共查询到18条相似文献,搜索用时 203 毫秒
1.
2.
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〗 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
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%。 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
13.
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。 相似文献
14.
15.
星载SAR模糊特性及其工程设计 总被引:4,自引:0,他引:4
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。 相似文献
16.
17.
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。 相似文献