基于散射模型的极化SAR图像相干斑抑制算法

针对地表目标散射具有随机取向特性,给出一种新的基于散射模型的极化合成孔径雷达相干斑抑制算法。首先将去取向理论用于相干斑抑制的预处理过程,之后在考虑图像中存在混合散射像素的情况下,通过Freeman分解将像素分成4种散射类型,利用欧式距离分类器对像素进行无监督分类,最后按最小均方误差准则对图像降斑处理。利用美国宇航局喷气推进实验室(NASA/JPL)的AIRSAR系统实测数据进行实验,结果表明,文中方法由于考虑了图像中目标散射的随机取向特性和混合散射情况,并采用相应的处理方法,改善了像素初始分类结果,相干斑抑制效果和分类结果明显优于LEE的基于散射模型降斑算法。     

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。      

基于球面散射相似性的POLSAR图像分类方法

针对基于H-Alpha平面的目标分类方法运算量偏大的问题,本文研究了基于散射相似性的极化合成孔径雷达（POLSAR）图像分类。首先在分析现有目标散射相似性度量参数的不足基础上,利用目标相干矩阵定义了目标散射相似性的新度量参数。该参数综合考虑了目标主散射机制、次要散射机制与规范目标的相似性,以及不同散射机制对应的发生概率,因而它能准确反映目标与规范目标的散射相似程度。接着,考虑到表面散射在自然界中是一种普遍的散射类型,利用新参数提取了表面散射相似性参数,并从理论上分析了该参数表征目标散射类型的可行性及它与平均Alpha角、极化散射熵的约束关系。最后,利用San Francisco地区AIRSAR极化数据验证了表面散射相似性替代平均Alpha角的有效性,并讨论了表面散射相似性参数分别与现有极化散射熵替代参数的组合分类效果。实验结果表明,基于简单线性近似参数+表面散射相似性的H-Alpha替代方法更具实用性。      

基于调频率捷变的抗移频干扰SAR成像方法

随着合成孔径雷达(SAR)图像的分辨率提高,基于高分辨率SAR图像的舰船检测成为海洋遥感应用中的一个重要课题。针对高分辨率SAR图像,为获取精确的、完整的舰船目标信息而提出一种基于改进的相干散射点(CS)提取的舰船检测方法。该方法的核心是利用SAR图像复数据的确定目标特性,提取出CS,该方法不仅利用了图像复数据的幅度信息,同时利用了相位信息。首先对于原始高分辨率SAR图像复数据进行距离向子视处理,获取子视图像像素的相关系数;然后,由于SAR图像分辨率较高,为获取完整的舰船目标信息,引入局部图像平均相关系数处理;最后设定相关系数阈值,从海域中提取出舰船目标,完成舰船检测。仿真实验结果验证了该检测方法的有效性。     

基于区域识别和区域扩展的相位解缠算法

由于实际的合成孔径雷达(Synthetic Aperture Radar,SAR)图像中各个区域的相干性不同,干涉合成孔径雷达解缠中,低相干区域的误差容易在整幅图像中传播.对此,提出了一种结合区域识别和区域增长的区域识别与扩展解缠方法.在数据预处理阶段,融合可见光图像对SAR图像掩模分类,剔除失相干区域,避免其误差传播至整幅图像.在研究区域中,选取高相干的、稳定的像素作为生长种子,以SAR图像的相干系数和相邻已解缠像素的数量为指导,缠绕像素相位的模糊数经反复迭代检测后,被加入已解缠区域,解缠像素由高相干区域向低相干区域扩展,直到完成整个区域的解缠.相控阵型L波段合成孔径雷达和高级合成孔径雷达数据实验结果和算法比较证明了所提方法在解缠精度上的优越性.     

基于非平稳性和极化相干系数比的PolSAR图像建筑物检测

为了提高全极化合成孔径雷达(PolSAR)图像中城区建筑物的检测精度,该文提出一种基于人造目标散射非平稳性和极化相干系数比的建筑物检测新方法。该方法首先对PolSAR图像进行滤波和方位向时频分解,得到多个子孔径图像,然后结合方位向非平稳性检测和极化相干系数比来判断某个像素是否为建筑物。该文通过引入一种新的极化相干系数比从而使获取的建筑物检测结果优于传统非平稳性检测方法,能够有效去除具有布拉格散射的自然地物虚警从而提高检测精度。星载和机载PolSAR数据实验结果验证了该方法的有效性。     

一种基于遗传算法的相干最优算法

相干最优过程是通过在各种散射机制中寻求最优的散射机制,对于干涉合成孔径雷达(InSAR),可以改善SAR图像之间的相干系数,而对于极化干涉合成孔径雷达(POLInSAR),不仅可以改善不同极化通道之间的相干系数,还能改善地物分类和垂直结构参数估计。文中提出的相干最优算法利用遗传算法在优化问题中求解全局最优值方面的优势,将遗传算法引入到相干最优的过程中,解决了相干系数在优化过程中不能收敛到全局最优值的问题,同时避免搜索寻优的遍历方式。实验结果表明,该算法与现有的算法相比,得到了更高的相干系数。     

基于自动筛选的POLSAR图像快速相干斑抑制算法

针对现有 POLSAR 图像相干斑抑制算法存在的问题,本文提出了一种基于像素筛选的快速类多视平均相干斑抑制新算法.该算法以一个矩形滑动窗对 POLSAR 图像进行逐点扫描,对每一个当前测试像素,首先判断它是否为点、线目标,若是则直接进入下一个测试像素;其次,若不是,则对当前滑动窗内像素进行筛选;最后,利用筛选出的与当前测试像素的主散射机制相同的均匀区像素来对当前测试像素进行 LLMMS 滤波.由于该算法基于最大似然(ML)纹理筛选均匀区像素,降低了相干斑噪声的影响;采用目标散射相似性对均匀区像素进行散射机制鉴别,保持了目标主散射机制.理论分析和实测数据的实验结果均验证了本文算法在兼顾算法运算效率、相干斑抑制效果和边缘纹理、小线目标、目标主散射机制等目标信息保持方面的有效性.     

自选择混合分布模型的CFAR用于SAR图像舰船检测

为了解决恒虚警率检测算法（CFAR检测）在合成孔径雷达图像舰船检测中,用已有分布建模,不能应对所有的场景,对于一些复杂场景建模拟合效果不理想的问题,本文使用一种自选择混合分布的CFAR检测方法:首先,对图像进行预处理,减少目标像素对海杂波的影响;其次,利用学习出来的混合分布模型对预处理后的每一块图像进行建模,计算全局阈值,并根据阈值把图像像素分为目标和背景杂波;然后,为防止漏检,重新对场景像素进行建模、检测,重复此过程直到背景杂波中检测不到目标为止;最后加入后处理,减少虚警的产生。这一方法不仅能得到更好的海杂波模型,同时还能提取舰船的更多细节,实验结果证明了这一方法的有效性。      

面向目视解译的全极化SAR船只精细化特征表征方法

随着卫星技术的发展,极化合成孔径雷达(PolSAR)数据的分辨率和数据质量得到大幅提升,为人造目标的精细化目视解译提供了良好的数据条件。目前主要采用多分量分解的方法,但是易造成像素错分问题,为此,该文结合Yamaguchi极化分解和极化熵提出了一种非固定阈值划分的方法用于实现全极化SAR图像船只结构精细化特征表征。Yamaguchi极化分解能够识别基本散射机制,其修正后的体散射模型更符合实测数据,可有效对人造目标进行表征。极化熵H在弱去极化状态下可以看成某一指定等效点的目标散射机制,能够有效突出船只主散射特征。因此,该文通过将Yamaguchi极化分解算法的非固定三分量与极化熵的低中高熵内嵌,将其分为非固定阈值的九分类成分,从而降低硬阈值处理在阈值边界处受噪声影响产生的类别随机性。并且将二次散射和单次散射均显著的区域称为混合散射(MSM),以更好匹配实验中船只典型结构的散射类型。在此基础上,利用广义相似性参数进一步缩短类内距离,采用改进后的GSP-Wishart分类器进行迭代聚类,旨在通过提高二次散射和混合散射机制以提高不同类型船只可区分度。最后,该文采用中国上海某港口的高分三号全极化...     

阈值选取与边缘检测相结合提取红外图像特征

提出了一种阈值选取与边缘检测相结合提取红外图像特征的方法。对红外图像进行边缘检测,并选定阈值将其二值化;在二值边缘图像中应用双窗口分别选定目标和要去除的噪声,在各窗口中采用双向扫描提取目标特征。实验结果证明了其良好的性能。     

温变环境下优化机载IRST系统探测包线研究

基于目前温度变化对机载红外搜索跟踪(IRST)系统探测距离的影响,建模分析了系统探测流程中目标与背景辐射对比度、大气透过率、光学系统、探测器性能随温度的变化情况,基于此提出了依据温度变化设置探测系统阈噪比的思想,且给出了具体设置算法。进一步仿真对比了优化阈噪比与传统恒定阈噪比条件下的探测概率包线,结果表明,前者的探测包线明显增大,说明依据温度设置阈噪比的方法可以显著提高IRST的探测性能。     

基于非线性抗噪声估计的视觉显著性弱小目标检测

针对红外图像处理技术中弱小目标检测的重要性及关键性,提出一种基于非线性抗噪声估计的检测算法来解决高可靠性、高鲁棒性的弱小目标检测问题。提出的方法基于传统视觉显著度算法及空间距离处理方法,对目标及背景区域采用非线性加权方法进行估计,在不显著降低目标信号信噪比的基础上,削弱孤立微小噪声点对检测算法性能的影响,可提高抗噪性能。首先,采用模块化及非线性映射方式预测背景;然后,融入距离相关因子滤除噪声干扰;最后,在处理结束的图像上进行二值化阈值分割,自动检测并向下一级处理软件输出目标位置信息。实验结果表明:提出的算法与近年来先进的弱小目标检测算法相比,在受试者测试曲线上,在相同的虚警率下,可获得更高的检测率,对背景噪声的抑制很明显;在局部信噪比及背景抑制因子的测试比对数据上,提出的算法可获得更高的检测指标。缺点是算法采用了非线性处理技术,运算效率较低,需进一步优化算法以提高计算速度,实现算法的实时目标检测。     

一种基于粒子滤波的双极化雷达检测前跟踪算法

针对雷达在低信噪比（signal to noise ratio,SNR）条件下对运动目标的检测和跟踪难题,提出了一种基于粒子滤波（particle filter,PF）的双极化雷达运动目标检测前跟踪（track before detect,TBD）算法,又称联合粒子滤波检测前跟踪（joint particle filter-track before detect,JPF-TBD）方法.该算法借鉴传统的TBD算法处理框架,以经典PF算法为基础,使用双通道幅度相位似然比函数计算粒子权值,并实现了完整的PF过程.与同类研究相比,所提算法能够充分利用双极化雷达各通道幅度和相位信息,进一步扩展了PF算法的应用范围.仿真实验表明:在SNR>10 dB,虚警概率为10-6的情况下所提算法对目标的检测概率大于0.8.     

一种利用序贯判决信息的雷达检测新方法

 在系统已获得一些判决信息的情况下,本文给出了一种新的可以利用这些判决信息的检测方法.系统已经获得的判决信息可以粗略地理解为关于目标的先验信息,利用这些判决信息可以修正系统当前时刻的判决规则,以提高系统的检测性能.本文分析并得出了该检测方法的似然比判决形式,给出了判决阈值的确定方法,并对系统的检测性能进行了评估.计算机仿真实验进一步验证了该检测方法的可行性.     

一种显著图分割的遥感油库检测方法

针对遥感影像中油罐检测识别率低、难度大的问题,提出了一种基于显著图分割分布式的目标检测识别方法,利用视觉显著模型得到油库疑似候选区域,采用多阀值Otsu方法分割出目标,以及利用油罐的似圆特征和分布式的空间分布规律对油库进行检测识别,通过油库场景分布的先验知识,提高检测识别效率、降低虚警率。大量实验表明,文中方法可有效实现对遥感影像中油库的检测识别。     

一种基于广义累积和的多波段红外变异点目标检测方法

在红外搜索跟踪应用中,对突然出现和消失的变异点的检测一直是个亟待关注和研究的重要课题。随着多波段红外探测系统的应用,提出一种基于广义累积和的红外目标运动轨迹序列检测新方法,将检测波段从单波段扩展到多波段,从而保证虚警概率不大于某一定值的情况下,使多波段变异点探测概率增大或使所需的信噪比和平均检测时延大大减小。数据仿真表明,这一方法在红外变异点目标序列检测方面具有良好的效果,在虚警概率一定的情况下,信噪比检测门限可降低至传统方法的60%,双波段变异点平均检测时延约减少为传统检测方法的1/2。     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

激光雷达的双门限检测技术研究

文章提出了一种既适用于微弱目标检测,又能快速检测出强目标的双门限检测方法。 该方法对于强信号捕获时间较短,提高了激光雷达快速捕获目标的能力;对于弱目标,通过大量的相关处理,可实时地检测到,提高了激光雷达对微弱目标的检测能力。外场实验结果表明:该方法可有效地提高激光雷达的测距能力,迎头截获距离可提高约2～3倍。