高分辨率SAR图像机动目标纹理特征提取与分析

该文基于高频区目标散射中心理论分析了高分辨率SAR图像机动目标和自然地物后向散射特性的差异,探讨了两类目标纹理现象产生的机理,并在此基础上,分别基于局部统计量和分形模型提取机动目标的纹理特征,给出了鉴别特征优选方法。文中利用MSTAR的车辆目标实测数据检验了该文计算的纹理特征,给出纹理特征优选结果以及各纹理特征鉴别的性能,结果表明该文提取的纹理特征具有较好的鉴别性能,能消除大部分自然地物产生的虚警。     

基于目标识别的SAR图像特征分析

特征分析是目标检测与识别的关键,也是图像解译的经典课题之一.本文分析了合成孔径雷达图像目标识别系统各阶段常用的特征,并提出了几个新的具有鲁棒性的特征,从而为SAR图像目标检测和分类提供了良好的基础.     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

基于多尺度特征的SAR区域型目标检测方法

通过对SAR图像的目标特性分析，提出了一种SAR区域型目标的检测方法。与通常的一些目标检测算法相比，该算法在ROI的提取和目标建模两个方面作了改进，提出了一个新的特征提取算子并引入多尺度的梯度特征作为分类依据。算法应用于真实的SAR图像进行居民区的检测，获得了预期的结果。实验表明，基于多尺度梯度特征的目标检测算法具有良好的性能。     

SAR图像点目标的检测

分析了在均匀杂波回波功率服从 Gamma分布条件下 SAR点目标检测 ,推导了点目标虚警概率和检测概率与阈值系数关系 ,提出了检测点目标阈值系数选择根据和方法。在杂波均值估计方面 ,提出了以全局均值代替局部动态均值。实际测试结果表明所提出的检测方法在检测效果和计算量方面都优于双参数恒虚警检测算法     

高分辨率SAR图像目标峰值特征提取

峰值特征是进行SAR图像自动目标识别的重要特征。本文提出了SAR图像目标的通用高斯峰值模型,根据该模型提出了目标峰值提取方法。利用实测数据以及蒙特卡罗仿真结果表明:通用高斯峰值模型是实际峰值的一种精确模型,基于该模型的峰值提取方法具有良好的提取精度。     

基于遗传算法的SAR图像目标鉴别特征选择

针对SAR图像自动目标鉴别的应用,提出了一种基于遗传算法的特征选择方法.首先提取了反映目标和杂波虚警差异的八个特征,分别是:四个空间边界属性特征,一个分形维数特征和三个对比度特征.然后对由八个特征构成的特征矢量采用遗传算法进行特征选择,以选出对于目标鉴别最优的特征序列.遗传算法中适应度函数的设计综合考虑了描述长度、鉴别总错误数以及漏报数等三个因素,使得该适应度函数对于特征优劣的评价更全面.实测数据的实验结果证明了所提算法的有效性.     

基于多分辨率能量特征的SAR目标检测

针对UWB SAR中二面角目标和树干杂波在方向域和频率域的不同特性,特别是频率域相关特性的不同,给出了一种新的多分辨率划分方法,通过该方法对原始图像的处理得到多分辨率图像序列,并以该图像序列为对象提取能量特征,最终实现了目标检测。对实测数据的检测表明,该方法能有效地抑制杂波,提高目标的检测性能。     

基于级联CFAR的SAR图像目标快速检测方法

针对高对比度场景下合成孔径雷达(SAR)图像的实时目标检测问题,提出一种基于级联恒虚警率(CFAR)的SAR图像目标快速检测算法,将二维图像的检测沿距离向和方位向拆分成两个一维的CFAR检测, 采用距离向-方位向级联检测器并加以分割关联方法对目标进行检测。首先,按距离向叠加后进行距离向检测,并进行分割关联以划分不同目标的区域;然后,对过检单元进行方位向检测得到目标位置;同时,进行分割关联,从而实现目标检测。文中利用仿真的SAR图像、MSTAR数据和实测数据进行实验。仿真结果表明:该算法具有速度快、检测率高的优点,满足实时处理要求。     

基于位置相关的SAR图像中分布式目标检测

在研究了SAR图像中分布式目标在其所占有的各分辨单元间的二维位置相关信息的基础上,提出了一种SAR图像中分布目标的检测方法。根据二维情形下的不同距离定义,提出了算法的几种形式。计算机仿真结果、处理真实SAR图像数据的试验结果和性能分析表明了该方法比经典的恒虚警检测算法更有效、更优越。通过比较不同的距离定义下检测算法的性能和运算复杂度,得出了最优的距离定义形式。     

运动目标对SAR成像的影响

合成孔径雷达(SAR)是一种高分辨成像雷达。随着科技的发展人们对雷达分辨率的要求日益增高。基于SAR成像的基本原理分析了运动目标的特性,研究了运动目标对成像的影响,并给出了仿真结果。     

基于互Wigner-Ville分布的SAR运动目标检测

本文针对机载合成孔径雷达(SAR)运动目标回波信号的特点,提出了基于互Wigner-Ville分布(XWVD)的机载SAR运动目标检测方法,分析了它在单目标和多目标情况下的检测性能.实验证明,该方法可以在较低的信噪比下实现目标的检测,其性能大大优于常用的Wigner-Ville分布方法.为了抑制多个目标之间交叉项的影响,本文还提出了一种基于逐次消去思想的互Wigner-Ville分布检测方法,它可以解决强度相差较大的多目标检测问题.仿真实验的结果证明了算法的有效性.     

遗传算法在SAR图像目标鉴别特征选择上的应用

针对SAR图像鉴别特征选择,在候选特征数较多情况下的应用,文中利用遗传算法提出了一种可靠、准确的鉴别特征选择方法。首先介绍了常用于目标鉴别的19个特征。然后利用遗传算法对上述特征进行了选择。并在评价环节中,对原有方法中适应度函数的权值进行了调整。通过对比实验表明,适应度函数权值的调整,能够加速种群的进化速度,提高了鉴别特征选择的准确性和有效性。     

充分利用SAR图像中动静目标信息检测动目标

本文结合遗传算法,研究同时利用SAR(Synthetic Aperture Radar)图像中动静目标信息检测动目标的高效算法,进一步揭示单通道SAR/GMTI的潜力.单通道SAR图像中包含着动目标和静止背景信息,在SAR图像方位向信号中,以对称搜索二次相位和对称带通滤波(通带针对动目标频谱)所得两图像模差的绝对值检测动目标,既利用其中的静止背景信息抑制杂波,又利用其中的动目标信息聚焦动目标能量,能获得更好的动目标检测性能.     

基于Markov随机场的SAR图像目标检测方法

提出了一种递增结构能量参数的Markov随机场模型的合成孔径雷达图像目标检测算法,利用模拟退火优化方法,获得最大后验概率准则下的目标检测结果。实验结果表明,该算法不仅能有效减少斑点噪声及背景杂波的影响,而且还可以排除具有较强回波的角反射器的干扰。     

基于深度学习的复杂沙漠背景SAR目标检测

SAR目标检测,因成像场景大、背景复杂多变而极具挑战。传统基于恒虚警率的SAR目标检测方法极易受背景干扰。针对上述问题,提出一种基于深度学习的复杂沙漠背景SAR目标端对端检测识别系统。即采用小规模沙漠背景下的SAR图像数据对Faster-RCNN网络进行迁移训练,一体化完成典型目标的检测与识别。基于合成数据集Desert-SAR的试验结果表明,与传统方法相比,该方法检测速度更快、准确率更高、鲁棒性更强。     

基于Radon—Ambiguity变换和解调频技术的SAR运动目标检测

详细探讨了合成孔径雷达中运动目标的检测问题，根据机载合成孔径雷达运动目标回波信号的特点，提出了基于Radon-Ambiguity变换和解调频技术的一种新的机载运动目标检测方法，给出了动目标检测、参数估计的主要步骤，分析了在单目标和多目标情况下的检测性能。该方法与常用的Wigner-Ville分布和Radon变换结合的方法相比计算量明显减少，在多目标情况下能够较好地抑制交叉项，提高检测性能。且使用解调频技术与RAT相配合，解决了单纯RAT无法估计Chirp信号初始频率的问题。仿真试验结果证明了算法的有效性。     

基于短时Fourier变换和Gabor变换的SAR运动目标检测

本文针对机载合成孔径雷达（SAR）运动目标回波信号的特点,提出了基于短时Fourier变换和Gabor变换的机载SAR运动目标检测方法。与常用的Wigner-Ville分布相比,在多目标存在的情况下,Wigner-Ville分布不但受到交叉项的影响,而且由于多普勒模糊引起的“折叠”现象严重影响了Radon变换的性能;而新算法中应用的短时Fourier变换、Gabor变换无交叉项的影响,其多普勒不模糊范围也比Wigner-Ville分布大一倍,再与Radon变换相结合具有很好的性能。仿真实验的结果证明了算法的有效性。     

基于深度学习的SAR图像舰船目标检测综述

近年来,合成孔径雷达成像技术因具备全天时和全天候的目标感测能力,在海洋实时监测和管控等领域发挥着重要作用,特别是高分率SAR图像中的舰船目标检测成为当前的研究热点之一.首先分析基于深度学习的SAR图像舰船目标检测流程,并对样本训练数据集的构建、目标特征的提取和目标框选的设计等关键步骤进行归纳总结.然后对检测流程中的各部...