共查询到17条相似文献,搜索用时 203 毫秒
1.
与全极化相比,简缩极化合成孔径雷达(SAR)因其更宽的幅宽,在海洋监视方面具有先天的优势。针对海上舰船目标检测,提出一种基于加权支持向量机(SVM)和m-χ分解的简缩极化SAR图像舰船检测方法。该方法首先对简缩极化的极化参数进行提取,构造加权特征向量,然后基于加权SVM分类器对简缩极化SAR图像舰船目标进行检测,最后利用m-χ分解后3个分量对应不同散射机制的差异进行虚警去除。基于NASA/JPL AIRSAR机载以及Radarsat-2星载全极化实测数据模拟的圆极化发射线极化接收(CTLR)模式的简缩极化数据实验结果表明,该方法能在舰船目标检测的同时,有效去除虚警和模糊噪声。 相似文献
2.
作为一种新兴的星载极化SAR系统,星载简缩极化(Compact Polarimetric)SAR能同时获取目标较丰富的极化信息和实现大幅宽观测,在海洋观测领域具有先天的优势。该文针对星载简缩极化SAR海上船舶目标检测应用,首先简要介绍了星载简缩极化SAR系统基本模式及发展,其次综述了典型的星载简缩极化SAR信息处理方法,在此基础上,重点分析比较了目前常用的星载简缩极化SAR船舶目标检测方法的特点,然后给出了作者研究小组在星载简缩极化SAR船舶目标检测方面的部分研究结果,最后分析展望了进一步研究方向。 相似文献
3.
4.
全极化合成孔径雷达(SAR)高度信息检测技术 总被引:1,自引:0,他引:1
从全极化合成孔径雷达(SAR)二维图像数据中,经过极化综合计,利用快速搜索算法计算每一个图像像素的极化椭圆方向角ψ、△ψ,从而提取雷达方位向的地势倾斜度信息,形成极化SAR三维图像.本文在极化合成孔径雷达(SAR)三维成像快速搜索算法的基础上,提出由Stokes矢量推导的极化椭圆方向角解模糊算法,并利用美国NASA1994年SIR-C采集的真实全极化合成孔径(SAR)二维图像数据,经计算机处理得到了极化合成孔径(SAR)三维成像结果. 相似文献
5.
基于目标分解和加权SVM分类的极化SAR图像舰船检测 总被引:1,自引:0,他引:1
目标分解是极化SAR图像舰船检测的重要方法,但是,在较高分辨率和复杂海况条件下,由相干矩阵分解得到的极化熵参数并不能将舰船目标与海洋等背景完全区分。对极化目标分解理论和地物散射机理的研究和分析表明,极化分解的各个参数从不同角度反映了目标和背景的散射差异,对它们联合使用有助于更准确地在SAR图像中检测目标。而且,各个参数在实际的检测问题中具有不同的重要性。因此,本文构造了包含有多个极化分解参数的特征向量,并根据各分解参数重要性不同,提出一种基于目标分解和加权SVM (support vector machine)分类方法对极化SAR图像中的舰船进行检测。实验结果表明,该方法能够精确地检测舰船目标,并有效地减少虚警。 相似文献
6.
极化信息能丰富合成孔径雷达(SAR)数据的信息量,在农业、环境、海洋、森林、军事等领域取得了广泛的应用,但同时也面临分辨率较低、幅宽较小的问题,带来较高的应用成本。简缩极化SAR(CP SAR)作为一种能同时获取较为丰富的地表信息并实现较大幅宽观测的极化SAR模式,在过去十余年中引起了科研人员的广泛关注。随着印度RISAT-1卫星的成功发射,简缩极化SAR在一系列应用研究中取得了新进展。该文简要介绍了简缩极化SAR的经典数据处理方法,总结了近十余年来简缩极化SAR在农业和海洋应用领域的主要研究成果,最后对其发展方向进行了分析与展望。 相似文献
7.
对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。 相似文献
8.
9.
10.
基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息.该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-PolInSAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心.该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息.仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响. 相似文献
11.
极化合成孔径雷达(synthetic aperture radar,SAR)包含了丰富的目标散射信息,已被广泛用于海上船只检测.文中将机器视觉中基于残差谱视觉显著性区域提取方法扩展到极化SAR船只检测.首先,全面分析SAR极化特征的船海区分能力,利用5景RADARSAT-2全极化数据,对比45种极化特征的船海欧式距离、巴氏距离和对比度,筛选出16个船海对比度大于20 dB的极化特征;其次,挑选出适用于残差谱显著性区域提取船只检测的极化特征组合,通过特征间互信息、图像对数谱特性分析,确定利用相干矩阵的三个幅度极化特征组合成RGB图像进行船只检测;最后,将本文方法与基于恒虚警率的方法比较.在测试图像中,传统方法的品质因数小于0.9,本文方法的品质因数为0.95.本文方法能够很好地抑制虚警,同时还可直接提取出目标的轮廓等几何信息,具有一定的应用前景. 相似文献
12.
传统基于单机的合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测需要在本地计算机上进行数据下载、处理和分析,这极大受限于本地计算机的性能,只能对少量SAR图像进行检测。本文利用Google Earth Engine(GEE)遥感云计算平台的海量数据存储和强大运算能力,通过在云端部署SAR卫星数据、模型算法和计算机算力,在GEE平台上进行了大范围海域的海量舰船目标SAR图像处理应用研究,实现了舰船目标检测同时还可以获取舰船目标信息、统计舰船目标数量、批量下载目标检测结果图像等。通过在Sentinel-1 SAR数据上进行相关实验,结果表明本文研究可在线对海量SAR数据进行实时、高效、快速地处理,对海上舰船监视具有较高的实际应用价值。 相似文献
13.
算法和数据是影响深度学习技术发展的两大关键因素,大多数学者专注于算法的改进和开拓,仅有少部分学者致力于数据的研究.构建合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船数据集是SAR舰船目标检测项目的第一步,也是星载SAR图像实际工程应用的基础.分析了影响SAR舰船目标检测性能的关键因素,阐述了SAR舰船数据集的构建方法,概述了TerraSAR-X、"哨兵"1号(Sentinel-1)和高分三号(GF-3)三种SAR图像数据源,并对几种公开的SAR舰船数据集进行梳理与分析,总结了各数据集的发展历程,最后指出构建SAR图像舰船数据集仍需考虑的几个方面. 相似文献
14.
模糊是影响合成孔径雷达 (SAR)图像质量的主要因素之一,多极化星载SAR的系统设计要求尽可能地抑制模糊,提高图像质量。现有的多极化SAR系统极化时分工作方式虽然简单易行,但在高轨道星载条件下系统的距离模糊问题变得十分严重。为了有效地解决这一问题,该文提出极化频分和极化码分两种新的工作方式,并对它们进行了比较。计算表明这两种新的工作方式确实可以提高系统对模糊的抑制程度。 相似文献
15.
16.