基于小波分析的SAR图像船舶目标检测

水上船舶目标检测对于海上安全和渔业资源管理具有重要意义。SAR图像存在相干噪声以及水面背景杂波的复杂性,传统方法对于弱目标检测存在困难。该文基于船舶目标像元的空间相关性和背景杂波在不同尺度小波变换域快速递减的规律,提出了一种利用静态小波变换分量空域和尺度相关运算对原始信号加权的目标检测方法。实验结果表明,该方法可有效地抑制背景杂波,提高对船舶目标的检测能力。     

基于聚类的SAR图像快速目标检测

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点,改进了Mean Shift聚类算法,并与双参数CFAR检测技术相结合,提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图像,降低了背景杂波对目标检测的影响及检测的虚警率,并且聚类后的SAR图像具有一定的结构,将图像结构的概念引入到目标检测中,避免了对图像逐点检测,大大提高了检测速度。实验结果表明,该方法具有检测速度快、虚警概率低的特点。     

基于目标检测的SAR图像变化检测方法

SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。     

基于遗传规划的SAR图像目标识别

针对SAR图像目标的特征,采用新的Hu不变矩和仿射不变矩的组合作为特征矢量,设计了一种基于遗传规划的SAR图像目标识别算法。该方法不需要数据先验知识,通过自身的学习就能快速发现数据和数学表达式之间的联系。通过对MSTAR数据中的3类目标进行仿真实验,获得了较好的识别率。     

SAR图像建筑物目标检测研究综述

面对日益剧增的城市建筑物,合成孔径雷达(synthetic aperture radar,SAR)图像的建筑物检测作为SAR图像解译的一个分支逐渐成为一项重要的研究课题.对现有的研究方法进行了分类,从基于传统方法的建筑物检测和基于深度学习的建筑物检测两方面入手,对现有SAR图像的建筑物目标检测算法进行了梳理.简述了SA...     

基于目标的低码率SAR图像压缩

基于目标的SAR图像压缩关键问题是将自动目标检测与图像压缩算法相结合。提出了以db4小波进行小波域多分辨率恒虚警率（CFAR）检测并嵌入图像编码中,在压缩有损量化前检测出目标区,推导了重要小波系数掩膜公式并据此将每个子带中的系数分成目标与背景两个序列,对目标序列以高比特率ECTCQ编码而背景序列则相反。对MSTAR图像压缩实验结果表明,同一般的SAR图像编码算法W/TCQ相比,低码率下TIC算法目标区SNR高,同时背景信息亦得到保护。     

一种新的SAR图像目标检测算法

提出一种与数据有关的基与固定基相结合的合成孔径雷达(SAR)图像检测算法,分别提取2种不同空间下表示的目标特征,将这些特征在不同空间中融合并进行调制,形成显著图,从而将目标特征凸显出来,利用目标的先验知识检测目标,使用ADTS高分辨率机载SAR目标数据进行仿真。实验结果表明,该算法能够有效突出待测图像中的目标区域,并抑制非目标区域,具有较高的检测精度。     

基于特征融合卷积神经网络的SAR图像目标检测方法

针对合成孔径雷达图像目标在背景复杂、场景较大、干扰杂波较多情况下检测困难的问题,设计一种层数较少的卷积神经网络,在完备数据集验证其特征提取效果后,作为基础特征提取网络使用。在训练数据集中补充复杂的大场景下目标训练样本。同时设计一种多层次卷积特征融合网络,增强对大场景下小目标的检测能力。通过对候选区域网络和目标检测网络近似联合训练后,得到一个完整的可用于不同的复杂大场景下SAR图像目标检测的模型。实验结果表明,该方法在SAR图像目标检测方面具有较好的效果,在测试数据集中具有0.86的AP值。     

基于矩阵分解的海洋SAR图像舰船检测

针对海洋原始图像与低秩和稀疏矩阵分解模型数据结构不一致的问题,本文提出一种新的基于矩阵分解的海洋SAR图像舰船检测方法。首先该方法需对结构化相似的海洋SAR图像进行重组;然后根据重组矩阵特性适应性设计一个分解精度更高、分解速度更快的新矩阵分解模型,并利用增广拉格朗日乘子法求解模型,在不依赖任何杂波模型和检测统计量的前提下,实现代表舰船目标的稀疏成分的提取;最后利用形态学处理进行优化,实现海洋SAR图像舰船目标的检测。基于高分三号SAR卫星数据的实验结果表明,相比已有的基于鲁棒主成分分析的舰船检测方法,本文方法在处理复杂海况时,能更快速度地以较好的形状从海杂波中准确提取舰船目标,具有更好的鲁棒性。     

SAR图像海洋表面油膜检测方法

海洋表面油膜对海洋环境影响极大,因此,及时获取海面油膜信息对保护海洋具有重要意义。目前各国采用的油膜检测方法主要有直接探测法和遥感方法。其中,遥感方法中的合成孔径雷达(SAR)是目前研究的热点。总结了SAR图像应用于海面油膜检测的主要特点,介绍并分析比较了SAR图像油膜检测的一般步骤及其实现方法。最后提出了SAR图像海洋表面油膜检测的发展方向。     

基于共生矩阵的SAR图像村庄识别方法

针对SAR图像中村庄目标的纹理和结构特点,提出了一种纹理特征分析和基于村庄结构知识的后处理方法相结合的识别方法.在共生矩阵提取出图像纹理特征的基础上,通过实验选取三个合适的特征,计算特征矢量和样本中心距离来判决目标,以完成初步提取.然后针对道路,植被等目标造成的干扰状况,提出了一种基于计数滤波器和形态学方法的后处理方法对结果进行归整,消除大量虚警.最后根据村庄的结构知识约束,筛选目标,进一步减小虚警率,完成识别并提取出村庄的边缘轮廓结构.实验表明,该方法具有良好的识别效果.     

基于统计与结构信息的SAR图像水上目标检测

设计了基于图像分析理论,根据SAR图像特点形成水上目标轮廓的检测算法。该算法的实现分为3步：(1)基于数理统计的目标检测方法,形成目标区域;(2)用加权统计滤波算子和去除孤立点算法消除噪声,规范需要检测的水上目标;(3)提取目标轮廓。系统在不同的SAR图像上,取得了良好的检测结果。     

地理信息库支持下的SAR 影像信息提取

在计算机辅助下如何快速的对整景高分辨率SAR影像进行信息提取已成为一个研究热点。将这一问题构建为一个系统工程来进行考虑解决。在SAR影像中, 许多目标例如河流、湖泊、主要道路、街区和居民地等地理属性信息在短期内不易发生变化, 因此可将这些地理数据集作为先验信息存于数据库中, 在随后对SAR影像的信息处理中, 可以通过预先建立的地理索引调用相应的地理信息来指导信息提取过程, 从而加快整个系统的处理进度, 满足实际工作的需求。     

基于加权累积差分的运动目标检测与跟踪

针对视频序列中缓变运动目标检测与跟踪的问题,改进加权累积差分方法,设计一种快速检测缓变运动目标的权值分配算法。在检测出的运动目标区域中提取特征点,利用最大距离原则确定特征点的匹配范围,根据视差一致性原则,提出非回溯的误匹配检测方法。实验结果表明,该方法能有效提高跟踪的效率和精度。     

SAR图像处理的最新研究与应用

系统地阐述了SAR图像的特点、研究难点、处理过程、国内外最新研究方法及应用。结合国内外SAR图像最新研究动态对SAR图像消噪、纹理分割、线性特征的提取、多目标的识别、分数维方法的应用等几个热点问题作了论述。具体地论述了利用SAR图像进行目标探测与识别、目标变化评估;在民用上利用SAR图像进行矿藏资源的探测、洪涝灾害的趋势分析,并介绍了SAR信号处理算法在医学等领域取得的显著成绩。     

基于多维金字塔表达和AdaBoost的高分辨率SAR图像城区场景分类算法

提出了多维金字塔表达算法, 并使用基于多维金字塔表达的AdaBoost实现了高分辨率合成孔径雷达(Synthetic aperture radar, SAR)图像的城区场景分类. 多维金字塔表达算法首先在局部特征的各维计算金字塔表达矢量, 再将所有的金字塔表达矢量连接起来构成多维金字塔表达矢量. 多维金字塔表达算法克服了金字塔表达算法在处理高维局部特征时, 遇到的输出金字塔表达矢量的区分力受计算效率制约的问题. 本文分别在一个TerraSAR-X图像库和一张大幅TerraSAR-X图像上比较基于金字塔表达的AdaBoost和基于多维金字塔表达的AdaBoost的分类性能. 实验结果表明, 与前者相比, 后者显著提高了计算效率同时保证了分类精度.     

融合压缩感知和SVM的SAR变形目标识别算法

为降低合成孔 径雷达(Synthetic aperture radar, SAR)图像目标识别中目标方位角的影响,并提高对SAR变形目标的识别率,本文提出了一种基于压缩感知和支持向量机决策级融合的目标识别算法。该算法首先基于稀疏表征理论将SAR目标识别问题描述为压缩感知的稀疏信号恢复问题,然后基于稀疏系数分别进行目标类别判别与方位角估计。对样本进行姿态校正后,利用支持向量机分别对经过姿态校正和未经姿态校正的样本进行目标分类。最后采用投票表决法对3种算法的分类结果进行决策级融合。实验结果表明,基于压缩感知结果进行目标方位角估计有效,且随着训练样本数的增加,提出的决策级融合算法提高了SAR变形目标的识别率。