基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。      

SAR图像车辆目标ROI的提取技术

SAR图像感兴趣目标区域(Region Of Interest, ROI)的提取是目标识别的基础。该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered Data Variability Index, ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别。最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警。     

一种SAR与可见光图像压缩感知融合增强方法

针对机载多传感器成像战场态势感知的问题，提出了一种合成孔径雷达(Synthetic Aperture Radar，SAR)与可见光图像压缩感知融合增强方法。该方法首先对SAR与可见光图像分别进行压缩感知测量，得到压缩测量值，然后通过基于局部权值的融合方法实现对压缩测量值的融合，再利用有序度最优分割法提取SAR图像的强散射目标，最后对融合测量值重建得到初步融合图像，初步融合图像通过目标对比度增强得到最终融合图像。对多组图像进行了仿真分析，视觉及数值结果表明该方法能显著增强融合图像的目标对比度，提升了图像纹理清晰度，较大程度降低了图像融合过程中的数据计算量。     

基于多传感器信息融合的远距离目标检测

远距离目标检测具有重要的军事应用价值,而多传感器能提供互补和冗余信息,在远距离目标检测中具有独特的优势。针对可见光和红外热图像序列中的远距离目标,提出了一种基于信息融合的目标检测方法。该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,定义了运动目标区域可信度度量,利用融合的规则确定了最后的运动区域。在运动区域中利用简单的分割方法将目标提取出来,最后经过特征级融合得到了检测结果。本方法不需要进行背景估计,多传感器信息的冗余增强了检测结果的可靠性,实验结果证明了本文方法的有效性。     

基于ROI自动提取的SAR图像压缩

在机载SAR应用中,基于感兴趣区域(ROI)保护的有损压缩是解决传输实时性的有效方法,而ROI的自动提取则是制约系统整体性能的关键环节.本文提出了一种基于ROI自动提取与保护的SAR图像压缩策略,首先将图像进行分解,然后在结构分量内对包含潜在目标的区域进行检测,生成敏感目标区域掩码,然后对图像的结构和纹理分量分别使用基于小波和多尺度几何分析的方法来进行压缩编码,在压缩时对ROI区域进行保护性的低损压缩,对背景杂波区域进行有损压缩.本文方法针对航拍SAR图像中易于在压缩中产生模糊的小型人造目标区域进行保护性压缩.在同样的码率条件下,恢复后的图像与标准的JPEG2000算法相比具有更好的视觉效果,适用于依赖于人眼判读与反应能力的人在回路应用.     

红外图像中人体目标检测技术研究

针对红外序列图像中人体目标检测问题,采用了基于特征点的特征区域提取方法,先用FAST算法快速提取特征点,然后基于提取出的特征点,使用LBP算法提取特征区域,在得到感兴趣的特征区域（ROI区域）后,用对ROI区域进行基于离散小波变换的小波熵特征提取,并采用复合分类方法对ROI区域进行分类,利用此方法有效地将人体目标从红外序列图像中检测出来。     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.     

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

基于SCM和CST的红外与可见光图像融合算法

针对红外与可见光图像的成像特点及目前红外与可见光图像融合中融合图像信息量不足的问题,结合复剪切波变换(Complex Shearlet transform,CST)及脉冲发放皮层模型(Spiking cortical model,SCM)的优点,本文提出了一种新的红外与可见光图像融合算法。首先,利用红外图像目标与背景灰度的显著差异,通过区域生长方法从红外图像提取目标区域;然后用CST对源图像进行分解,对源图像的目标区域和背景区域系数分别采用不同的融合规则进行融合,其中背景区域的高频子带系数利用SCM进行选择;最后,经过CST逆变换重构融合图像。研究结果表明,与其它的红外与可见光图像融合算法相比,本方法在视觉效果和客观评价指标上都得到了提升。     

基于边缘特征的SAR图像与光学图像的匹配

提出了一种新的基于边缘特征的合成孔径雷达(SAR)图像与光学图像相匹配的算法，可用于无人飞行器的导航。首先针对SAR图像低信噪比的特定情况，提出了一种简单实用的线状特征提取方法。而后在提取边缘的基础上，采用改进的具有强抗干扰能力和容错能力的Hausdorff距离作为相似性准则进行图像匹配。在搜索策略上．采用遗传算法来加快搜索的速度。实验结果表明，这种算法匹配精度高，计算速度快。     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

SAR图像线条特征提取方法研究

雷达图像的线条特征提取算法一般分为三步，首先作图像预处理，然后采用特定的边缘检测算子提取边缘点，第三步形成各种有意义的线条特征，并且将断裂的长线连起来。常见的提取算法都是基于光学图像的，所以在确定边缘点时，假定图像中的噪声是加性高斯白噪声。这样，在合成孔径雷达（SAR）图像中使用光学图像中提取边缘点的方法就不行了，这是因为SAR图像中的相干斑噪声是服从K分布的。不过，将边缘点连接为有意义的线条特征的方法还可以沿用。所以，我们可以采用两步检测算子来检测边缘点，然后使用从相位编组思想演化而来的方向编组法形成直线条特征方法。大量的实验验证了这种方法对于SAR图像是切实可行的。     

基于视觉显著性的SAR遥感图像NanoDet舰船检测方法

在合成孔径雷达遥感图像中,舰船由金属材质构成,后向散射强;海面平滑,后向散射弱,因此舰船是海面背景下的视觉显著目标。然而,SAR遥感影像幅宽大、海面背景复杂,且不同舰船目标特征差异大,导致舰船快速准确检测困难。为此,该文提出一种基于视觉显著性的SAR遥感图像NanoDet舰船检测方法。该方法首先通过自动聚类算法划分图像样本为不同场景类别;其次,针对不同场景下的图像进行差异化的显著性检测;最后,使用优化后的轻量化网络模型NanoDet对加入显著性图的训练样本进行特征学习,使系统模型能够实现快速和高精确度的舰船检测效果。该方法对SAR图像应用实时性具有一定的帮助,且其轻量化模型利于未来实现硬件移植。该文利用公开数据集SSDD和AIR-SARship-2.0进行实验验证,体现了该算法的有效性。      

Localized Radon transform-based detection of ship wakes in SARimages

Presents a Radon transform-based approach to the detection of ship wakes in synthetic aperture radar (SAR) images. The key element of this technique is a localization of the Radon transform, whereby the intensity integration is performed over short line segments rather than across the entire image. A linear feature detection algorithm, which utilizes this localized Radon transform, is then developed. In this algorithm, referred to as the feature space line detector algorithm, the transform space is subjected to processing which serves to isolate and locate the response of linear features and suppresses the response of false alarms. This algorithm is tested on both synthetic images corrupted by various levels of Weibull multiplicative noise and on actual SAR images of ship wakes. The results of this testing demonstrate the algorithm's robustness in the presence of noise, as well as its ability to detect and localize linear features that are significantly shorter than the image dimensions     

Hierarchical Feature-Based Detection Method for SAR Targets Under Complex Environment

A reliable target detection method for Syn-thetic aperture radar (SAR) images is needed urgently with the wide application of SAR systems. The perfor-mance of conventional detection algorithms, such as Con-stant false alarm rate (CFAR), degrade significantly in low SCR or complex regions while the Human visual system (HVS) can identify targets of interest without knowing characteristics of the background even in complicated en-vironment. The combination of HVS with the SAR-ATR system may effectively achieve real-time multi-target de-tection in complex occlusion scenes. A new effective tar-get detection algorithm is put forward using hierarchical characteristics of targets. Inspired by different roles of the retina and visual cortex in the HVS, this detection algo-rithm is divided into coarse detection and fine detection stage. Two kinds of features based on the correlation be-tween target features and suspicious targets, namely over-all feature and refined feature, are used in these two stages respectively to extract real targets. Experimental results verify its correctness and effectiveness in complex environ-ment.     

基于视觉注意机制的UWB SAR叶簇隐蔽目标变化检测

在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性.     

SAR图像人造目标检测研究

在合成孔径雷达(SAR)自动目标识别中,人造目标的检测至关重要。该文根据SAR图像的特点,对图像中的人造目标进行了检测。首先采用自适应小波滤波方法对图像进行滤波,在保留图像细节的前提下有效地去除了图像中的乘性噪声,使后续的检测变得相对容易。然后采用基于自适应遗传算法的C-划分二维模糊熵算法对图像进行分割。实验结果表明,该文方法能够有效地检测出图像中的人造目标。     

基于稀疏表示的SAR地面目标分割技术

提出了一种引入先验约束的合成孔径雷达(SAR)图像的目标分割技术,以解决强杂波背景干扰下的目标分割困难问题。不同于基于统计理论的目标检测,文中利用目标图像切片在图像域的稀疏性,通过稀疏分解的方法构建目标特征窗函数实现目标的检测,并引入目标的形状先验对目标区域进行修正;然后,利用目标阴影的空间约束对基于统计检测的阴影区域进行修正,实现目标的分割;最后,基于实测数据验证了算法的有效性。