基于阴影的视频SAR动目标检测

视频合成孔径雷达(SAR)是雷达成像邻域的研究重点之一,其具有高帧率连续成像特性,有利于对地面运动目标进行实时监测。虽然动目标自身图像难以聚焦,但由于雷达工作频率高,合成孔径时间较短,其真实位置会存在阴影,利用此特征可进行动目标检测。本文对基于阴影的动目标检测流程进行了探讨,并提出了一种新的背景建模方法用于对消待检测图像的背景目标。通过实验验证,该方法能更好地剔除目标阴影对背景的影响,使对消后目标阴影完整保留,从而改善漏警率。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。      

基于阴影检测的单幅高分辨SAR图像动目标检测方法

本文根据合成孔径雷达(SAR)运动目标的成像特点,提出了一种基于单幅高分辨率SAR图像的动目标检测方法。运动目标所成SAR图像是散焦的,同时偏离其真实位置,并在其真实位置处留下与目标大小近似的"阴影"区域。通过该阴影区域来实现运动目标的检测,没有盲速的限制,这种独立于回波的检测方法,使检测过程简单化。再结合道路辅助信息,可以完成运动目标的检测,精确定位以及参数的估计。     

一种VideoSAR动目标阴影检测方法

在高帧率的视频合成孔径雷达(VideoSAR)成像模式获得的图像序列中,多普勒频移使运动目标在实际位置留下阴影,且相邻帧图像具有很强相关性。该文针对上述现象提出一种VideoSAR图像中动目标阴影检测的方法。首先,对每帧图像通过结合尺度不变特征变换(SIFT)和随机抽样一致性(RANSAC)算法实现配准并进行背景补偿,再采用CattePM模型抑制相干斑噪声。然后通过Tsallis灰度熵的最大化阈值分割方法自动分离目标和背景,获得二值图像。最后,对相邻多帧图像背景建模并差分,再结合三帧间差分法提取动目标阴影,结果标记至原帧图像相应位置。基于美国Sandia实验室公布的VideoSAR成像片段,实现了多个移动车辆的检测,验证了所提算法的有效性。     

一种新的双通道SAR动目标检测方法

针对机载双通道SAR/GMTI系统,本文提出了一种稳健的地面慢动目标检测方法.文中首先对基于样本协方差矩阵特征值分解的一类动目标检测算法的基本工作原理及各算法存在的优缺点进行了分析;在此基础上,针对该类动目标检测算法稳健性差的缺点,将第二特征值和归一化相位门限预处理引入到双曲线检测算法中,提出一种稳健的双通道SAR动目...     

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。      

基于自聚焦方法的SAR动目标检测技术研究

研究通过自聚焦方法在合成孔径雷达图像中进行动目标检测的方法。在检测过程中，针对不同的场合与要求，分别使用两种不同的自聚焦方法进行检测研究，并将检测结果进行对比，因此为这种动目标检测方法提供了两种自聚焦途径。经过在实测数据中试验，证明这种方法可以较好地检测出具有方位向速度和距离向加速度的运动目标。     

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

基于子孔径分解的SAR动目标检测方法

 运动目标在合成孔径雷达SAR(Synthetic Aperture Radar)图像中的成像会出现模糊,散焦等现象,并且会在方位向出现明显的偏移,这些会导致运动目标的目标杂波比TCR(Target-to-clutter Ratio)降低.本文在子孔径分解技术的基础上提出一种从单通道SAR单视复图像SLC(Single Look Complex)中检测动目标的方法,该方法通过子孔径图像之间的相减操作来抑制杂波,从而提高TCR.通过对机载CV-580数据和星载Envisat ASAR 数据进行测试,证明了该方法的有效性.     

一种适用于双通道星载SAR的动目标检测技术

实用的星载SAR/GMTI系统仍处于研制阶段,从工程实现的角度研制一发双收的星载SAR/GMTI处理系统是可行的,仿真结果表明这种体制能够有效抑制地杂波,增强信杂比,从而检测出被地杂波淹没的慢动目标信号,并进行动目标参数估计.运用论文给出的原理和检测方法对机载SAR/GMTI战场侦察雷达试验系统录取的动目标数据进行了实际验证,获得了多帧连续可靠的真实动目标轨迹.     

动目标合成孔径雷达成像中的多普勒斜率匹配滤波

该文提出一种多普勒斜率匹配滤波方法,用于解决SAR对运动目标成像中目标回波调频率变化引起的方位散焦问题。该方法通过CFAR预检测和迭代运算解决了多普勒斜率估计精度与多普勒斜率滤波器组运算量间的矛盾,有利于实时处理动目标成像和辨识。通过对运动目标回波特点和真实运动目标的成像分析证明了这一方法的可行性。     

基于单通道SAR多子孔径空频处理的动目标检测算法

该文提出了一种基于单通道多子孔径空频自适应处理的运动目标检测方法：首先给出了基于方位频谱划分获取子孔径的处理过程,构造出类似于多通道的子图像。详细分析了多子孔径空时等效信号的原理,将不同合成中心时刻的子孔径序列所获得的回波信号等效成同一时刻不同空间位置所获得的回波信号,利用时延差异来获取空间信息,建立起后续处理的2维信号模型。在此基础上,结合多通道杂波抑制的思想,提出了采用多子孔径间空频自适应处理实现杂波抑制与运动目标检测的算法。最后,仿真实验验证了该方法的有效性。     

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的“亮线”特征进行检测。与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势。最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性。     

一种合成孔径雷达对地面运动目标成像和精确定位的算法

该文针对正侧视合成孔径雷达工作体制下运动目标成像、定位问题进行研究。分析了运动目标成像与静止目标成像的异同。提出利用距离历程拟合,结合静物场景成像的部分已知信息(地面道路或者桥梁的方向),准确估计t=0时刻目标的坐标和两维速度,不仅为运动目标精确成像提供了信息,同时得到目标运动轨迹相对地面场景的准确位置。该文提出的方法对于目标在照射孔径内的位置没有特殊假设(以往研究的时频分析方法需要假设目标在t=0时刻位于载机的正侧方向)。最后定量分析了不同形式匹配滤波器对运动目标回波成像的效果以及采用静止目标匹配滤波器对运动目标回波进行成像处理而产生的移位和散焦影响.     

基于相干两点源的虚假运动目标生成方法

针对传统的2维移频干扰生成的虚假运动目标对抗双通道合成孔径雷达地面运动目标指示(SAR-GMTI)时,存在方位位置固定、径向速度无法控制的问题,该文提出一种基于双干扰机协同的移频调制新型虚假运动目标生成方法。该方法通过2维移频调制控制虚假目标的位置,使用双干扰机协同控制虚假目标的径向速度,其中双干扰机通过幅相调制系数进行协同,幅相调制系数可通过解线性方程组进行求解。文中分析了单干扰机移频干扰对抗双通道SAR-GMTI的局限性,介绍了双干扰机协同欺骗干扰模型,给出了幅相调制系数求解方法和虚假运动目标生成步骤。理论分析和仿真实验验证了文中提出方法的有效性,并且在虚假运动目标生成过程中,只使用了2维移频调制,实现方法较为简单,对实际工程应用具有一定参考价值。     

基于二维速度搜索的星载SAR运动目标聚焦算法研究

采用传统SAR成像方法对星载SAR地面运动目标进行成像处理时,运动目标通常会处于散焦状态,导致运动目标检测性能下降。该文结合RD算法,提出一种基于2维速度搜索的星载SAR运动目标检测算法,通过对运动目标距离向速度和方位向速度进行遍历来匹配运动目标多普勒参数,提取不同搜索速度下运动目标的最强幅度值用于恒虚警检测,可以提高运动目标的检测概率。仿真结果验证了该方法的可行性和有效性。     

检测SAR图像中径向慢速动目标

该文提出了一种从SAR图像中检测径向匀速动目标的方法,将SAR图像信号在频域分为正频部分和负频部分,静止背景的正负频分布对称,而径向动目标的多普勒质心与静止背景相比有一频移,信号在正负频域能量分布不对称。将分开的正负频域信号分别回到时域成像,计算这两幅复图像对应位置的模差绝对值,可对消静止背景,突显出径向动目标。仿真数据表明本算法有效。