多尺度特征增强的遥感图像舰船目标检测

针对背景复杂的遥感图像中,舰船方向任意、密集排列造成的漏检问题,基于旋转区域检测网络,提出多尺度特征增强的遥感图像舰船目标检测算法。在特征提取阶段,利用密集连接感受野模块改进特征金字塔网络,选用不同空洞率的卷积获取多尺度感受野特征,增强高层语义信息的表达;为了抑制噪声并突出目标特征,在特征提取后设计基于注意力机制的特征融合结构,根据各层在空间上的权重值融合所有层,得到兼顾语义信息和位置信息的特征层,再对该层特征进行注意力增强,将增强后的特征融入原金字塔特征层;在分类和回归损失基础上,增加注意力损失,优化注意力网络,给予目标位置更多关注。在DOTA遥感数据集上的实验结果表明,该算法平均检测精度可以达到71.61%,优于最新的遥感图像舰船目标检测算法,有效地解决了目标漏检问题。     

利用全极化SAR数据去方位向模糊的舰船目标检测方法

在SAR成像过程中,利用目标相对于雷达运动的多普勒频率进行方位向压缩来提高方位向分辨率。对于海面舰船目标,往往由于SAR发射的脉冲重复频率过低,回波信号的多普勒频率欠采样,引起高亮度的方位向模糊噪声,产生虚假目标。若直接利用传统CFAR、子孔径相干等目标检测算法,会把方位向模糊引起的虚假目标误判为舰船目标,降低了舰船目标的检测精度。针对SAR影像方位向模糊现象,提出一种利用全极化SAR数据的舰船目标检测算法,其利用H-A-Alpha分解得到的第三散射机制,结合方位向全极化子孔径相干,消除了方位向模糊噪声对舰船目标检测的影响,提高了舰船目标的目标杂波比。通过采用日本玉野Kojimawan港口附近的C波段AIRSAR全极化数据进行试验,验证了该算法能消除SAR方位向模糊,降低虚警率,提高舰船目标的检测精度。     

尺度分层多阈值结合SVM分类的热红外舰船识别

针对尺度自适应选择分层多阈值方法,有时检测目标不完整且存在较多虚警目标等问题,提出了一种基于尺度分层多阈值和SVM分类相结合的舰船目标检测与识别方法。首先使用尺度自适应分层多阈值方法进行初检测;其次根据样本学习生成舰船目标特征及最佳分类特征组合;最后使用SVM样本学习分类实现舰船目标检测与识别。实验结果表明,该方法比单一使用样本分类法降低了虚警率,提高了检测效率,能在近岸舰船目标与背景对比度较低的情况下实现虚假目标有效剔除,且在突堤式码头停放的舰船目标识别中更有效和更稳定。     

稀疏场景目标的距离像峰值聚类分割成像方法

针对海面舰船等具有一定空间稀疏性的合成孔径雷达成像场景,提出了一种稀疏场景目标的距离像峰值聚类分割成像方法。首先采用小波降噪算法对SAR原始回波数据进行预处理,通过距离压缩和距离徙动校正获得不同观测位置的距离像,利用基于二阶差分算子的快速峰值检测算法检测距离像峰值点,对峰值检测结果距离维聚类后方位向成像,实现了距离向能量区间稀疏目标的分割成像;对峰值检测结果距离-方位二维聚类后方位向成像,实现了距离向能量区间与方位向合成孔径时间无耦合稀疏目标的分割成像。仿真结果表明,对海面舰船等具有空间稀疏性的成像场景,所提方法能够实现目标的有效分割成像,不仅在完整保留目标回波信息的同时大幅度地降低了方位向压缩的运算量,而且分割成像结果更有利于目标的快速识别。     

高分辨率遥感图像港口检测的复合线索视觉注意模型

为提高高分辨率光学遥感图像港口自动检测的准确性,常需综合多类线索并进行复杂的特征提取、融合与分类推理,从而带来较高的计算复杂度。为此,仿生人类视觉注意机制,提出了一种复合线索视觉注意模型,综合利用高分辨率光学遥感图像港口多尺度底层特征和高层知识线索,实现了港口检测特征自然融合与综合分类推理。该方法在提高检测效果的同时较好地控制了计算量的增长,避免了复杂特征的大范围区域提取,采用多步快速算法降低了整个算法的计算复杂度,实现了计算资源受限条件下港口的快速定位与检测。同时,由于能将有限计算资源快速聚焦于最可能含有港口目标的区域,大大提高了目标检测方法响应的实时性。来自不同卫星的高分辨率光学遥感图像实验结果,验证了提出方法的有效性。     

Dense RFB和LSTM遥感图像舰船目标检测

针对当前遥感图像舰船目标检测精度不佳问题，本文构建舰船目标数据集STAR，提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块，基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类，增强浅层网络对细节特征的提取能力；其次设计了深层多尺度特征金字塔融合模块，采用FPN和LSTM思想，基于反卷积和残差网络对深层不同尺度特征进行融合，增强网络结构非线性和特征层的表征能力；最后加入聚焦分类损失函数进行联合训练，有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验，本文所提舰船目标检测算法精度均值达到81.98%，检测速度达到29.6帧/s。此外，遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法，实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强，有效地提高了遥感图像舰船目标检测的精度。     

多图卷积网络的遥感图像小样本分类

小样本学习旨在利用非常少的监督信息识别出新的类别,由于忽视了样本之间的关联信息,现有的小样本分类方法用于遥感图像小样本分类时往往不能获得令人满意的精度。为此,本文利用图来建模图像在特征空间的相似关系,使用图卷积运算平滑同类别图像的特征,增强不同类别图像特征的区分度,提升分类精度。所提方法在现有图卷积运算的基础上,使用多阶次的邻接矩阵线性加权的方法代替传统的一阶邻接矩阵,通过图谱分析得出这种改进方法能够让不同阶次邻接矩阵的频率响应函数在高频部分正负相抵,有效抑制图信号的高频分量,更显著的提升同类别节点特征的聚集程度;同时,在训练过程引入了微调的方法,使用新类别中的标记数据对最后一层图卷积网络进行少量次数的训练,能够进一步提高精度,增强模型的迁移能力。实验使用AID、OPTIMAL31以及RSI-CB256这3个常用的遥感数据集对方法的有效性进行了测试,结果表明提出的方法在同数据集小样本分类任务和跨数据集小样本分类任务中,在分类精度方面均优于原型网络等比较方法。     

基于特征的模糊神经网络遥感图像目标分类识别

特征是图像处理中用于辨识目标的最基本属性.提出了利用模糊神经网络方法,针对舰船的几何特征、矩特征和纹理特征进行舰船目标识别处理.首先简单地描述了几何特征、矩特征尤其是Hu矩特征、一阶纹理特征和二阶纹理特征.然后分别对仿真数据、卫星观测数据中的舰船目标,以及自动检测处理获取的舰船目标的几何特征、Hu机特征和纹理特征进行了提取和分析.模糊神经网络方法可以综合模糊集理论和神经网络方法的优势,有效地实现基于特征的图像目标分类识别处理.文章首先描述了一种主从神经元结构的模糊神经网络分类识别方法,然后利用该方法对大型舰船进行分类识别,包括基于单类舰船特征的分类识别和基于多源(时相)数据融合的分类识别.实验结果表明,基于大型舰船的几何特征、矩特征和纹理特征,利用模糊神经网络方法可以实现对大型舰船目标的有效分类识别.通过多源数据融合处理,可以改善分类识别效果.     

改进的ELU卷积神经网络在SAR图像舰船检测中的应用

随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势。传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型。同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机（FSVM）对提取的特征进行了分类。试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。     

多特征差分核支持向量机模型的湿地变化检测

文章通过对不同特征空间、不同时相信息和不同类别引入多核函数组合和类别加权方式,构建了基于多特征差分核的加权支持向量机变化检测模型,能够获得平衡样本大小、综合多特征空间的变化检测结果.以上海崇明岛东端地区为例,利用4期ETM+/TM影像数据,基于构建的SVM变化检测模型,最终得到研究区湿地资源的空间变化格局,结果表明检测模型能够有效、准确地提取多种湿地变化类别的空间分布信息;并从景观水平上对检测结果进行格局分析,为湿地保护和管理提供科学参考.     

相同侧视方向异轨SAR图像差异化约束连接点提取

为了实现SAR图像区域网平差时连接点的自动稳健提取,面向相同侧视方向、近似平行轨道的异轨SAR图像,针对其方位向相对几何畸变较小、距离向相对几何畸变较大的特点,提出一种采用差异化约束的SAR图像连接点提取方法。该方法在构建SAR图像影像金字塔的基础上,采用增大方位向边长的长方形匹配窗口由金字塔顶层向下逐层进行相关系数匹配,利用方位向强约束、距离向弱约束的差异化随机采样一致性算法剔除误匹配点,并利用方位向全局双线性变换模型与距离向局部双线性变换模型进行下层金字塔影像的匹配点位预测。采用Envisat ASAR图像和国产机载SAR图像分别进行了连接点提取试验,验证了本文方法的有效性。     

DEM Generation Combining SAR Polarimetry and Shape-From-Shading Techniques

Estimation of the polarization orientation angle shifts induced by terrain azimuth slope variations is a recently developed application in radar polarimetry. In general, without any prior knowledge on the terrain, two polarimetric SAR (POLSAR) flight passes are required to derive terrain slopes in perpendicular directions for digital elevation model (DEM) generation. Moreover, we note that SAR intensity is a strong indicator of the range component of the terrain slopes. In this letter, we developed a method for DEM generation requiring only one POLSAR flight pass, by combining orientation angle estimation and a shape-from-shading technique. In particular, when limited POLSAR data are available, this POLSAR technique provides an alternative way for DEM generation. National Aeronautics and Space Administration Jet Propulsion Laboratory (NASA/JPL) AIRSAR L-band POLSAR data over Camp Roberts, California, is used to demonstrate the results of the method proposed in this letter, and a DEM derived from simultaneously measured C-band interferometric SAR from NASA/JPL topographic SAR instrument is selected as the comparative ground truth to validate the effectiveness of this single POLSAR method. Analyses and discussions are also included in this letter.     

几何失真对SAR图像匹配的影响及校正方法分析

合成孔径雷达SAR用于图像匹配导航系统,可大大提高导航精度。然而地形起伏和大气干扰等因素使得SAR实时图存在几何失真,降低了匹配性能。通过对SAR实时图几何失真成因分析,提出了一种二维可分离的几何校正方法,并得出方位向几何失真可跟随成像处理预先校正,图像后处理只需校正距离向。利用数字高程模型DEM和正射图模拟得到了3幅具有不同地形特征的SAR实时图,并分别利用3种几何校正方法对其进行统计实验,得到了不同地形SAR实时图几何校正方法选取的准则。     

Interpolation-free coregistration and phase-correction of airborne SAR interferograms

This letter discusses the detection and correction of residual motion errors that appear in airborne synthetic aperture radar (SAR) interferograms due to the lack of precision in the navigation system. As it is shown, the effect of this lack of precision is twofold: azimuth registration errors and phase azimuth undulations. Up to now, the correction of the former was carried out by estimating the registration error and interpolating, while the latter was based on the estimation of the phase azimuth undulations to compensate the phase of the computed interferogram. In this letter, a new correction method is proposed, which avoids the interpolation step and corrects at the same time the azimuth phase undulations. Additionally, the spectral diversity technique, used to estimate registration errors, is critically analyzed. Airborne L-band repeat-pass interferometric data of the German Aerospace Center (DLR) experimental airborne SAR is used to validate the method.     

单天线SAR运动舰船目标三维形状重构

基于单天线高分辨率机载SAR,研究了运动舰船目标三维形状重构问题。对运动舰船目标回波信号利用KEYSTONE变换和高阶相位拟合法完成距离徙动校正后,利用时频分析方法产生运动舰船目标二维图像序列,尝试着将因子分解法引入到SAR运动目标图像处理领域,通过因子分解法对二维图像序列进行处理,实现运动目标三维形状重构,最后给出了真实SAR数据的运动舰船目标三维重构结果,实验结果表明了该方法的有效性。     

Feature-Independent Aperture Evaluator for the Curvilinear SAR

Curvilinear synthetic aperture radar (SAR), as a more practicable 3-D SAR imaging system, utilizes parametric target feature estimates extracted from the received data to reconstruct the target image. The reconstructed image quality is then impacted by the estimation accuracy of the features. In this letter, through discussing the correlation between the system parameters and the estimation performance of the curvilinear SAR, a conclusion can be drawn on how the overall location accuracy of a target is determined by the correlation between the azimuth and elevation coordinates of the flight path, compactly characterizing the curvilinear aperture. Consequently, a new index, determined only with the aperture parameters, is proposed as an aperture evaluator, which is referred to as the feature-independent aperture evaluator (FAE). FAE can be used for guiding the operational aperture design     

混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

极化SAR图像中非平稳目标的检测与区分方法研究

在合成孔径雷达(SAR)极化测量中,通常认为雷达视角相对于目标是不变的。然而实际上SAR通常具有较宽的方位向波束,在孔径合成过程中,所成的全分辨率SAR图像包含多个斜视角下的目标回波。极化参数的子孔径分析可以用来对成像过程表现出非平稳散射行为的媒质进行检测。本文提出了一套基于子孔径分解和对散射矩阵及参数进行统计分析的方法,来检测两类非平稳目标。仿真结果表明,这种方法具有较好的非平稳目标检测和区分性能。     

一种基于曲线SAR的三维目标特征提取与自聚焦新算法

曲线合成孔径雷达（Curvilinear Synthetic Aperture Radar,简称曲线SAR）是一种新的三维成像模式，通过让载机作曲线飞行，曲线SAR系统能同时在方位维和高度维形成大的合成孔径。本文提出一种曲线SAR的三维目标特征提取和自聚焦新方法。新方法是建立在一种灵活的接收数据模型之上的参数化的新方法。仿真实验证明了所提方法的有效性。     

Matlab和C#混合编程在SAR图像船只检测中的应用

目前,SAR图像船只检测只能在当前编程软件中实现,无法被其他软件调用,很难在后续开发的软件系统中得到广泛的应用。为此,本文基于C#和Matlab混合编程,开发出了一种可以被调用的SAR图像船只检测界面性应用窗体。该窗体运行后,生成K分布、G^0分布和直方图统计模型的概率密度函数曲线和相应的检测结果图像,通过比较,可判别出K分布更适合应用于SAR图像的船只检测中。