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。     

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。     

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。     

霍夫域极化相干性的雷达影像电力线检测

由于电力线作为一类特殊的线目标,其回波与雷达视角和极化方式密切相关,针对传统的线目标检测方法仅基于回波功率,直接用于电力线检测,由于目标信杂比低,结果虚警率较高的问题以及在极化合成孔径雷达影像中电力线可被看作偶极子,其极化特性明确的特点,该文通过理论分析电力线在影像中的极化特征,提出了一种基于Hough域同极化和交叉极化相干性的恒虚警率电力线自动检测方法,改善了电力线的检测效果。最后使用P波段机载极化SAR真实影像和模拟数据进行实验验证,结果表明此方法优于基于功率的Hough变换和滑动方向窗口估计相干性的检测方法。     

利用二维恒虚警进行非均匀噪声背景下的目标检测

针对高频地波雷达中的非均匀噪声环境及各种干扰源时变的特点,提出构建一种时变白化滤波器。先对非均匀噪声环境进行白化处理,然后在一维恒虚警的基础上,采用一种基于多普勒频率和距离的二维恒虚警处理算法。实验结果表明,利用时变白化滤波进行处理后,再在距离和多普勒频率维同时进行恒虚警检测,可以得到较好的检测结果。     

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（compressedsensing,cs）和恒虚警率（constantfalsealarmrate,cfar）目标检测算法,用于合成孔径雷达（syntheticapertureradar,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.     

一种优化的极化SAR图像海面目标检测方法

提出一种优化的极化SAR图像海面目标检测方法,结合改进的极化SAR四分量分解中的螺旋散射分量与Wishart分类器,充分利用极化散射特性、结构特征、统计特性来进行目标的自动检测。同时通过纹理特征相似性克服了Wishart分类器在无目标海域检测时容易将强度值较高的海杂波误认为目标的缺陷。采用美国无人机UAVSAR在Mexico海域和巴拿马Barro Colorado Island海域获取的两组L波段全极化数据进行实验验证。实验结果表明:文中的优化方法能够较准确检测海面目标,很好地降低虚警率;同时解决了Wishart分类器在无目标海域发生错检的问题。     

结合置信度的多通道星载SAR在轨舰船低虚警快速检测

舰船目标快速检测是星载合成孔径雷达的重要应用之一,也是SAR星上处理首先发展的应用方向.目前SAR舰船快速检测普遍使用的图像恒虚警(CFAR)检测方法中,低虚警一直是研究的重点,多通道SAR中舰船目标存在多通道虚假目标,进一步增加了虚警剔除的难度.为此,本文提出了一种基于置信度计算和SVM判别的低虚警CFAR(Cons...     

一种SAR图像车辆目标鉴别特征及其提取方法

该文引入差分盒维法来计算高分辨率SAR图像车辆目标的一种新的鉴别特征,即间隙度特征,可以用来定量评估车俩目标感兴趣区域内像素幅度的不规则程度和间隙尺寸,以此消除杂波虚警.基丁散射中心理论分析了车辆目标和自然地物后向散射强度分布的差异性,并从理论上推导出间隙度特征具有对相干斑噪声不敏感的特点,由此构成了SAR图像车辆目标鉴别处理的一个尺度不变特征.采用MSTAR车辆目标数据和背景杂波数据检验了所提特征的鉴别性能,并与Hausdorff维数的鉴别性能做了比较,结果显示间隙度特征具有较好的鉴别性能,可以去除大部分的自然地物虚警和非车辆类人造目标干扰,鉴别虚警率较低.     

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。     

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。     

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.     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

基于分布模型差异的SAR变化检测

基于SAR图像的杂波统计特性,采用信息论中的交叉熵给出了一种提取多时相SAR图像差异的方法.采用瑞利分布函数作为SAR图像的分布模型,基于交叉熵导出了计算两幅SAR图像的差异因子;并采用恒虚警率(CFAR)的方法自动分割变化区域,取得了较好的结果.     

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法.方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征.针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数.分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确.     

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。     

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。     

利用卫星影像进行南极格罗夫山蓝冰变化监测

裸岩分布信息是获取南极冰厚0等值线的重要方法和手段,同时也是极地遥感地面验证的重要数据,因而自动提取南极裸岩信息具有重要的研究意义。采用对岩石和冰川具有较好对比度的RADARSAT-1南极区域合成孔径雷达数据,基于恒虚警率（CFAR）的方法,实现了南极裸岩目标信息的自动化提取。该方法的研究以四种杂波分布模型为前提,从而分析不同分布模型的抗噪性能,并通过卡方检验准则验证了四种方法的有效性;在典型的实验样区上比较不同CFAR方法的裸岩检测性能,最终选定最优参数用于南极洲裸岩信息的自动检测。两组实验结果表明,采用CFAR结合Weibull分布的方法,南极山脉的裸岩提取精度可达80%以上并将错检率控制在8%以下,能够较为精确地提取裸岩信息。