基于SAR图像的点状目标检测方法研究

分析了SAR图像目标检测中常用的方差法、恒虚警算法,讨论了对纹理和灰度都敏感的扩展分形法,然后针对弱目标的检测,提出了基于小波多分辨率能级分析的检测方法,最后对四种算法的性能作了比较,并指出了下一步的研究方向.     

SAR图像目标检测研究综述

SAR图像目标检测是SAR ATR(自动目标识别)的关键步骤,也是近年来SAR图像解译应用的一大研究热点.在广泛文献调研的基础上,本文从SAR图像目标检测的历史沿革、研究现状开始,综述了SAR图像目标检测的研究进展及存在问题,指出了该技术领域的发展趋势.     

基于扩展分形和CFAR特征融合的SAR图像目标识别

研究了多信息融合技术在SAR图像目标识别中的应用。将扩展分形特征(Extended Fractal)与双参数恒虚警特征(Double Parameter CFAR)形成的多信息进行融合处理。运用Dempster-Shafer证据理论,在决策层对SAR图像中的像素进行识别分类。实验结果表明通过融合对像素分类的准确性明显好于单特征的检测结果,减少了虚警概率,提高了系统的识别能力。     

扩展分形法结合B-CFAR在SAR图像目标检测中的应用

针对文献[1]的扩展分形(Extended Fractal．EF)方法,分析了EF特征的优劣性。结合SAR图像的统计特性,本文将EF检测与双参数恒虚警车(Bi-parameter Constant False Alarm Rate B-CFAR)检测相结合．提出两个改进方案：一、利用两种特征的融合信息在决策层决策的检测方案;二、先用B-CFAR增强感兴趣目标区域(Region of Interest．ROI)．在此处理之后再用EF法检测。我们将这两种方案运用在复杂的二维SAR图像飞机检测中．得到了良好的检测效果。     

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。     

SAR图像舰船目标检测算法的对比研究

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。     

SAR图像局部窗口K-分布目标检测算法

该文分析了双参数CFAR算法和K-分布CFAR算法的特点,将双参数CFAR算法局部窗口的概念应用到K-分布CFAR检测中,适应了SAR图像海面背景复杂且局域性强的情况,获得了较好的检测效果。     

一种结合空间信息的星载SAR图像舰船目标检测算法

针对常规恒虚警率(CFAR)方法对低信杂比合成孔径雷达(SAR)图像舰船目标检测效果不佳的问题,提出一种结合空间信息的星载SAR图像舰船目标检测方法。该方法通过将像素的空间信息与灰度信息相结合构造联合图像,以提高目标与背景的对比度,然后对联合图像进行CFAR检测。基于不同分辨力实测星载SAR图像舰船目标检测的实验结果表明,与直接基于CFAR的方法相比,该方法对低信杂比SAR图像具有更好的检测性能。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域,还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法,而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况,运用智能索引变量的CFAR检测技术(VI—CFAR),使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后,利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

一种适用于rural区SAR图像目标感兴趣区域获取方法

目标感兴趣区域的获取是目标分类的基础,由大场景图像中快速获取目标感兴趣区域对整个ATR系统的性能提高有较大意义。本文给出了一种适用于rural区的SAR图像目标感兴趣区域获取方法,在分析图像场景灰度统计分布的基础上,利用全局恒虚警率检测算法得到潜在目标区域,然后利用密度、形态学和尺寸滤波器对潜在目标区域聚类并滤除虚警,最终获得目标感兴趣区域。对2048×512像素实际场景的实验结果,应用本文算法4个车辆目标全部被检测且没有虚警,VC代码获取目标区域的总时间小于0.5秒。     

ENVISAT ASAR交替极化模式目标检测性能分析

ENVISAT ASAR具有交替极化模式,可以提供3种双极化组合。该文针对3种双极化组合分别推导了几种目标检测器,包括最优极化检测器、白化滤波检测器、张量检测器、单通道检测器等,并使用ROC曲线对它们分别进行了性能比较。结果表明极化白化滤波检测器的性能最接近于理想的最优极化检测器,极大地提高了检测性能。     

复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。     

基于改进FRACTA算法的多通道SAR动目标检测技术

该文针对实际非均匀杂波环境对多通道SAR/GMTI动目标检测性能的影响,提出了一种改进型FRACTA算法。该算法将STAP中的FRACTA算法引入多通道SAR系统中,并进行改进,提高了其在多通道SAR系统中的检测性能和运算速度。实测数据处理结果表明,与传统的检测方案相比,该文算法能够在非均匀环境中明显地提高检测性能,是一种非均匀环境中鲁棒的多通道SAR动目标检测算法。     

SAR图像局部自适应ACCA-CFAR检测算法

该文在ACCA-CFAR(Automatic Censored Cell Averaging-CFAR)的基础上提出了一种以K分布对SAR图像杂波建模的局部自适应ACCA-CFAR目标检测算法。该算法首先估计局部窗口的K分布参数,然后根据参数确定局部ODV(Ordered Data Variability)门限,进而完成背景像素筛选,最后做出检测判决。文中证明了ODV门限与局部统计模型的参数有关,给出了采用局部自适应门限的理论依据。该文以海面舰船SAR图像为例,证明该算法在海面杂波背景中具有较少的虚警,可以完整地检测出舰船目标,保留更精细的结构特征。     

SAR图像中舰船目标恒虚警率检测技术的研究

在各种各样的合成孔径雷达图像舰船目标检测方法中,应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能,人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模,如Gamma分布、K分布、对数正态分布、G0分布、alpha稳定分布等,再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的,当实际杂波背景与假定统计分布失配时,参量型CFAR检测器的性能会恶化,非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测,并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上,与几种典型的参量型CFAR检测方法进行了对比。实验结果表明,Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性,还可以带来弱目标检测性能的改善,具有运算速度快、易于硬件实现的特点。     

真实数据背景下的SAR运动目标回波信号模拟及应用

该文提出了一种新的合成孔径雷达(SAR)原始数据模拟方法,将模拟数据和实际测量数据结合在一起形成含有模拟运动目标和真实背景的SAR原始数据,用于对SAR运动目标检测方法的验证和分析。根据SAR的成像原理和运动目标的回波模型,该文给出了将模拟运动目标回波信号和真实背景回波数据叠加的半真实模拟数据的形成方法。通过将合成的数据应用于运动目标的检测试验,验证了方法的有效性。     

用聚束SAR对慢速运动目标进行轨迹跟踪和参数估计的方法

针对聚束式合成孔径雷达(SAR)动目标检测的问题,把回波信号进行连续重叠地时域分组,每组信号可以看成是来自一个时域子孔径, 然后在每个子孔径内分别成像。地面固定目标在每幅图像上的成像情况是相同的, 通过彼此相减就可以消去,达到了抑制杂波的目的,而运动目标由于每个时刻的位置都在变化,在每幅图像上的位置是不同的, 从而在相减后剩余下运动目标的图像,把这些图像拼接起来就再现了运动目标的运动轨迹,根据运动轨迹就可以对其运动参数进行估计。该文给出了这个方法的原理推导和具体的检测过程。仿真结果证明了该方法的有效性。     

机载多通道SAR-GMTI的杂波抑制方法

该文研究机载多通道合成孔径雷达地面运动目标检测中的杂波抑制问题。杂波抑制是地面运动目标检测的重要问题,而通道间的相干性是影响杂波抑制的一个重要因素。对于多通道系统来讲,通道之间无论是通道特性还是天线的方向图都会存在差异,影响通道间的相干性。为改善杂波抑制比,该文通过通道均衡来提高通道间的相干性,并利用自适应相消的方法进一步抑制杂波。实测数据验证了该文方法的有效性。     

SAR图像机动目标检测的两种CFAR算法对比研究

分析和对比了SAR图像机动目标检测的两种实用算法:全局CFAR算法和局部双参数CFAR算法.首先分析了CFAR检测算法的基本理论,然后给出了两种CFAR算法的具体形式,在此基础上,对比了这两种CFAR算法的时间复杂度,总结了各自特点和流程.利用实测数据分别进行实验,进一步分析了各自的优缺点.