合成孔径雷达与动目标检测

在合成孔径雷达（ＳＡＲ）中，雷达与目标之间相对运动的精确知识是相干处理回波形成高方位分辨率图像的基础。因此，在ＳＡＲ中，对未知运动目标的检测和成像成为一个重要而困难的研究课题。本文较详细地阐述了ＳＡＲ中进行动目标检测的若干方法，包括反射率频移法、多视图像位移法和多天线多通道处理技术。还论述了动目标的定位和速率的估值等问题。     

机下地面背景中低速动目标提取器

综合了提取机下地面背景中低速支目标的最优和最优算法，分析了探测特性，指出采用方位扫描单波束天线的处理系统，由于时间加权，可以将探测到目标的最小径向速度降低至几米／秒。     

复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

一种基于优化设计的动目标检测方法及其运用

提出一种新的动目标检测(MTD)滤波器组设计方法,即通过设置目标处理通道和气象处理通道,其中目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,根据杂波的强弱自动产生或选择滤波器加权因子,以保证抑制地杂波的同时,减少信噪比损失,提高对弱小目标的检测性能。仿真结果证明该方法是有效的,且在工程上有一定的实用价值。     

部分相干合成孔径雷达对干扰背景中的目标检测

本文分析在相干和非相干积累检测不同的关系式中合成孔径雷达检测特性的计算问题，示出了上述问题与较为简单的在脉冲串相干－非相干混合叠加情况下的检测问题之间的关系。     

对SAR目标检测中的相关背景的研究

在目标或杂波出现先验概率已知的情况下，现有各种目标检测法要在被检像素值是由目标造成还是由杂波造成之间做出统计判决。然而，这些方法没有把存在的相关背景信息考虑在内。例如，我们知道军用车辆更有可能在能提供掩蔽的树篱和树林边缘地带被发现，并且它们通常是编队行驶。本文验证了在维持现有技术的精确统计前提下，如何将此类相关背景信息与SAR目标检测方法相结合。现在研究出一种理论框架，其目标存在的先验概率通过条件从属性被该背景的影响改变，得到的检测方法用于模拟SAR图像，可获得相关背景信息各种组合时的目标检测率。当相关背景信息被完全利用时，可以观察到性能大约提高了13%。     

一种机载合成孔径雷达动目标检测方法

本文通过分析合成孔径雷达动目标回波线性调频特点，采用分数阶Fourier变换对合成孔径雷达动目标进行检测，对其多普勒参数进行比较精确的参数估计，并通过理论分析和模拟仿真证明该方法的有效性。     

分布式天基雷达动目标检测性能分析

针对多部天基雷达采用分布式工作体制检测运动目标面临的杂波抑制困难问题,分析了沿航迹基线长度、有效基线长度、地面坡度、波束指向误差、图像配准误差、通道幅度和相位误差对杂波抑制和动目标检测性能的影响。仿真实验结果为以动目标检测为目的的卫星编队构形和雷达参数选择提供了一定依据。     

双目立体视觉中的一种运动目标检测算法

运动目标的检测是计算机视觉研究领域中的一个重要组成部分,传统的基于单目视觉的目标检测算法要么受环境因素的限制较大,要么收敛速度较慢,还难以解决多个运动目标部分遮挡的问题。针对以上存在的问题,本文在目标检测中采用了立体视觉方法。用双目摄像机对图像进行拍摄获取立体图像序列对,然后对立体图像对运用立体视觉方法进行分析。实验表明该方法能正确检测到运动目标,不受光线变化和阴影的干扰,并且在运动目标发生部分遮挡时仍能正确区分各目标。     

基于分数阶Fourier域滤波的SAR多运动目标检测和参数估计

SAR多运动目标的检测和参数估计较单运动目标的难度大大增加,传统的WVD方法在处理多分量线性 调频信号时存在交叉项干扰的问题,改进的WVD-HT方法可减弱交叉项的影响,但并不能从根本上解决交叉项问题, 同时计算量也很大。文中提出一种基于分数阶Fourier域滤波的多运动目标检测和参数估计方法,在运动目标和静止目 标信号分离后通过逐个消去强目标信号,有效地解决了弱目标信号的检测和参数估计问题,由于分数阶Fourier变换是 线性变换,从而免除了交叉项的困扰。仿真和实测数据的处理结果验证了算法的有效性。     

一种多分辨率图像目标检测算法

为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA（Dataset for Object deTection in Aerial Images）数据集上进行了实验验证,在U-Net（一种基于卷积神经网络的语义分割算法）和ResNet-34（一种深度残差网络）两种不同的主干网络设置下,召回率和检测速度均超过了RPN（Region Proposal Network,区域提议网络）算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。     

地球同步轨道目标物深度学习检测方法

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。     

无人飞行器地面移动目标跟踪系统研究现状与展望

无人飞行器地面移动目标跟踪系统是一项在军事和民用方面都具有广泛应用前景的非常重要的研究课题。首先分析了系统的特点，然后详细介绍了国内外无人飞行器地面移动目标跟踪系统的研究方法和现状，并指出其不足。最后，针对现有系统中控制方法的欠缺，提出了将仿人眼控制系统用于无人飞行器上的摄像机云台控制的新方法。     

双目立体视觉中的一种运动目标检测算法

运动目标的检测是计算机视觉研究领域中的一个重要组成部分,传统的基于单目视觉的目标检测算法要么受环境因素的限制较大,要么收敛速度较慢,还难以解决多个运动目标部分遮挡的问题。针对以上存在的问题,本文在目标检测中采用了立体视觉方法。用双目摄像机对图像进行拍摄获取立体图像序列对,然后对立体图像对运用立体视觉方法进行分析。实验表明该方法能正确检测到运动目标,不受光线变化和阴影的干扰,并且在运动目标发生部分遮挡时仍能正确区分各目标。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

基于改进YOLOv3网络的遥感目标快速检测方法

针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低了3.3倍。同时提出了一种基于交并比的迭代聚类算法,分别在YOLOv3和改进YOLOv3上实现了7.0%和2.3%的平均精度均值(mAP)提升。实验表明:改进模型的检测速度最快能达到101 frame/s,当其mAP比YOLOv3高6%时,检测速度仍是YOLOv3的1.6倍。本文提出的改进YOLOv3是一种高效遥感目标检测方法,为未来星上应用打下基础。     

基于空间目标特性的无缝搜索技术研究

为了解决常规雷达搜索屏拦截空间目标概率不高的问题,利用空间目标过境具有周期性的特征,提出一种高拦截率的无缝搜索方法。当搜索屏经度覆盖范围大于等于目标重访经度差时,目标过境将至少被搜索屏拦截1次。利用这个特征,通过优化相控阵雷达法线仰角和搜索波位的驻留时间改变搜索屏的空间和能量分布,使各个轨道高度处的搜索经度覆盖范围等于目标的重访经度差,从而在最小时间资源开销的条件下实现了空间目标高概率拦截搜索。仿真结果表明,在时间资源开销相同的条件下,提出的无缝搜索方法与常规搜索方法相比,可将空间目标平均拦截率由90.93%提升至99.94%。研究对于提升空间目标监视雷达搜索效率具有较高的应用价值。