基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法。首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为机场;最后,使用非极大值抑制的方法去除冗余的预测框,获得最终的检测结果。利用从谷歌地球收集的图像数据集对该神经网络模型进行训练和测试,结果表明其在精准率和召回率上均具有较大优势。此外,文章所提算法在来自不同卫星平台的大量大幅面遥感图像上进行了机场目标检测,结果显示其适应性强且检测效率有大幅度提升。     

基于集成活动轮廓模型的SAR图像分割方法

图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动解译技术中的一个重要问题。基于活动轮廓的思想,给出了一种适应于SAR图像分割的集成活动轮廓模型。该模型综合利用SAR图像的边缘和区域特性,通过检测算子提取SAR图像的边缘信息,利用似然函数的最大化提取图像中不同统计信息的区域;通过边缘和区域的共同曲线运动实现对SAR图像的分割。利用加性算子分裂算法,给出了该模型的快速实现方法。通过MSTAR和实测星载SAR数据进行试验验证,并与其他算法比较,结果表明：所提方法适应性强,可适应复杂背景的SAR图像分割,并且分割定位准确、收敛速度较快;所提实现算法稳健,能适应不同参数设置,且对初始条件不敏感。〖JP〗     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

单通道SAR对任意运动目标的检测和成像

在合成孔径雷达（SAR）图像中，运动目标会引起散焦和／或移位之类的成像误差，这与目标运动方向有关。为了得到准确而清晰的运动目标的图像，目标位置和速度参数是必须知道的。这里提出了一种对任意方向运动的地面目标进行探测、参数估计和成像的算法。该算法主要是评估由常规单通道SAR雷达数据生成的一系列单视SAR图像。用两个观察模型来估计运动目标的位置和速度，考虑了由于运动导致多普勒频谱的混叠。用这种方法，运动目标可以不受其运动方向的影响而被检测到，估计参数被用来补偿SAR图像中的成像误差。最后，目标在场景中的真实运动情况可以在补偿过的图像序列中显现。     

一种新的SAR图像目标检测方法

基于统计特性的恒虚警率(CFAR)算法和小波多分辨率分析方法很难检测到微弱的、小的和隐藏的目标。合成孔径雷达(SAR)成像机理是相干成像,相干相位信息为目标的检测提供了可能性。从相干成像机理出发,结合恒虚警率和背景杂波分布模型,提出了一种新的SAR图像目标检测算法,即相干性CFAR目标检测算法,并且针对图像相干源提出了亚像元空间域源算法。实验证明,该方法是可行的、有效的,有利于SAR图像的理解和应用。     

基于通道剪枝的SAR图像舰船检测优化算法

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

基于ATI技术和象素匹配的星载SAR/GMTI实现方法

与机载合成孔径雷达相比,星载合成孔径雷达由于其复杂的空间几何关系、地球自转及地球曲率等因素的影响,使得星载SAR／GMTI的实现更为复杂。提出了当不满足相位偏置中心天线(DPCA)中脉冲重复频率和天线水平基线间的严格约束条件时,通过象素匹配法和星载SAR沿航迹向干涉(ATI)技术实现星载合成孔径雷达(SAR)动目标检测、测速及定位的一种方法。该方法采用沿航迹向线性排列的双孔径天线星载SAR结构,首先建立了星载SAR双孔径天线空间几何模型并详细分析了星载SAR双孔径天线机理及信号特性,然后利用常规方法成像的双天线SAR图像,分析并推导了基于ATI技术和象素匹配实现对地面背景杂波淹没的运动目标检测、径向速度分量估计以及目标定位的方法。最后,通过计算机仿真验证了其有效性。     

基于频域DPCA的星载SAR动目标检测、测速与定位

给出基于频域DPCA的星载合成孔径雷达 (SAR)动目标检测、测速及定位的实现方法。首先建立星载SAR沿航迹向三孔径天线空间几何模型 ,并详细分析星载SAR三孔径天线机理及信号特性 ,然后分析并推导基于频域DPCA实现对地面背景杂波淹没的运动目标检测、径向速度分量估计以及目标定位的方法。最后 ,计算机仿真结果验证其有效性     

高分辨率星载合成孔径雷达成像处理方法

提出了一种适用于大距离徒动高分辨率星载合成孔径雷达 (SAR)精确成像的改进Chirp Scaling(CS)成像处理算法 ,以及实现单视图象斑点噪声抑制的基于目标检测的增强无偏最大后验概率 (TDRGMAP)方法。采用这种高精度成像处理方法和单视图像斑点噪声抑制方法 ,可以实现星载 SAR高空间分辨率和高辐射分辨率的雷达图像。     

基于区域热核不变量的SAR图像变化检测

快速精确地检测SAR图像的变化是SAR应用亟待解决的问题。针对这一问题,提出了基于区域热核不变量的SAR图像变化检测方法。该方法利用图上热核的特征,可以充分发挥图谱理论的优点,且计算简便、矩阵的扰动性小。通过模拟分析研究了热核的特征,并应用于实际SAR图像的变化检测。实验结果表明该方法可以快速精确地检测到变化区域,且其变化检测的精度要优于区域似然比检测方法。     

星载SAR模糊特性及其工程设计

分析了星载合成孔径雷达产生模糊的机理及其与系统参数的关系，叙述了在宽广可视观测带曲，达到较好图像模糊度特性的优化设计原则，并提出了星载ＳＡＲ模糊性能的工程设计方法。     

基于层次化分类器的遥感图像飞机目标检测

在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔（Haar）特征的底层AdaBoost分类器快速去除大部分非目标区域;然后用基于梯度方向直方图（Histogram of Oriented Gradient,HOG）特征的顶层支持向量机（Support Vector Machine,SVM）分类器进行精细检测。在分辨率为1m的遥感图像数据集上的实验结果表明,层次化分类器在保证较高检测率的前提下,大大降低了虚警率,可以有效解决遥感图像飞机检测问题。     

合成孔径雷达图像解译技术探讨

首先对合成孔径雷达图像解译的研究背景及发展历程作了简单介绍，然后分别从斑点噪声抑制、边缘检测、区域分割、目标检测与识别等方面进行了分类探讨。指出新的解译技术应综合利用新特征、新信息和新的研究理论，开展多信息合作与融合机制的研究以及人工智能的应用。     

误码率对星载合成孔径雷达图像质量影响的数字仿真研究

定量分析了星载合成孔径雷达 (SAR)原始回波信号的量化噪声、饱和噪声以及误码噪声对面目标信噪比的影响 ;建立了星载 SAR数字仿真系统 ,对不同误码率条件下的点目标阵场景的星载 SAR原始回波信号进行数字仿真 ,采用 Chirp Scaling算法进行成像处理 ,并对成像结果进行图像质量评估 ,研究了误码噪声对点目标 (尤其是弱信号目标 )性能影响的规律。