共查询到20条相似文献,搜索用时 69 毫秒
1.
基于CFAR级联的SAR图像舰船目标检测算法 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network, CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过四步训练法得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。 相似文献
4.
5.
SAR图像舰船目标检测算法的对比研究 总被引:8,自引:0,他引:8
SAR图像舰船目标检测有二种经典算法:双参数CFAR算法和K-分布CFAR算法。本文分析了二种算法的特点,使用RADARSAT卫星不同模式SAR图像分别进行实验,给出二种算法的适应性。 相似文献
6.
传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。 相似文献
7.
8.
9.
10.
11.
12.
为完成极化合成孔径雷达(PolSAR)图像中点散射像素目标的检测,从几何扰动滤波检测点散射像素的基本原理出发,分析了经典方法存在的相干度参数阈值无法自适应获取和不同散射机制共享同一阈值两个问题,提出利用Cloude-Pottier分解结果中熵参数的分布情况计算得到阈值,利用平均阿尔法角参数完成不同散射机制的初分类,对初分类的结果排序得到的某种散射机制对应的相干度参数的比例因子,根据比例因子计算得到该类散射机制的阈值,从而完成点散射目标的检测。对机载合成孔径雷达(AIRSAR)数据集中的San Francisco Bay图像进行了实验,结果表明,改进方法在检测性能上优于经典方法。 相似文献
13.
14.
传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据... 相似文献
15.
16.
基于ROC融合准则的SAR边缘检测算法 总被引:2,自引:0,他引:2
根据ROC(receiver operating characteristics)技术能评估分类器在所有可能工作阈值下总体性能的特点,建立包含边缘像素点相关分析与ROC分类决策的ROC融合准则。依据该准则组合多种SAR边缘检测算子,并得到合成孔径雷达(SAR)影像的"理想"边缘检测结果。实验结果表明,本文方法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,并且不需要手工设置阈值,自动化程度高,有很强的工程实用性。 相似文献
17.
提出一种基于卷积构型的单元平均恒虚警率(convolution based cell averaging constant false alarm rate, CCA-CFAR)快速检测算法.该算法首先根据背景杂波分布模型计算待检测合成孔径雷达(synthetic aperture radar, SAR)图像统计量矩阵, 然后对单元平均恒虚警率(cell averaging constant false alarm rate, CA-CFAR)检测器构建卷积模型, 利用卷积运算实现对背景杂波的矩估计, 并求出详细的背景杂波分布函数, 最后根据分布函数计算出每个像素的判定阈值, 并对所有待检测像素是否为目标点进行判定.该检测算法复杂度低, 运算效率高, 能够快速实现SAR图像实时目标检测.仿真实验证明了该方法的有效性和工程实用价值. 相似文献
18.
Model-based neural network for target detection in SAR images 总被引:1,自引:0,他引:1
Perlovsky L.I. Schoendorf W.H. Burdick B.J. Tye D.M. 《IEEE transactions on image processing》1997,6(1):203-216
A controversial issue in the research of mathematics of intelligence has been that of the roles of a priori knowledge versus adaptive learning. After discussing mathematical difficulties of combining a priority with adaptivity encountered in the past, we introduce a concept of a model-based neural network, whose adaptive learning is based on a priori models. Applications to target detection in SAR images are discussed. We briefly overview the SAR principles, derive relatively simple physics-based models of SAR signals, and describe model-based neural networks that utilize these models. A number of real-world application examples are presented. 相似文献
19.