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。     

一种快速的SAR图像目标检测方法

针对SAR图像检测方法效率低等问题,提出了一种联合灰度和纹理特征的快速检测算法,通过利用全局检测算法与垂直方向纹理边缘的并行检测来提高检测速度,并给出了一个实例,验证了所提方法的有效性。     

一种高分辨率SAR图像快速目标检测算法

目标检测是自动目标识别(ATR)的第一个阶段。研究合成孔径雷达(SAR)图像目标检测问题,提出了一种基于Rayleigh分布的CFAR快速检测算法,将CFAR检测分成水平和垂直CFAR检测两步进行。利用相邻点参考窗口的重合及图像的分布特性,提高了参数估计的效率。算法同时利用目标方差特性以减少虚警率。对MSTAR数据进行实验,结果表明该算法具有较好的性能。     

基于压缩感知的SAR图像CFAR目标检测算法

在球不变随机向量的非高斯背景下,针对估计协方差矩阵可能奇异的情况,研究了距离扩展目标的自适应检测方法。首先,推导了非高斯背景下未知协方差矩阵和目标散射点幅度的修正最大似然(maximum likelihood,ML)估计;然后,基于纹理分量的近似ML估计,建立了自适应检测器(adaptively modified generalized likelihood ratio test,AMGLRT)。仿真结果表明,AMGLRT在目标散射点能量均匀分布时检测性能最佳,随着杂波尖峰的减小或阵元数的增加,AMGLRT的检测性能有所改善;且其对不同杂波相关性表现出很好的鲁棒性。另外,AMGLRT的检测性能优于已有的M/K检测器,且这种性能优势随着散射点个数的增加而增大。     

一种复杂海天背景下的红外舰船目标自动检测方法

提出了一种红外舰船目标检测算法。首先,利用设计好的频域组合高通滤波器对原始红外图像进行处理,以得到舰船目标可能存在的区域即目标潜在区;然后,对获得的目标潜在区进行尺度自适应的局部阈值分割,进而提取出较为完整的舰船目标或者虚假目标;最后通过检测吃水线特征来筛选出正确的舰船目标。实验结果表明,此算法能够有效地检测出复杂海天背景条件下的红外舰船目标,且具有一定的时效性。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

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。     

SAR影像时间序列支持下的互花米草盐沼提取——以江苏盐城东部沿海为例

利用江苏盐城东部沿海8幅ERS-2 SAR影像构建像素级时间序列,根据训练样本得出互花米草盐沼的标准时间序列曲线;基于动态时间弯曲DTW距离进行时间序列相似性分析后提取互花米草盐沼,用同年Landsat TM影像、CBERS-02B CCD影像目视解译的真实地面数据进行精度评价。结果表明:1)互花米草盐沼的时间序列曲线呈波动性变化,与研究区其他4类典型地物的时间序列曲线差异较大;2)互花米草盐沼提取结果的精度较高,基于Landsat TM影像的精度评价结果——正确率86.81%,完整率84.63%,基于CBERS-02B CCD影像的精度评价结果——正确率87.84%,完整率83.87%。     

一种卫星遥感图像目标位置快速精校正的新方法

从遥感图像目标识别处理等应用特点出发,提出一种卫星图像目标位置精校正的新方法。直接在系统级几何校正的遥感图像上检测目标及其附近的地面控制点,然后进行异常控制点检测,最后利用正常控制点对目标地理位置实施精校正。同时提出一种基于局部区域最大团的异常控制点自动检测方法。实验结果表明,所述方法在保证目标定位精度的同时,可显著提高目标地理位置精校正的速度。     

基于感兴趣区域在区域层面上决策的SAR图像变化检测的方法研究

在现有的变化检测方法中,针对差分图像的方法得到了广泛的应用,但现有该框架下的技术都在在像素层面上决策产生的变化检测结果,这易使结果中存在诸如有噪声般散落的杂点、连通区域内有孔洞及边缘不平滑等缺陷。为此,本文给出一种在区域层面上决策生成变化检测结果的技术,其核心为抽取并处理感兴趣区域,而关键在于获取合适的抽取感兴趣区域的标签和如何在区域层面上生成变化检测结果。为使抽取的感兴趣区域包含几乎所有的变化类信息,我们用平稳小波变换和模糊C-均值(Fuzzy C-Means, FCM)算法分两步获取抽取感兴趣区域的标签;为在区域层面上生成变化检测结果,我们依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看作为一个数据点,再由阈值技术处理这些数据点生成最终的变化检测结果。对真实SAR图像数据集的变化检测结果表明,其主观效果和客观性能都优于其他相关技术的。