基于CFAR检测的SAR噪声干扰效果评估方法

在研究美国林肯实验室的SAR恒虚警(CFAR)自动目标检测方法的基础上,分析了CFAR目标检测技术在不同噪声干扰强度下检测概率的变化情况,并结合图像相关性分析得出一种改进的基于CFAR检测技术的SAR噪声干扰效果评估方法.     

基于模糊CFAR的SAR图像非均匀背景目标检测算法

CFAR是目前应用最为广泛且实时有效的SAR图像目标检测算法,在非均匀背景情况下,一般的CFAR检测都会存在大量虚警.引入模糊逻辑的概念,提出了一种非均匀背景的SAR图像模糊CFAR目标检测算法.基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器的中心门限.仿真结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,具备一定的实用价值.     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

基于分水岭变换的单幅高分辨率SAR图像建筑物检测方法

提出了一种从单幅高分辨率SAR图像中检测建筑物的算法框架。该框架主要以应用 标记的分水岭变换为基础,针对SAR图像中建筑物所具有的强回波特性与典型的形状特征, 主要采用CFAR检测和文中提出的方向相关分析方法得到标记图像,利用最小强制技术和标记 图像修改原始图像的梯度图,对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。 该方法能够引入建筑物目标的特性同时克服分水岭变换固有的过分割缺陷。文中对不同场景 的高分辨率SAR图像进行了实验,实验结果表明,即使在建筑物分布密集的情况下,本文算 法也能正确完整地检测出绝大多数目标,检测率高而虚警率低。     

通过扩展分区特征改善SAR目标检测

本文对利用扩展区分（EF）特征来改善合成孔径雷达（SAR）自动目标识别（ATR）系统观注目标聚焦（FOA）阶段处理的有效性进行了评估。不象传统的SAR检测特征仅能在对比度基础上将图像像素从背景中区分开，EF特征对物体的对比度和尺寸都敏感，EF特征算法便于实现，并已证实有着类似CFAR（恒虎警率）性质的新特征，我们使用这个新特征，通过两个数据库提供的SAR图像，对几种不同检测方法进行了测试，验证新方法对性能有所改善。     

基于Rician分布的SAR图像MRG目标提取算法

针对SAR图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标的问题,本文提出了MRG算法对SAR目标进行检测。首先用MRF-ICM算法对SAR图像进行后向散射系数的复原,再在复原后的幅度上叠加相位信息后引入Rician分布寻找自适应的最佳局域Gabor滤波器参数对SAR图像进行目标提取。和以往的算法相比,MRG算法充分利用了SAR图像幅度和相位中所携带的信息,能更准确地提取目标。实验表明:该方法能取得很好的目标检测效果,后期提取出的目标更符合实际目标形态,具有较强的通用性。     

基于最大值投影的运动点目标检测算法及其性能

针对低信噪比序列图像中微弱点状运动目标检测,提出了一种基于最大值投影构造组合帧图像与帧序号图像的检测算法,给出了算法的计算步骤。用建立的检测率和虚警率的分析模型,讨论了检测率、虚警率、信噪比、构造组合帧的图像帧数间的关系。仿真结果表明,通过合理选择组合帧数,该算法可有效检测出低信噪比条件下图像序列中的运动点目标和交叉运动的多点目标。     

考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

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。     

星载SAR在轨成像实时处理算法研究

星载合成孔径雷达(SAR)分辨率和幅宽的不断提高,其产生的原始数据率越来越大,采用在轨实时成像处理形成图像,在图像域再进行传统的图像数据处理和传输,有助于降低星-地数据传输速率,为了提高星载SAR在轨成像处理的实时性,文章分析了星上特殊条件对星载SAR处理算法实时性所提出的约束,对RD、波束域、CS等经典的星载SAR成像处理算法的运算量进行了比较,以CS算法为例,研究了相位补偿因子对CS成像处理算法的实时性影响,提出了一种补偿因子区域不变的CS成像算法,它极大地减少了成像处理算法的运算量,并通过仿真实验结果验证了该算法的有效性。