基于模型相似度拟合的海杂波统计方法

本文提出一种基于模型相似度拟合的海杂波统计方法。首先根据合成孔径雷达(SAR)图像计算瑞利分布、对数正态分布、韦布尔分布、K分布、G0分布5种经典的海杂波分布的概率密度函数,然后根据模型间的相似度准则拟合得到新的海杂波分布模型。文章利用四景不同类型的真实SAR数据对算法的拟合性能进行了评价,结果显示利用该算法得到的拟合模型与真实SAR数据的平均Kullback-Leibler距离仅为0.015 84,远优于其他分布模型。基于该拟合模型的恒虚警率舰船检测算法对四景SAR数据的平均检测精度达到95.75%,在控制虚警和漏检方面均优于采用其他模型的同类方法。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异，提出了一种新的船只检测测度，该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型，实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验，系统分析了所提出测度的海杂波拟合性能与船只检测性能，并与两个经典的极化测度进行了比较，实验和比较结果证明了所提的测度的可行性。     

基于G0分布的高海况SAR船只目标检测方法

高海况条件下船只目标检测一直是SAR船只检测的难点之一,选用何种分布来精确描述强海杂波对目标检测效果有重要影响.文章将常用于陆地城区SAR图像建模的G0分布应用于高海况条件下杂波建模,分析了G0分布对不同星载SAR数据的建模效果,验证了其用于海面杂波拟合的适应性,得出G0分布对极不均匀区域海杂波建模能力要优于常用分布;...     

基于模糊C均值聚类的高分辨率合成孔径雷达图像舰船目标检测

给出了一个基于模糊C均值聚类(FCM)的舰船目标检测算法。其中心思想是将SAR图像中的各像素点灰度值视为样本集,然后利用FCM算法对该样本集聚类,并利用聚类结果计算图像分割全局阈值。与目前流行的恒虚警率(CFAR)检测算法相比,所给检测算法具有参数少、计算量与图像大小成正比、舰船轮廓保持良好的特点,为高分辨率SAR图像舰船目标检测提供了一个新的选择。     

一种基于箱线图的SAR图像舰船检测算法研究

将统计学中的箱线图应用于SAR图像舰船目标检测,提出了一种新的舰船检测算法。该算法不对海面背景建模,因此对复杂的海面背景具有较强的适应性,且能有效减少虚警和保持舰船轮廓。文中从适用条件、算法参数和时间复杂度三个方面,将该算法与恒虚警率(CFAR)算法做了详细的分析与比较,并推导出当海面背景符合高斯分布时,本文算法中的参数异常点因子与双参数CFAR算法中的标称因子之间的关系。最后,使用马六甲海峡及其附近海域的多幅星载SAR图像进行了实验验证。实验结果表明,当实际海面背景分布不符合高斯分布时,相比于双参数CFAR算法,本文算法具有更好的适应性。     

一种改进的地波雷达邻近距离单元格一阶海杂波对消方法

基于邻近距离单元格海杂波特性相关性,分析了不同相干积累时间所导致的目标距离模糊,改进了邻近距离单元格海杂波对消法,此方法克服了邻近单元格海杂波对消所引起的目标对消问题。将研究方法中使用的杂波抑制处理结果应用于CFAR船只目标检测算法,可明显降低目标检测中虚警的概率。     

基于散射相似性参数的全极化合成孔径雷达船只检测

全极化合成孔径雷达(SAR)数据提供了丰富的散射信息,目前被广泛应用于海上船只目标的检测。本文首先利用一种方便有效的极化散射信息分析法-散射相似性参数统计分析了船只目标与海面的散射特性,重点分析了两者散射机制间的差异,并基于该差异提出了一个新的全极化SAR船只目标检测量(SSM),该检测量同时考虑了极化SAR数据的空间信息,有效提高了船海对比度。然后基于核密度估计提出了对检测量SSM的模型估计方法,结合恒虚警率(CFAR)检测方法实现了对船只目标的检测。利用RADARSAT-2全极化数据对本文的方法进行验证,并与典型的极化SAR船只目标检测方法比较,实验结果表明了本文方法对船只目标检测的有效性。     

基于改进Faster R-CNN模型的SAR图像溢油检测方法

SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。     

基于海杂波随机游走模型的多重分形谱分析

海杂波具有非线性、非平稳和时变特性,多重分形测度分析是对物理系统局部奇异性的一个完整描述。本文根据海杂波电磁散射的经典模型——随机游走模型,利用随机微分理论对海杂波的物理特性进行了系统地建模分析。建立了描述海杂波电磁散射时变特性的随机微分方程,利用Itô公式得到了海杂波散射信号幅度和相位的扩散过程模型,并利用多重分形谱分析了该模型的奇异性。为了验证其准确性,与加拿大McMaster大学IPIX雷达实测海杂波数据的多重分形谱进行对比,实验结果表明两者完全一致,从而表明基于随机游走的随机微分模型是描述海杂波动力学机理的有效算法。     

基于YOLO模型的SAR舰船目标检测方法研究

随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集（SAR Ship Detection Dataset,SSDD）的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster R-CNN）在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络（Backbone...     

基于虚警函数的侧扫声纳水下目标实时检测方法

研究了侧扫声纳系统进行水下目标探测过程中目标信号的检测问题。通过分析海底回波信号的统计模型及其参数的估计,讨论了目标信号对统计模型拟合的影响规律,提出了侧扫声纳回波信号虚警函数和虚警率的概念,及其对Ping信号中目标信号的检测方法。算例结果表明,回波信号的三种分布模型中K分布拟合程度最优,在相同虚警率的条件下,基于K分布的虚警函数目标检测率最高。该法可为侧扫声纳回波信号中目标的实时报警提供技术支撑。     

高频地波雷达海杂波抑制的时频-矩阵联合法

高频地波雷达海面回波信号中含有很强的海杂波分量,造成虚警与漏警现象,严重影响了对船只目标的探测与管理。本文提出基于时频分析与矩阵分解相联合的海杂波抑制方法。该方法从时频域中检测出海杂波的时变频率范围,同时通过Hankel降秩得到各回波分量奇异值及瞬时频率估计;通过频率匹配及矩阵重构给出海杂波的时域分量,予以剔除。实测雷达数据处理结果表明,在保留目标时域回波与频谱特征的情况下,本方法成功实现了海杂波分量的分离与抑制,提高了对海面目标的探测性能。     

基于SAR极化比和纹理特征的海面溢油识别方法

针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。     

利用现场海态观测信息的地波雷达一阶海杂波内目标检测方法

为解决地波雷达一阶海杂波内船只目标检测的难题,提出了一种利用风浪流等现场海态观测信息检测海杂波内目标的方法。该方法通过对比实测雷达回波谱和基于现场海态观测信息重构的无目标回波谱,发现实测雷达回波谱中一阶谱频率范围和左右峰值比等特征的异常变化,实现船只目标的检测。将该方法应用于实测地波雷达数据,并利用同步的船舶自动识别系统信息(AIS)对检测结果进行了验证,结果表明本文方法是一种有效的一阶海杂波内目标的检测方法。     

基于复相关相位斜率的海面弱小目标检测方法

针对海杂波严重制约雷达目标探测性能的问题,本文提出了一种基于复相关相位斜率特征的海面弱小目标检测方法。本文通过研究海杂波复数域下的时间自相关特性,发现复相关系数相位信息呈线性分布,由此提出了一种新颖的统计特征:复相关相位斜率。研究表明,复相关相位斜率特征可显著提高雷达数据的信杂比。经过不同极化方式下的海杂波数据验证表明,本文提出的目标检测方法性能优于传统基于分形特征的Hurst指数检测器,使用本文的方法可以有效识别海面弱小目标。     

基于递归定量分析的实测海杂波中的小目标检测

提高海杂波中小目标的检测能力,在海洋监视、军事侦察和浮冰检测等军事、民用领域中有着广泛需求,因此海杂波的研究一直是雷达技术领域研究的热点问题。首次将递归定量分析方法引入实测海杂波数据分析中,采用该方法计算海杂波时间序列相空间重构后各递归参量并将其应用于海杂波背景下小目标检测,得到了较好的结果。实验初步证明了采用递归定量分析方法对海杂波数据进行分析和小目标检测是可行并且有效的。     

高频地波雷达海杂波背景下的船只目标检测研究进展

针对海杂波对高频地波雷达目标检测的干扰问题,分目标处于海杂波谱区之内和之外两种情况综述了海杂波背景下的目标检测方法。对于海杂波内目标检测的难题,介绍了一种基于现场海态同步观测信息的检测新思路以及初步验证结果。对国内外相关研究进展的归纳总结和新思路的提出,为提出更加有效的海杂波干扰下的目标检测方法提供了重要的参考。     

基于视觉显著性的高分辨率遥感影像舰船检测

通过研究、分析现有基于遥感影像的舰船检测算法,提出了基于Itti视觉显著度模型改进的高分辨率遥感影像海面舰船检测方法,该方法利用海面舰船相对于海面背景信息视觉关注高的特点,参考视觉显著度模型计算原理,对高分辨率遥感影像中的颜色、亮度、方向、纹理等特征进行有效提取,然后利用归一化方法将不同特征融合,形成有利于舰船目标提取得视觉显著度图,最后对生成的视觉显著度图进行阈值分割和精细化处理获得最终的舰船检测结果。与传统舰船检测算法相比,本文算法能够有效检测复杂海面背景下的舰船目标,减少了单一特征变化对检测精度的影响,提高了检测准确率,具有较好的抗噪性和较强的鲁棒性。     

一种增强型YOLOv3的合成孔径雷达(SAR)舰船检测方法

近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败.随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别.利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一.针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法.该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50％,与原YOLOv3相比提高了0.92％.实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果.     

高频地波雷达海杂波的边界约束循环对消

在对海洋监视监测的过程中,高频地波雷达的船只目标检测能力与其对海杂波的抑制能力密切相关。但是,传统海杂波时域抑制方法存在目标回波参数与海杂波相近时难以区分其各自分量,对消时目标被误消除的问题。针对上述问题,本文提出了一种适用于高频地波雷达海杂波的边界约束循环对消方法。该方法综合海杂波频移理论和实际海杂波特性分析制定出边界条件,约束建模对消过程,实现海杂波分量的抑制。实测地波雷达数据和船舶自动识别系统(AIS)数据检验的结果表明,本文方法克服了传统方法的不足且信杂比改善更加稳定,能够更加有效地实现海杂波循环对消。