基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree, GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明：本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13%以上.     

基于分维特征的舰船目标的检测

在分析少引目标雷达回波与海杂波分维特性的基础上,提出了一种基于海面散射分维特性的检测方法,该方法以分数布朗运动作为数学模型,提取出海杂波与目标回波在分形模型拟合误差和分维尺度变化量这两方面的特征,并利用产的固有差异进行检测,实验表明,该方法具有较高的可靠性和准确性。     

目标回波特征辅助的海面多目标跟踪方法

由于复杂的海洋环境和近海稠密的海面目标,海用雷达常面临高虚警率、高目标密度的“双高”跟踪场景。来源于海杂波和多个邻近目标的量测点在探测空间中密集出现,传统的跟踪方法仅利用单帧量测的位置信息不能很好区分量测的具体来源,导致跟踪性能严重下降。利用目标回波特征信息可以在不提高算法复杂度的情况下弥补上述缺陷,但目标回波特征的泛化能力较弱,需要针对不同的雷达体制、工作场景及探测需求,因地制宜地选择适合的目标回波特征。以探测大中小型船只为任务的高分辨对海警戒雷达为应用背景,采用检验统计量和目标径向速度量测作为目标回波特征,重构了跟踪方程使得目标回波特征的信息被充分应用于关联、滤波和航迹管理等跟踪的各个环节。此外,采用了一种“两级”跟踪流程,依据航迹质量划分确认航迹和候选航迹,串联跟踪目标并交互信息,有助于跟踪难以形成持续稳定检测的非机动海面小目标。实测和仿真数据实验结果表明,在海面复杂的多目标场景中,所提方法可以实现稳健的目标跟踪。     

基于最大熵谱估计的机载雷达杂波抑制技术

在讨论机载雷达地面杂波的基础上，利用最大熵估计法对机载雷达杂波进行抑制，并引入了ｃｈｏｌｅｓｋｙ分解快速算法求解最大熵谱的ＡＲ模型参数。计算机模拟表明，基于最大熵谱估计的机载雷达杂波抑制技术有很高的谱分辨率，不仅能跟踪主杂波的频率位置而且能跟踪其谱宽度，因而具有较为满意的杂波对消化与改善因子。     

基于背景抑制与特征融合的红外微小目标检测

为了解决多特征融合微小目标检测算法复杂、受到假设限制等问题,提出了一种背景抑制与特征融合相结合的海天背景红外微小目标单帧检测算法,算法采用高通滤波抑制背景,利用灰度变换强化目标特征,特征融合时不涉及像素行均值问题,克服了海天线水平的假设;采用计算量小的局部灰度最大值、局部对比度均值反差两个特征进行加权信息融合,形成特征图,检测出微小目标.实验结果表明,该算法不论在实时性、实用性还是有效性方面都取得了满意效果.     

时频域分解海面回波及慢速微弱目标检测

海面慢速微弱目标的回波信号能量远小于海杂波,且在时域和频域与海杂波非常靠近,是海面搜索雷达面临的难点。为了检测海面慢速微弱目标,针对海面目标回波和海杂波的双重非平稳性,在提出海面回波时频域迭代分解的基础上,利用目标信号与海杂波之间的时频聚集性和持续时间等特性,提出利用凸包算法融合特征的海面慢速微弱目标检测方法。该方法能够将与海杂波有较大能量差且在时频域非常靠近海杂波的目标信号检测出来。实测IPIX雷达数据表明,该方法能较精确地从海面回波中检测出目标,并且能够显示目标的瞬时运动特性。     

基于多尺度分形特征的海面目标检测方法

为提高海面目标检测性能,提出了基于多尺度分形特征的检测方法。该方法采用了模糊C均值聚类确定潜在目标点数,根据多尺度分形特征,利用支持向量机方法对像素点进行分类,实现目标检测。实验结果表明,该方法能更好地消除海空背景对目标检测的干扰,准确有效的检测出目标。     

基于聚散熵及运动目标检测的监控视频关键帧提取

针对公安监控视频检索中根据运动目标准确标注视频关键帧的问题,提出一种基于聚散熵及运动目标检测的监控视频关键帧提取算法。首先通过对视频内容的分析,提出监控视频聚散熵的概念。其次根据聚散熵对监控视频进行子镜头划分,再次根据运动目标检测对子镜头进行划分,从而提取视频关键帧。最后列举出算法在几种典型视频数据库中的实验结果及结果分析。实验结果表明该算法在关键帧提取的准确性和鲁棒性上都有良好表现,该算法针对公安监控视频检索需求,在缩短公安视频侦查时间及智能检索中起到支撑作用。     

基于分形的海杂波特性及目标检测方法

在真实海杂波数据中叠加具有多普勒频率的模拟目标，以此构成纯杂波样本和目标加杂波样本，对这些样本进行盒维数分析．结果表明，目标加杂波的盒维数大小与目标的多普勒频率有一定的变化关系，这种变化关系为海杂波中的小目标检测提供了一种新的途径．     

多阶段特征重分布算法的小样本目标检测

深度神经网络在目标检测任务上需要训练大量的标签数据,然而在许多实际应用场景中标签数据难以获取。针对这一问题,提出了一种面向小样本目标检测的多阶段特征重分布算法(MSFR)。该算法通过对特征向量进行重分布变换,解决了小样本任务下源域数据和目标域数据分布不一致的问题;通过多阶段学习策略将源域知识逐步迁移到小样本目标任务中,进一步提高知识迁移效率。在VOC数据集上的大量实验表明,与现有小样本目标检测算法相比,该算法在不同任务上的精度最高提升了9.06%。该算法在大幅提高小样本目标域类别检测性能的同时,较大限度地保持了对源域类别的检测精度,具有较大的实用价值。     

Floating small target detection in the sea clutter via block-whitened clutter suppression

It is always a difficult task for the marine surface surveillance radar to detect the floating small target embedded in the sea clutter. Considering the non-uniform and non-stationary nature of sea clutter, the block-whitening strategy is used to suppress the clutter. By analyzing the differences between the energy distributions of the clutter-only returns and those of the returns with the target in the time-frequency (TF) plane, a TF feature is extracted via the TF-ridge-aided Hough transform. A detector using the TF feature is proposed. Experimental results for the IPIX radar datasets show that the proposed detector attains a better detection performance than the fractal-based detector in a relatively short observation time.     

近海岸目标快速提取

针对海面运动载体对复杂海岸背景下的水上目标检测问题,提出了基于海岸线信息的近海目标自动检测方法.通过量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,提取海岸线区域的主要轮廓.采用哈夫变换进行投票加权处理,确定海岸线的精确位置,使用主频灰度对对海岸线以下的海面部分进行滤波,消除杂波效应,引入聚类方法,剔除伪目标,实现目标的有效区分.试验证明所提方法能够检测出不同倾斜状态下的海岸线,并实现精确的目标定位,单帧处理在0.2s以内,具有准确性和快速性.     

卫星基线斜置的星载三通道SAR-DPCA运动目标检测方法研究

为了获得水平和垂直的多个相位中心信息,提出了一种新的卫星基线斜置并结合相位中心偏置天线(DPCA)技术的星载三通道合成孔径雷达地面运动目标检测方法.研究了基线斜置时的等效相位中心补偿函数,给出了在该情况下新的系统约束条件,并在此基础上分析了基线斜置角对检测盲速的影响.各通道完成相位补偿后,通过相位中心偏置天线技术实现地面运动目标检测,利用杂波抑制后的通道间干涉相位完成运动目标定位.仿真结果验证了基线斜置时该方法实现运动目标检测和定位的有效性.     

用于强海杂波中目标检测的自适应波形设计算法

针对强海杂波中的目标检测问题,对一种自适应波形设计算法进行了仿真研究．该算法首先利用期望最大化算法估计预测目标所在单元的海杂波统计特性,然后利用子空间方法实现海杂波抑制,最后以最大化广义似然比为准则,通过动态设计相位编码波形来匹配海杂波统计特性,以改善目标信杂比,进而改善目标检测性能．通过数值仿真验证了算法的有效性．仿真结果表明,与采用固定波形相比,采用自适应波形设计算法对于目标检测性能的改善程度可达7～10dB．