制相干斑噪声的干扰;最后根据素描特征的几何特性定义桥梁的隶属度函数,实现桥梁目标的检测．在真实合成孔径雷达图像上的仿真实验表明,该算法有效地降低了桥梁的漏检率和误检率,具有较好的鲁棒性．     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

光学遥感图像舰船目标快速检测方法

针对当前的光学遥感图像舰船检测算法无法适用于不同复杂背景的问题,根据人造目标和自然景物的亮度、颜色、边缘特征,提出了基于区域协方差特征值的显著性检测方法,讨论了单一特征值对图像显著性做出的贡献,并使用图像信息熵来度量显著图的有效性。在没有后续虚警目标剔除过程的前提下,对云、雾、海杂波、存在岛屿等复杂背景下的舰船进行检测试验,结果表明:算法能够成功检测出舰船目标,有效抑制虚警,而且本文算法简单高效,适合于工程应用。对获得的包含舰船目标的光学遥感图像进行了试验测试,表明在AUC评价指标上也优于其他5种典型显著性算法。     

基于显著性CNN的SAR图像靠岸舰船检测方法

为提高卷积神经网络(CNN)对SAR图像靠岸舰船的检测精度,提出一种基于显著性CNN方法．该方法使用视觉显著性机制对SAR图像进行预处理,将得到的场景注意力加权(即显著图)融合到原始SAR图像中,最终将带有场景注意力加权的SAR图像输入到CNN网络．在公开的SAR舰船检测数据集上的实验表明,与经典双阶段检测器Faster R-CNN方法相比,显著性CNN方法可抑制岸边背景干扰,有效提高SAR靠岸舰船的检测精度．     

一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

海战场光学遥感图像舰船目标检测

针对海上舰船目标的检测,提出了一种适于海上区域特征的广域高分辨率光学遥感图像舰船目标检测方法.该方法基于舰船目标的视觉显著性特征,通过三个步骤实现海战场舰船目标的检测.首先,建立遥感图像的视觉显著性特征通道,根据生物视觉生理特性的原理,提取不同特征通道中目标的视觉显著性特征;然后,通过自适应特征图像选择算法,选择显著性权重最高的五幅特征显著图像,并将它们组合成一幅视觉显著性图像;最后,将视觉显著性图像分类,应用基于舰船特征的目标选择方法,将目标列表中的目标划分为舰船目标和未知类型目标.实验结果表明,此方法能以高可靠性和高精确度检测出海战场图像中的目标对象,有效地减少虚警.     

基于旋转损失函数RCIoU的SAR图像舰船目标检测方法

提出一种合成孔径雷达(synthetic aperture radar,SAR)图像旋转舰船检测方法,以提高SAR图像中旋转舰船的检测精度.从先验框设计和边界框回归公式对YOLOv4-CSP目标检测网络进行改进,加入旋转角度使其适用于基于旋转框的检测场景;提出一种基于旋转边界框外接圆和交并比的损失函数,该函数不仅考虑预...     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

灰度阈值方法下的SAR图像水体检测

针对星载SAR图像水体检测问题,提出一种基于地理信息引导的水体检测方法。该方法结合已有的地理辅助数据,基于直方图压缩对影像上的地理信息覆盖范围进行粗提取,再利用灰度约束下的迭代生长算法,检测出精度较高的水体信息。实验选取具有典型性水域的影像。结果证明:此方法能精确定位水体,检测速度快。     

基于图像配准的动态场景运动目标检测算法

针对摄像机运动的动态场景下运动目标的检测问题,提出了基于Harris角点方根-算术均值距离配准的动态场景运动目标检测算法。首先将当前帧图像与前一帧图像进行配准,获取图像的全局运动参数;利用求得的运动参数对当前图像进行运动补偿;然后,将其与存储的前两帧图像进行帧差法,以获得运动目标的轮廓信息;以该运动目标区域为掩模,检测并定位该运动目标。实验结果表明,此算法能够较好的处理摄像机运动等动态场景情况下的运动目标定位问题,为运动目标的跟踪和识别奠定基础。     

Improved Ship Target Detection Accuracy in SAR Image Based on Modified CFAR Algorithm

基于修正CFAR算法的高精度SAR图像舰船目标检测

王勇,郭天骄

(哈尔滨工业大学 电子与信息工程学院,哈尔滨 150001)

创新点说明：

本文基于舰船目标实测数据SAR成像结果,提出一种新的二维SAR图像舰船目标检测算法,具体创新性可说明如下：

1）首先使用Otsu算法大致确定舰船目标的大小,进而自适应地确定CFAR滑动窗的尺寸,使算法更有普适性。

2）介绍了CFAR算法的改进形式,在提高运算速度的同时大大提升了检测效率。

3）所用的综合算法包含了形态学分割算法,解决了传统Otsu、CFAR算法不能处理多目标融合、角反射过强等问题,降低了漏警概率。

研究目的：

传统CFAR舰船检测算法效率低、无法根据图像分辨率和舰船目标大小来确定滑动窗大小,而且无法解决多目标融合等问题,基于此,本文设计一种综合算法可解决基于SAR图像的舰船目标检测问题。

研究方法：

1）对图像进行Otsu二值分割处理,量取分割后的每个区域的尺寸;

2）采用改进的CFAR算法,将积分运算简化为求和迭代运算,将阈值初始化为二倍窗内灰度值均值,窗大小根据Otsu算法分割后的每个区域的长宽来确定;

3）对经过CFAR算法后的图像进行形态学开运算处理。开运算算子采用一条线段,长度同样根据Otsu算法分割后的每个区域的长宽来确定。

结果：

1）说明了SAR图像进行Otsu处理后的图像特点,以及Otsu算法可以迅速获得舰船目标大小的优点。

2）给出了改进的CFAR算法的计算流程,此算法能够根据上一步估计的舰船目标大小来调整滑动窗大小,计算高效迅速,而且比较精确。

3）采用形态学开运算算法,并能根据Otsu算法分割后的每个区域大小来确定开运算算子,开运算处理后融合的多目标彼此分离,强角反射得到了去除,降低了漏警概率和虚警概率。

结论：

对于一幅含有舰船目标的SAR图像,可以通过Otsu、CFAR、开运算处理来进行舰船目标检测,降低漏警概率和虚警概率,提高算法的普适性和精确性。此外,通过对CFAR算法改进可大大提升运算效率。本文的研究结果对SAR舰船目标检测算法的实际应用奠定了良好的理论和实验基础。

关键词：舰船检测,Otsu算法,恒虚警检测,开运算

     

合成孔径雷达图像中舰船航迹表面速度场的分布与计算

本文描述了一种合成孔径雷达（ＳＡＲ）Ｋｅｌｖｉｎ航迹（舰船航迹）图像的数字仿真模型,根据模型对不同条件下 Ｋｅｌｖｉｎ航迹的表面速度场进行了数字仿真计算。计算结果较好地反映了航迹速度场的表面分布情况。     

基于分形维数的SAR图像变化检测

斑点噪声是合成孔径雷达(synthetic aperture radar,SAR)相干成像所固有的,且不可避免的.为了尽可能地抑制斑点噪声对SAR图像变化检测的影响,利用分形维数方法对SAR图像的变化检测进行了研究,并提出了一种基于SAR图像分形维数的变化检测算法,该算法对SAR图像斑点噪声不敏感.并对计算分形维的滑动窗大小的选择进行了研究.用实测SAR图像进行了验证实验,结果表明分形维数可以用于SAR图像变化检测,它是一种新的SAR图像变化检测的方法与途径;同时,滑动窗大小的选择对SAR图像检测结果有影响.     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

基于Hough变换的SAR图像舰船尾迹检测方法

该文提出了一种基于Hough变换与K均值聚类检测舰船尾迹的算法。该方法通过归一化Hough变换求出原图像尾迹所在直线的平均能量值,由于原图中的尾迹往往并不规则,导致能量最大值并不是整条直线的最佳统计代表值,其周围会有一些能量次大的点出现,且形成一个由若干能量点组成的点集。该文引进了K均值聚类方法,将这些点集归类,归类后的每一类的类心能很好的代表一条尾迹,实验结果表明方法是有效的。     

基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

基于视觉模型的SAR图像压缩

针对SAR图像压缩方法通常反利用小波变换去除图像数据间的统计冗余,而忽略图像的视觉冗余的问题,在讨论人类视觉系统(HVS)特性基础上,结合对比敏感度函数(CSF),对采用提升方案进行小波分解后的不同频带小波系数加权,然后采用多级树集合划分(SPIHT)算法形成嵌入式小波编码方法.实验结果表明,与标准SPIHT压缩方法相比,相同压缩比下,本算法重建图像客观评价标准几乎保持不变,且很好地保留了图像边缘和纹理信息,主观视觉效果有明显改善.     

基于联合PWF-2pCFAR算法的Envisat/ASAR双极化数据舰船检测方法研究

利用极化白化滤波(PWF)算法融合Envisat/ASAR双极化复数据图像,同时抑制相干斑,然后利用双参数恒虚警率(2pCFAR)算法进行舰船目标检测。在不同检测门限和检测模板条件下,利用实测VV/HV极化组合数据进行的仿真实验结果表明,联合PWF-2pCFAR算法不仅能够有效地检测出舰船目标,较好地降低了虚警率,也能够保留舰船目标的结构信息;同时得到了一组相对最优的检测门限与检测模板,具有一定的实际参考意义。     

Weibull杂波背景下扩展目标的恒虚警率检测

针对高分辨雷达检测问题，提出了一种基于高分辨雷达Weibull背号下单脉冲双参数恒虚警率（CFAR）检测方法，并对该方法进行了理论、参数估计等方面的分析．理论分析和仿真结果表明，该方法对高分辨雷达具有较好的检测性能．     

典型目标SAR图像模拟

利用目标的缩比模型,通过微波暗室实验,用ＩＳＡＲ（逆合成孔径雷达）方法来模拟目标的ＳＡＲ（星载合成孔径雷达）图像,并给出目标的成像结果。