基于SAR影像数据的多分辨率CFAR目标检测算法及精度分析

本文的研究目标是利用极化合成孔径雷达图像统计特性提高目标检测精度。从合成孔径雷达(SAR)成像机理出发，通过研究目标杂波的统计特性以及不同分辨率情况下人造目标的检测效果，探讨一种基于小波变换和恒虚警率(CFAR)的多分辨率算法进行目标检测的方法。实验分析比较传统CFAR目标检测算法与基于小波变换的多分辨率CFAR目标检测算法，实验结果表明，本文算法检测效果明显优于传统CFAR目标检测算法。     

基于提升格式小波包变换的SAR图像去噪

基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。     

基于小波域隐马尔可夫树模型的SAR图像去噪

从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显著,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。     

基于离散小波框架和融合策略的小目标检测

本文提出了一种新的基于离散小波框架(DWF)变换和融合策略的海天背景下小目标检测的方法。首先,对海天背景下红外图像序列进行预处理,其目的是为了在一定程度上抑制海浪杂波和背景;其次,对预处理后的每帧图像作二维离散小波框架(2-D DWF)变换,并将得到的近似频带成分用于目标检测;最后,利用基于目标运动的连续性的融合策略去除绝大部分多余的杂波和虚警,同时利用基于目标和背景杂波的对比度分割算法用于提取目标;真实的海天背景红外序列用来验证本文提出算法的有效性。     

基于双树复数小波的SAR图像去噪算法

SAR图像相干斑点噪声的存在严重影响了SAR图像的应用效果。本文给出了一种基于双树复小波变换的贝叶斯收缩去噪算法,采用双树复小波获取更多的方向特性,然后借助贝叶斯MAP估计器调整小波系数,达到去除SAR图像斑点噪声的目的。实验证明,本算法在抑制SAR图像斑点噪声的同时有效地保持了图像的边缘信息。     

一种新的SAR图像相干斑抑制算法

合成孔径雷达(SAR)图像会受到相干斑噪声的污染,对SAR图像的后续处理产生了很大影响.提出一种基于快速离散曲波变换(FDCT)抑制合成孔径雷达(SAR)图像相干斑噪声的方法.先通过FDCT把SAR图像变换到曲波域中,得到曲波系数,再应用自适应阈值算法估计不同尺度、不同方位曲波系数的阈值,分别对曲波系数进行硬阈值和软阈值化处理,最后通过FDCT反变换恢复出图像.对单视SAR原始图像进行处理,并与小波去噪方法进行各种量化比较,结果表明,Curvelet滤波器要比Wavelet滤波器效果好,软阈值算法的效果比硬阈值算法好.基于FDCT的SAR图像相干斑去噪,不仅抑制相干斑能力比较强,而且在目标的边缘及纹理信息的保持上也有很大的优势.     

可适应阵列误差和非均匀杂波环境的多通道SAR图像域STAP方法

多通道SAR图像域STAP方法是一种利用了长相干积累时间的STAP方法,其杂波抑制和运动目标检测能力强.但是,目前的多通道SAR图像域STAP方法均是在理想条件下给出的,没有考虑阵列误差和非均匀杂波环境对其性能的影响.文中分析了阵列误差和非均匀杂波环境的影响,提出了一种可适应阵列误差和非均匀杂波环境的多通道SAR图像域STAP方法.基于实测杂波数据的实验验证了所提方法的正确性.     

基于压缩感知的SAR图像CFAR目标检测算法

提出了一种基于压缩感知(compressed sensing,CS)和恒虚警率(constant false alarm rate,CFAR)目标检测算法,用于合成孔径雷达(synthetic aperture radar,SAR)图像的目标检测。针对传统的均值类和有序统计量类CFAR目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低SAR图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用CFAR检测器进行目标检测。在真实的SAR图像中证明了上述目标检测算法的有效性。     

一种UWBSAR图像中的非均匀背景CFAR检测方法

针对UWBSAR图像中的非均匀背景目标检测问题,提出了一种CFAR检测方法.该方法运用变量索引和秩序统计量CFAR检测,可以在杂波背景的非均匀区域,自动根据检测单元的位置选择合适的估计杂波功率的样本,能使检测器在多目标环境和不规则非均匀背景交界处保持CFAR性能.试验结果表明,该方法在UWBSAR非均匀背景中的目标检测性能,优于传统的单元平均CFAR检测算法.     

一种基于特征分类辨识的SAR图像目标检测方法

该文给出了一种基于特征分类辨识的合成孔径雷达（Synthetic Aperture Radar，SAR）图像目标检测方法。用恒虚警（Constant False Alarm Rate，CFAR）和扩展分形（Extended Fractal，EF）方法对SAR图像进行目标检测后用面积和峰值能量比算子辨识目标和背景杂波，去除一部分虚警，用小波域主成分分析（Principal Component Analysis，PCA）对每个检测窗口内的图像提取特征向量，用支持向量机（Support Vector Machine，SVM）对提取得到的特征向量进行分类，辨识目标和背景杂波，完成目标检测。使用ADTS数据对该方法进行验证和分析，实验结果表明，经过特征分类辨识后，在检测率不变的情况下，虚警数目显著降低。因此，该方法是一种有效的SAR图像目标检测方法。     

基于引力场增强的SAR图像舰船检测方法研究

船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。     

Using SAR Images to Detect Ships From Sea Clutter

An innovative constant false alarm rate (CFAR) algorithm was studied for ship detection using synthetic aperture radar (SAR) images of the sea. Two advances were achieved. An alpha-stable distribution rather than a traditional Weibull or -distribution was used to model the distribution of sea clutter. The distribution of sea clutter in a SAR image was typically heterogeneous, caused mainly by variable wind and current conditions. Image segmentation was carried out to improve the homogeneity of the distribution in each subimage or region. In comparison with ship detection using the CFAR algorithms based on the Weibull or K -distribution, our algorithm detected the most number of ships with the smallest number of false alarms.     

基于全极化SAR影像的舰船目标检测算法研究

介绍了基于星载极化SAR影像的舰船目标检测的处理流程,针对基于不同杂波模型的CFAR检测法和基于相干信息的2L-IHP检测法,分析实现了瑞利分布、Gauss分布、韦布尔分布、对数正态分布,四种常用杂波分布模型的CA-CFAR检测法,通过实验检测海面舰船目标,发现这四种杂波模型针对不同海况有着不同的适应性,其检测效果也大不相同。而2L-IHP检测法不依赖于海杂波模型,通过子孔径相干提高目标和背景之间的对比度,实验结果表明,该方法能大幅提高海面舰船目标的检测概率。     

一种新的SAR图像船只检测方法

提出一种新的基于恒虚警率(CFARConstantFalseAlarmRate)技术,确定SAR图像中检测船只整体阈值的方法。该方法采用高斯分布(正态分布)作为SAR图像灰度的概率密度函数,由CFAR技术直接导出用于检测船只整体阈值的计算公式,用记数滤波器滤波去除虚警。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用XSAR和ERSSAR图像对该算法进行检验,并与其它算法进行比较,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。     

A novel algorithm for ship detection in SAR imagery based on the wavelet transform

Carrying out an effective control of fishing activities is essential to guarantee a sustainable exploitation of sea resources. Nevertheless, as the regulated areas are extended, they are difficult and time consuming to monitor by means of traditional reconnaissance methods such as planes and patrol vessels. On the contrary, satellite-based synthetic aperture radar (SAR) provides a powerful surveillance capability allowing the observation of broad expanses, independently from weather effects and from the day and night cycle. Unfortunately, the automatic interpretation of SAR images is often complicated, even though undetected targets are sometimes visible by eye. Attending to these particular circumstances, a novel approach for ship detection is proposed based on the analysis of SAR images by means of the discrete wavelet transform. The exposed method takes advantage of the difference of statistical behavior among the ships and the surrounding sea, interpreting the information through the wavelet coefficients in order to provide a more reliable detection. The analysis of the detection performance over both simulated and real images confirms the robustness of the proposed algorithm.     

Change detection method based on fractal model and wavelet transform for multitemporal SAR images

The interaction is quite complex between a ground object and an electromagnetic wave transmitted by synthetic aperture radar (SAR). In a ground resolution cell illuminated by a radar beam, there are many chaotic scatterers and the whole scattering echo has the chaotic characteristics which is usually described with the fractal theory, and the fractal dimension can be used to detect the change information for multitemporal SAR images. In order to improve the change detection effect with fractal model, this paper proposes a new multitemporal SAR image change detection algorithm based on the fractal model and wavelet transform (called FMWT algorithm). The FMWT algorithm has two advantages. One is insensitive to speckle noise; the other is that the change detection accuracy is improved, comparing with a general fractal change detection (GFCD) algorithm. Since the FMWT algorithm adopts the two-dimensional discrete stationary wavelet transform (TDDSWT) technique, it can obtain different direction sub-images and avoid down-sampling of the discrete wavelet transform (DWT). In the paper, not only the simulative data test has been carried out, but also the real natural disaster SAR images have been checked. Experimental results verify that the FMWT algorithm is feasible for multitemporal SAR image change detection, it is not sensitive to speckle noise of SAR images, and the performance of it is better than that of the GFCD algorithm. At the same time, the size of a sliding window will bring some affection in counting fractal dimensions.     

任务分配均衡的双参数CFAR舰船检测并行算法

双参数恒虚警率CFAR(Constant False Alarm Rate)是舰船目标检测中的常用算法。近年来,合成孔径雷达(SAR)分辨率不断提高,SAR图像幅宽增大,并且在检测时希望尽量保持舰船轮廓以便后续的舰船目标识别。双参数CFAR算法虽然能满足目标检测需求,但算法运行时间过长,不利于信息的及时处理。传统的MPI(Message Passing Interface)并行化解决方案在分配检测任务给各进程时,没有考虑因陆地掩膜,几何校正等预处理所导致的图像中待检测点分布不均。针对这一问题,本文提出改进的MPI并行化解决方案。与传统的MPI并行化解决方案相比,该方案能较为均衡地为各个进程分配检测任务。在集群计算机上的实验结果表明,改进后并行标准效率提高约43%。为应对机载SAR实时舰船目标检测的需求,在多核PC机上进行实验,结果表明,本文算法在多核PC机上也能有效地缩短检测时间,对实现机载SAR实时舰船目标检测有积极意义。     

基于融合和IFLICM算法的非监督遥感影像变化检测

提出了一种基于多尺度小波融合和改进的非监督模糊聚类的多光谱遥感影像变化检测方法。该算法解决了目前很多算法造成虚警率较高,而且未能充分利用像元之间空间关系的问题。首先利用二维离散小波（DWT）多尺度分解的方式来构造差异图,通过对两种小波分解系数融合的方式来抑制噪声点和突出变化区域。考虑到像元之间的空间位置信息,在融合后的基础上采用改进的模糊局部信息聚类（IFLICM）的方法得到变化检测结果。对两个时相的多光谱遥感卫星影像进行变化检测试验,试验表明基于融合的变化检测结果精度更高,并且改进后的聚类算法效果比其他聚类算法效果更好。     

基于提升格式小波包变换的SAR影像去噪(英文)

According to the different characteristics that signal and noise exhibit during wavelet decomposition, a new denoising method based on the lifting scheme wavelet packet decomposition is presented. In this method, the SAR images are decomposed by using the best wavelet packet and the norm of each sub-band are calculated; signals and noise can be discriminated based on the norm and soft-threshold method, and the images can be denoised. Experiments show that the proposed algorithm has excellent performance in denoising SAR images, and can remove most noise of images with well-kept texture detail information. The calculating speed of the method is twice the speed of the general wavelet packet transform algorithm.     

一种多孔径SAR图像目标检测方法

提出了一种多孔径SAR图像目标检测方法,充分利用SAR图像幅度和相位信息来区分人造目标和杂波。由于人造目标的回波能量往往集中在部分方位角范围内,当该部分方位角范围所对应的多个子孔径图像中存在目标时,其局部相关性较强,因此,该方法利用多个子孔径图像之间的相干系数检测目标。实验结果表明,该方法有效地提高了目标检测概率,同时降低了虚警概率。