SAR对多舰船目标成像算法研究

本文提出一种基于沙漏型变换的多舰船目标成像算法。对于近似为线性调频信号的舰船方位向回波,可以通过对其自相关函数进行沙漏型变换,解除其时延和时间的耦合,从而实现回波的相干积累,获得高质量的多舰船目标图像。文中对沙漏型变换的,变换后信号的聚焦特性及交叉项的影响进行了详细的分析,并且提出了一种适用于多舰船目标成像的尺度因子选取标准。     

基于快速Radon-Fourier变换的雷达高速目标检测

Radon-Fourier变换(RFT)是一种根据目标的运动参数对位于距离-慢时间平面中的目标轨迹进行积分来积累雷达目标能量的方法。该文针对RFT算法的运算量大和未插值时由量化误差引起能量积累损失这两个问题,提出一种基于Chirp-Z变换(CZT)的快速RFT算法,该算法在频域实现,并将其实现过程和CZT算法结合在一起,成功的解决了以上问题。另外,在不增加运算量的前提下,该方法还能通过补偿目标的多普勒频率来消除匹配滤波损失。实验结果表明在理想情况下该方法的目标能量积累性能接近理论最优值。     

基于改进顶帽变换的红外弱小目标检测

天空背景下的红外弱小目标检测技术较为成熟,但在近地复杂背景下,红外弱小目标的检测存在准确率不高、虚警目标多、实时性差的问题。针对以上问题,该文提出一种基于改进顶帽变换的红外弱小目标检测算法(OTHOLCM)。该算法采用基于改进顶帽变换的图像预处理算法(OTH),通过对不同灰度值的图像采取不同的策略针对性地处理图像,达到目标增强、背景抑制的效果。并在此基础上,采用基于改进多尺度局部对比度的红外弱小目标检测算法(OLCM),通过针对目标尺寸特点进行尺度设计,使得在保证算法实时性的基础上扩大目标尺寸检测范围。实验证明：OTHOLCM算法可以保证实时性并明显提高目标检测准确率、减少虚警目标数量。与3层模板局部差异度量算法(TTLDM)、基于边角感知的时空张量模型(ECASTT)等先进算法相比,OTHOLCM算法可使真阳性率分别提高近79%, 61%,假阳性率分别降低近77%, 73%,目标检测速度达到每秒25帧。     

基于K-L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,利用正交变换去相关特性,提出了一种改进的K－L变换和广义K－L变换的红外弱小目标检测与描述方法,从而实现低信噪比条件下红外弱小目标的检测。     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

基于keystone变换的微弱目标检测

提高雷达对微弱目标探测能力的主要方法是增加积累时间.根据传统PD雷达的设计原则,在相参积累时间内,目标的距离走动不能超过半个距离单元,也就是说相参积累时间受限于目标运动.对于高距离分辨雷达或观测高速目标的雷达系统,这种限制是很难满足的.本文提出一种基于keystone变换的运动补偿方案,可以在没有目标运动速度信息条件下校正距离走动,从而使积累时间不再受目标运动的限制.     

基于多尺度屋顶状边缘的目标检测

本文利用小波为工具提出了在多尺度检测图象中屋顶边缘的方法，导出了该处屋顶边缘的最大曲率及其方向的计算公式；并将其结合人脸的特点用以在较复杂背景的图象中确定人脸及其器官（如眼睛）的位置和进行初步的分割，此方法在实验中取得了良好的效果。     

利用图像区域自然尺度特征的海面舰船目标检测

为了提高动态海面背景中目标的检测性能,提出了一种新的基于图像区域自然尺度特征的海面舰船目标检测算法.算法将一维信号的自然尺度特征提取方法拓展到二维图像信号,通过相空间重构和分类,提取了图像灰度时间序列的自然尺度特征.利用BP神经网络,得到背景与目标自然尺度特征的辨识模型,然后对图像序列的自然尺度进行分类,检测得到舰船目...     

多尺度匹配的红外变分辨率弱小目标检测

针对云层背景下红外变分辨率小目标的成像特性,提出一种基于尺度空间理论的红外弱小目标检测方法。首先建立高斯小目标参数模型,以高斯核生成待检测图像的尺度空间,进而对尺度空间进行最佳尺度匹配,提取目标感兴趣区域（ROI）。然后构造ROI尺度自适应对比度作为检测判据,剔除虚警,实现小目标最终检测。实验结果显示,算法不仅能够准确检测目标,且可以估计目标像尺寸,同时具有较高的检测概率和执行效率。可有效地实现对变分辨率弱小目标的检测。     

基于图像滤波与Hough变换的红外弱小目标检测

针对红外传感器成像信噪比低且易受噪声、背景杂波干扰的问题,本文提出了一种基于最大中值滤波与Hough变换的红外弱小目标检测方法.该方法首先对序列图像中的每一帧进行最大中值滤波,滤波输出与原始图像相减用以预测目标可能出现的区域.对于目标可能出现的区域使用均值滤波,反之则使用最小值滤波来抑制背景结构.然后将滤波后的序列图像直接叠加得到合成图像,采用有灰度权重的Hough变换实现弱小目标的轨迹检测.实验结果表明该方法可以实现对信噪比接近1的弱小目标的检测.同时,背景的运动对该方法的检测效果没有显著影响.     

基于霍夫变换的高速微弱目标检测算法

该文针对高速微弱目标检测提出一种快速的目标参数估计方法,首先分析了高速目标回波脉冲间距离单元走动的影响因素,指出回波间距离走动与积累时间近似为直线;其次利用霍夫变换(HT)可对直线进行检测的特点,分析了HT参数和目标初始距离和径向速度的关系,提出了一种并行HT(PHT)方法,该方法利用并行叠加原理能够提高HT运算速度,满足实时性的要求;最后给出了算法实现流程和仿真实例,仿真结果证明了算法的有效性。     

基于固有模态能量熵的微弱目标检测算法

该文分析了海杂波能量在各固有模态函数(IMF)间的分布特点,研究了目标对海杂波能量在各IMF间分布的影响。研究发现,无目标时,海杂波的能量主要集中于先分解出的3个IMF中,而当目标出现时,海杂波的能量将向后分解出的6个IMF扩散,且固有模态能量熵恰能描述目标出现引起的海杂波能量分布的这种变化,因此该文提出了采用固有模态能量熵检测微弱目标的算法。仿真结果表明,与基于盒维数的微弱目标检测算法、频域CFAR检测方法和多脉冲CA-CFAR(100个脉冲)检测算法相比,该算法的检测性能较好,有效增强了雷达对海杂波中微弱目标的检测能力。     

基于Radon-WVD变换的编队目标架次识别

针对常规低分辨雷达,研究了编队目标回波的多普勒频率变化特征,提出了采用Radon-WVD法,在时频域对编队目标的整体特性(调频率)进行快速准确的估计。该方法的估计结果不但不受WVD交叉项的影响,而且由于Radon变换的积累特性使得Radon-WVD变换法相对WVD有更好的抗噪声性能。仿真实验验证了该方法的有效性,成功地实现了多架编队飞机架次识别。     

基于混合积累的SAR微弱运动目标检测

本文指出在合成孔径雷达(SAR)有限的检测时间内,运动目标的徙动轨迹可近似为一条直线.进而提出了一种基于相干-非相干混合积累的微弱运动目标检测新方法:把检测时间分成多个连续的相干处理间隔(CPI),在各CPI内部通过FFT实现同一距离单元内信号的相干积累,在各CPI间通过Hough变换实现跨越距离单元的非相干积累,从而获得大的积累增益.仿真实验证明,新方法可显著改善微弱运动目标的检测性能.     

基于合成孔径激光雷达的目标探测

为了研究合成孔径激光雷达在目标探测中的应用,从建立合成孔径激光雷达的信号传输及回波模型出发,理论分析了合成孔径激光雷达回波信噪比、探测距离、合成孔径时间和解线性调频处理4个方面的特点与优点,并与一般相干体制的激光雷达以及合成孔径雷达进行了对比。结果表明,合成孔径激光雷达比一般相干体制雷达具有更高的回波信噪比和更远的探测距离,且相对于合成孔径雷达具有更快的成像速度。这一结果有助于合成孔径激光雷达应用于远距离目标探测、跟踪与快速预警。     

基于尺度不变特征变换的快速景象匹配方法

传统基于特征的景象匹配方法存在冗余点多、匹配精度低等问题,难以同时满足实时性及鲁棒性要求,对此,论文提出一种基于尺度不变特征变换(SIFT)的快速景象匹配方法。在特征提取阶段,采用高速分段特征检测器(FAST)在多尺度检测角点作为初始特征,经过高斯差分(DOG)算子在尺度空间中进行特征的2次筛选,简化原有遍历式的特征搜索过程;在特征匹配阶段,采用仿射模型模拟变换关系建立几何约束条件,克服SIFT算法由于忽略几何信息而产生的误匹配。实验表明：该方法在匹配精度和实时性方面均优于SIFT算法,且对光照、模糊、尺度等变换具有良好的鲁棒性,能够更好地实现景象匹配。

     

基于极坐标正弦变换的Copy-move篡改检测

该文使用极坐标正弦变换(PST)特征对图像进行Copy-move篡改检测,将待检测图像转换成灰度图并进行PST特征提取,并采用改进的快速近似最近邻搜索算法PatchMatch对特征描述符进行匹配,以克服匹配全局描述符带来的处理时间较长的缺点。实验分析表明,该文所提方法不仅对图像的线性Copy-move篡改和旋转干扰篡改有很好的效果,而且对噪声和JPEG压缩干扰篡改也具有一定的鲁棒性。最后对综合干扰篡改实验测试发现,在综合篡改幅度较小的情况下,准确率可以达到98.0%。

     

基于压缩感知的CFAR目标检测算法

该文提出一种基于压缩感知(Compressive Sensing, CS)的恒虚警率(Constant False Alarm Rate, CFAR)目标检测算法,首先分析了目标在距离单元上具有稀疏特性,并构造了目标回波的稀疏字典,设计特定的测量矩阵以及基于CS的CFAR检测结构,然后实现了对回波信号的压缩测量和CFAR检测,无需对回波信号重构。该文提出的算法具有很好的降噪性能并提高了检测效率,可以对低信噪比、低信杂比信号成功检测。仿真结果表明：当信噪比为-14 dB,信杂比为-10 dB时,该算法与传统匹配滤波检测算法相比,减少了一半数据运算量,性能明显优于压缩匹配滤波检测算法。