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图像复合分布船只检测模型

提出了一种基于复合参数分布的SAR图像船只检测模型。模型使用Pearson分布系统模拟SAR图像海洋背景散射分布, Pearson分布系统由4种参数分布组成, 包括Pearson I分布(g)、Ⅲ分布、Ⅳ分布(反g)和Ⅵ分布。模型采用基于β平面的分布选择器确定采用哪种分布来拟合SAR图像海面后向散射分布, 同时利用4种分布, 结合CFAR技术, 建立CFAR方程, 通过解算方程得到检测阈值, 利用阈值进行SAR图像船只检测。通过图像试验验证表明, 该模型检测效果良好, 具有一定的实用价值。     

基于坡度RMSE与3维可视化的格网DEM粗差检测与剔除

粗差的存在会造成数字高程模型(DEM)空间上的严重扭曲,有时能导致DEM及其产品严重失真,因此有必要对DEM的粗差进行探测和修正。针对目前格网DEM粗差探测算法的局限性,提出基于坡度RMSE与3维可视化联合的格网DEM粗差探测与剔除方法。采用坡度法,获取所有可疑点,然后对可疑点在一定范围内建立3维可视化模型,进行交互式探测与剔除,并通过实验来验证该方法的有效性和可行性。     

一种基于TurboEdit的BDS周跳探测改进方法

BDS非GEO卫星的MW组合存在与高度角强相关的系统性偏差,针对其引起的TurboEdit算法探测周跳不可靠问题,该文提出一种高度角指数滤波模型.改进后的周跳检验量消除了MW组合的系统性偏差,具有更好的探测性能.采用BDS实测数据对该方法进行验证,结果表明:该方法显著降低了MW组合周跳探测时的漏检和误检,结合GF组合的历元间二次差算法,可以准确探测所有人为加入的周跳.     

一种兼顾全局与局部特性的机器人动态路径规划算法

A*算法的规划路径全局最优,但存在拐点多、拐角大的缺点,而人工势场法的规划路径虽然平滑,却无法满足全局最优的要求。为达到机器人快速到达、安全避障的目的,分别对A*算法和人工势场法进行改进,并将两者相结合,提出一种兼顾全局与局部特性的机器人动态路径规划算法。全局路径规划采用剔除冗余节点的A*算法,生成局部目标节点序列;局部路径规划采用改进的人工势场法,提出5方向障碍物探测法替代原有斥力模型,大大减小运算量;设置最小引力场,引导机器人脱离局部最小点;采用扇形区域探测法,有效规避小型动态障碍物。仿真实验结果表明:与传统A*算法与人工势场法相比,该方法不仅生成全局最优平滑路径,而且还能够在顾及机器人移动控制的前提下,及时规避动态障碍物。     

一种改进的星载GPS周跳探测与修复方法

周跳探测与修复是星载GPS数据预处理的重要内容。首先使用SWARM卫星实测数据对TurboEdit算法的有效性进行了分析,针对算法在观测噪声较大情况下无法有效探测小周跳的问题,提出了一种改进算法。该算法利用载波相位观测值对伪距组合观测值进行平滑,降低了观测噪声对宽巷模糊度的影响,提高了周跳探测能力。实验结果表明,改进算法能够有效提高小周跳的探测能力。      

空间水汽场重建算法对比研究

GPS水汽探测可精确获取某点处的水汽数据,但实际应用中所需多是空间水汽场数据,因此有必要研究如何利用点位水汽数据来重建空间水汽场.文章探讨了反距离权重法、样条函数法、克里格法等常见空间插值算法在空间水汽场重建中的应用,并用交叉验证法对结果进行比较分析,试验结果表明克里格法最优.本文还利用DEM辅助重建空间水汽场,探讨了协同克里格法、泛克里格法等算法,并用Onn模型和高度归算法对克里格模型进行改进.交叉验证结果表明利用DEM辅助重建空间水汽场效果明显,基于Onn模型改进的泛克里格算法最优,其次是基于高度归算法的克里格模型.     

基于不同大小窗口的移动曲面拟合法探测不规则DEM粗差的一种方法

粗差的存在会造成数字高程模型(DEM)空间上的严重扭曲,有时能导致DEM及其产品严重失真,甚至完全不能使用.因而有关DEM的粗差诊断问题已愈来愈引起人们的关注.本文在对现有的基于点方式的DEM粗差探测算法进行分析的基础上,提出一种基于不同大小窗口的移动曲面拟合法探测DEM粗差的一种方法(简称YXY算法),并通过蒙特卡洛仿真试验来验证该算法的有效性和可行性.     

构建阈值模型改善TurboEdit实时周跳探测

在比较现有各类TurboEdit改进算法的基础上,选取了一套适合实时周跳探测的组合方法,并针对其缺陷进行优化改进,加入阈值模型。在滑动平均滤波MW（Melborne-Wubbena）组合周跳探测方法中加入了自适应观测序列均方根变化的阈值模型,有效减少了周跳探测的误判和漏判;在相邻历元求差的GF（geometry-free）组合周跳探测中加入了随采样率及卫星高度角变化的加权阈值模型,显著提升了采样率较低时周跳探测的可靠性。大量数据测试检验表明,该组合方法有效可行,相比其他改进方法不仅在探测精度上有一定提高,在避免周跳误判、漏判上也有较大改善。     

变系数回归的GNSS时间序列异常值探测方法

针对传统的基于谐波模型的异常值探测算法效率较低的问题,该文引入变系数回归模型替代谐波模型分离GNSS坐标时间序列的信号与噪声(残差),并提出了一种基于变系数回归(VCR)模型与四分位距(IQR)统计量的组合异常值探测算法VCR＿IQR。该算法首先采用VCR分离时间序列中的信号与噪声,接着采用IQR准则探测噪声中的异常值。将VCR＿IQR与传统基于谐波模型的异常值探测算法—最小二乘探测法(LS＿IQR)和最小一乘探测法(L1＿ModIQR)进行模拟实验对比分析,结果表明,VCR＿IQR能够探测到92%的异常值,而LS＿IQR和L1＿ModIQR仅能探测到81%和85%的异常值,表明VCR＿IQR的探测效率优于LS＿IQR和L1＿ModIQR。     

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.     

Slicks detection on the sea surface based upon polarimetric SAR data

This letter proposes a generalized-likelihood ratio test-based edge detector to be fed by possibly polarimetric synthetic aperture radar (SAR) data. It can be used to detect dark spots on the sea surface and, hence, as the first stage of a system for identification and monitoring of oil spills. The proposed constant false alarm rate (CFAR) detector does not require secondary data (namely pixels from a slick-free area); remarkably, a preliminary performance assessment, carried out by resorting to real SAR recordings, shows that it guarantees detection capabilities comparable to those of previously proposed polarimetric CFAR detectors (which though make use of secondary data). The preliminary performance assessment also seems to indicate that processing polarimetric data does not ensure improved detection capabilities.     

基于Sentinel-1 SAR的埃默里冰架前端位置自动检测研究

埃默里冰架（Amery ice Shelf,AIS）是南极洲第三大冰架,冰架状态影响着南极洲物质平衡和海平面变化,但目前对于AIS与海水交界的冰架前端位置确定研究甚少。基于哨兵一号（Sentinel-1）合成孔径雷达（synthetic aperture radar,SAR）影像提出了一种高效且精确的冰架前端自动检测方法,利用冰架和海水之间的过渡带的SAR后向散射系数分布特点,利用Sentinel-1 SAR影像并结合单元最小恒虚警率（smallest of constant false alarm rate,SO-CFAR）和形态学滤波得到冰水二值图,采用滑动窗口和累积和的方法自动提取每条剖面线对应的冰架前端点位置,自动绘制AIS前端轮廓线。考虑SAR影像空间分辨率和剖面分辨率等因素对前端检测的影响,进行冰架前端参数优化,并分析有无浮冰对冰架前端提取精度的影响。为了验证影像空间分辨率对各种方法检测结果的影响,将AIS前端无碎冰的影像进行双线性内插法重采样处理,并与基于标准差与五大值法的冰架前端提取算法进行精度对比分析。实验证明提出的剖面法具有一定的适用性。此外,通过分析AIS前端有无碎冰发现,基于SO-CFAR和形态学滤波算法相结合的剖面法对冰架前端提取精度最佳,最优检测精度小于1个像素,且受表面融水、冰架破碎等较小,具有较强的场景适应性。     

Study on the Combined Application of CFAR and Deep Learning in Ship Detection

To maintain national socio-economic development and maritime rights and interests, it is necessary to obtain the space location information of various ships. Therefore, it is important to detect the locations of ships accurately and rapidly. At present, ship detection is mainly carried out by combining satellite remote sensing imaging with constant false alarm rate (CFAR) detection. However, with the rapid development of satellite remote sensing technology, remote sensing data have gradually begun to show the characteristics of “big data”; additionally, the accuracy and speed of ship detection can be improved by analysing big data, such as by deep learning. Thus, a ship detection algorithm that combines CFAR and CNN is proposed based on the CFAR global detection algorithm and image recognition with the CNN model. Compared with the multi-level CFAR algorithm that is based on multithreading, the algorithm in this paper is more suitable for application to ship detection systems.     

雷达CFAR检测的仿真研究

杂波背景中区分出有用目标回波的恒虚警(CFAR)检测技术,是直接影响雷达性能的关键技术之一。主要研究了CFAR检测的基本理论,重点研究了ML类CFAR算法中的邻近单元平均恒虚警(CA-CFAR)的检测算法,推导了其检测概率和虚警概率表达式,通过计算机仿真比较了在不同窗长情况下的检测门限。     

基于边缘分析的海面溢油检测

提出一种基于边缘检测的快速溢油信息提取方法, 首先对溢油图像进行ROA(radio of average)边缘检测, 根据检测结果进行AOI(area of interest)提取, 然后使用改进的Weibull-CFAR检测算法对AOI进行溢油检测, 并与全局CFAR检测结果进行对比。实验结果证明, 所提出的方法对于非均匀灰度SAR图像溢油检测准确性较好、效率较高, 特别适用于大图像的快速溢油检测。     

G0分布下基于白化滤波的极化SAR图像CFAR检测

在已有的极化合成孔径雷达(PolSAR)图像恒虚警(CFAR)检测方法中,存在着高分辨下杂波模型适用性差的难题。为解决此问题,提出了一种G_0分布下虚警概率具有闭合解析表达形式的CFAR检测方法,并定义虚警损失率(CFAR Loss, C_L)参数用以量化评估CFAR检测方法的恒虚警保持效果。首先,在乘积模型框架下,引入了逆Gamma纹理变量假设,推导出了多视极化白化滤波(MPWF)检测量的概率密度函数(PDF)。然后,对MPWF检测量的概率密度函数积分得到了虚警概率关于CFAR检测阈值的解析表达式,并设计了相应的CFAR检测流程。最后,采用仿真数据和AIRSAR实测数据对已有方法和新方法进行了算法运行时间、检测量拟合性能及目标检测性能对比。实验结果表明,方法运行时间比已有方法缩短3至30倍,具有良好的实时性;日本玉野地区的AIRSAR实测数据结果表明G_0分布对高分辨不均匀海区具有良好的拟合性能,且新方法在G_0分布和非G_0分布海区均能有效检测出目标,鲁棒性较强,相比其他检测方法品质因数(FoM)平均高出15.78%;C_L分析结果表明新方法具有良好的恒虚警保持性能,同时指出杂波对数累积量散点距离G_0分布曲线越近,新方法的恒虚警保持效果越好。     

显著性权重RX高光谱异常点检测

高光谱图像异常点检测中,传统RX异常点检测算法忽略了空间相关性,背景估计不准确。本文提出了一种基于图像局部邻域光谱显著性分析的加权RX算法。该算法通过引入图像显著性分析,对基于概率密度为权重的图像背景建模进行改进,建立光谱显著性权重图,重新定义RX算法中的均值向量和协方差矩阵,并给不同的目标赋予不同的权值,达到优化背景估计的目的。利用合成高光谱数据和真实高光谱数据进行异常点检测实验,结果表明,对于同一组数据,本文算法检测到的异常点数比传统算法多,虚警率较低,有效地提高了检测率。     

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。