基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测

该文针对载机不同航迹条件下所得多时相UWB SAR图像灰度值存在较大起伏,严重影响了基于像素灰度值差异的变化检测算法性能,提出了一种基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测方法。该方法将Gram-Charlier展开理论同秩序滤波器相结合对多时相图像中每个像素邻域的统计分布进行估计,进而借助K-L散度理论对多时相图像邻域统计分布变化进行定量分析以检测目标对应的变化区域。实验结果表明,该文方法能够更好地适应不同航迹UWB SAR图像间灰度起伏的影响,取得更好的检测结果。     

基于图像分割的VHFSAR叶簇隐蔽目标差值变化检测

本文针对甚高频合成孔径雷达(VHF SAR)图像中树林区域后向散射呈现快速起伏的特点,提出了一种基于图像分割的叶簇隐蔽目标差值变化检测方法,该方法首先采用自动多阈值分割算法对参考图像进行分割以降低后向散射起伏对检测性能的影响,而后采用一种新的概率模型对分割后各图像区域的杂波分布分别进行准确估计以进一步提高算法的性能.实验结果表明本文方法较之其它算法具有更优的检测性能.     

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。     

基于ATI的双通道UWB SAR运动目标检测和距离向速度估计

本文对基于ATI的双通道UWB SAR运动目标检测和距离向速度估计算法进行了研究.针对运动目标易在UWB SAR图像上散焦的特点,本文对运动目标在双通道UWB SAR图像上散焦像轨迹之间的位置关系及干涉相位进行了分析;针对ATI算法运动目标检测中的盲速现象和距离向速度估计时的距离向速度模糊现象,本文根据UWB SAR大相对带宽的特点,提出了一种多频子带ATI方法消除盲速区、解除距离向速度模糊,该方法只需两部接收天线,相比多基线方法可大大节省硬件成本.基于半实测数据的实验证明了本文所提理论正确性和算法的有效性.     

UWB SAR叶簇遮蔽目标中的变化检测技术

在超宽带合成孔径雷达叶簇隐蔽目标检测中,目前采用的变化检测算法主要包括归一化相减法和似然比法,这两种算法在实际应用中存在如下问题:归一化相减法在图像相关性较低时性能下降严重,而似然比法需要目标及杂波充分的先验知识。鉴于上述问题,本文提出了一种两级处理变化检测算法,第一级基于修正的线性均方估计构造变化检测量;第二级采用一种改进的秩序滤波器,在保持目标边缘特性的同时,克服了待检测图像中杂波分布的正向拖尾特性,提高了算法检测性能。文中最后基于实测数据验证了算法的有效性。      

基于隐马尔可夫模型的多孔径SAR目标检测

穿透叶簇的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,积累角大的特点,可同时获得距离、方位两个方向的高分辨能力,能用于探测叶簇隐蔽的军用车辆等人造目标而有着重要的军事应用价值。在多孔径SAR成像的基础上,本文用隐马尔可夫模型对人造目标和叶簇等杂波建模,可有效地检测目标,实现一个ATR系统的预筛选处理。     

UWB SAR叶簇隐蔽目标差值变化检测中杂波分布建模分析与应用

由于树林观测区域后向散射强度具有快变特性,现有方法无法对UWB SAR叶簇隐蔽目标差值变化检测的杂波分布进行准确建模分析。为此,首先推导分析了均匀观测场景差值变化检测的杂波分布模型,而后假设观测场景后向散射强度服从伽马分布,在此基础上进一步推导了一种快起伏场景差值变化检测杂波分布模型。实验应用结果表明,该分布模型可对树林区域差值变化检测的杂波分布进行准确建模分析,从而提高变化检测性能。     

基于几何结构的SAR图像无监督变化检测方法

 传统的基于统计特性的SAR图像变化检测方法,易受成像条件的影响而误差很大.本文针对图像内在几何结构,提出了一种无监督SAR图像变化检测算法.通过模糊微分构造描述图像局部特征的近似完整数据集,并充分利用图像局部邻域信息和空间相关性,构造深入描述图像结构化信息的特征矢量空间,最后通过基于模拟退火的K均值(SAKM)聚类算法,实现图像变化区域与非变化区域的分类.实验证明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声及配准精度均具有很好的鲁棒性.     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

基于改进证据理论的多时相微波遥感图像融合及在城区地表变化检测中的应用

该文发展证据理论融合算法,采用不同时相的微波遥感图像检测复杂城市区域地表的变化信息。首先通过综合考虑证据本身的确信度和证据对辨别框架中子集的平均支持度进行证据间的加权合成,改进证据理论对证据的合成,提高其可靠性;然后提取不同时相图像间的散射幅度的对比度和概率密度分布函数在皮尔逊图中的欧式距离,两种特征参数代表了像元级和区域级不同空间尺度下微波遥感图像中关于地表变化的信息;最后将改进的证据理论用于两特征之间的融合处理,得到地表的变化信息。为了实验和验证该文的方法,选择上海市陆家嘴地区不同时相的微波遥感图像,进行地表的变化检测,得到较好的结果。     

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

单通道UWB SAR地面运动目标变化检测

工作在VHF/UHF波段的超宽带合成孔径雷达（UWBSAR）具有叶簇穿透和高分辨成像的能力。文中提出了一种适合单通道UWBSAR的地面运动目标检测方法——基于子孔径图像变化检测的运动目标检测算法。该算法利用UWBSAR的大波束角特点,在方位向选取较大时间间隔的两个子孔径生成子孔径图像,并根据运动目标在不同子孔径图像上聚焦位置的差异检测运动目标,估计运动目标速度和位置。文中给出了该方法的原理、参数选择、实现步骤,并基于UWBSAR实测数据验证了所提方法的有效性。     

基于HMM的机载UWB SAR图像中的点目标检测

UWBSAR图像中的目标检测通常指二面角目标检测，点目标检测由于没有发现军用车辆等人造目标这一直接效益而受到较少关注。为满足一些UWB SAR图像中检测点目标的需求(如图像融合时的配准，通过路灯和树木进行道路检测和为了抑制树干杂波而识别树干杂波等)而研究了其中的点目标检测问题。通过综合运用方向依赖滤波、隐马尔可夫模型和恒虚警率检测技术，设计了一种用于机载UWB SAR图像中的点目标检测算法。     

遥感图像建筑物识别及变化检测方法

针对单独使用像素级变化检测或特征级变化检测对于高层建筑物检测精度低的问题,提出了一种图像特征和经验知识结合的建筑物识别及变化检测方法,用于检测多时相遥感图像中高层建筑物的变化情况.首先采用本文提出的Ratio梯度与交叉累积剩余熵相结合的配准算法配准两个不同时相的SAR和全色图像,分别利用知识规则识别SAR和全色图像建筑物区域,在识别的建筑物区域上,采用像素比值法进行建筑物变化检测.实验结果表明,该方法可以有效提高建筑物的检测正确率,降低虚检率和漏检率.     

一种基于自适应非线性滤波的UWB SAR目标检测预处理方法

超宽带合成孔径雷达(UWBSAR)具有叶簇穿透能力,但树干等强散射点在图像中形成了大量的脉冲杂波和针状杂波,使检测UWBSAR图像中的目标变得十分困难。本文运用自适应非线性滤波方法对图像进行预处理,滤除了图像中的脉冲杂波和针状杂波,使在恒虚警率(CFAR)目标检测中虚警率明显减少。实际UWBSAR的目标检测结果验证了这种预处理方法的有效性。