基于局部双参数估计的SAR图像CFAR目标检测技术

提出了在背景杂波呈现Weibull分布条件下的SAR图像恒虚警目标检测方法.从统计分析观点,推导了基于局部窗口的Weibull分布参数估计和自适应CFAR目标检测阈值的计算公式;对检测后的图像进行形态滤波处理以消除检测中的虚假目标;最后提出了应适当选择恒虚警率.仿真结果表明该方法的有效性.     

一种基于G0分布的SAR图像快速CFAR检测方法

杂波统计模型是决定CFAR检测算法性能的关键因素.G0分布能对单视和多视SAR图像中均匀、一般不均匀和极不均匀区域精确建模,但存在参数估计复杂、阈值表达式难以求解的问题,限制了其实用性.针对这些问题,分别采用矩估计法和二分法来完成参数的估计和阈值的求取,并通过目标区域预筛选和迭代计算等手段进一步提高了计算效率,得到了一种兼顾检测效果和效率的快速CFAR检测方法.实验结果验证了该方法的有效性.     

海杂波背景中的一种恒虚警率检测方法

提出了一种适用于机载预警(AEW)雷达海杂波背景中目标检测的双参数有序统计恒虚警(CFAR)处理方法———BOS CFAR方法,并对该方法在非高斯海杂波背景、多脉冲非相参积累和多目标干扰环境下的检测性能进行了讨论和分析。理论分析和仿真结果表明,该方法能有效地提高AEW雷达海杂波背景中的CFAR检测性能。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

非均匀杂波环境中基于粒子滤波的无参目标跟踪算法

目标跟踪算法通常包含对参数杂波密度的测量,该杂波密度通常是不均匀的。目前的无参目标跟踪一般是先假设一个先验未知的杂波密度,假设它均匀分布在一个选好的门限内。这和一个包含强杂波密度、多扫描的目标跟踪算法的选通门限有很大的不同。基于此,提出了一个替代杂波密度估计的无参目标跟踪方法,该算法不假设该杂波在选择的门限内。而是建立在对已测杂波密度估计的基础上,重要的是该估计是在后验目标的轨道更新以前就被估计过,即它是针对杂波密度逆向测量的修正估计。仿真结果表明:该算法在强密度非均匀杂波环境中的有效性。     

基于目标先验知识的二次CFAR检测算法

舰船检测与监视有着广泛的军事和民用意义,而SAR图像是舰船检测的有效手段。针对双参数CFAR算法存在的问题,本文提出了一种基于目标先验知识的二次恒虚警检测(CFAR)算法,能自适应的调整检测窗口的大小,有效提高算法的效率。实验证明,该算法在效率和精度方面都有较大提高。     

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

叶簇环境下,当动杂波比较复杂时,常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法(HD),该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波,提取出动目标。首先,介绍了叶簇扰动环境下的场景建模,并且给出了建模分析和建模场景仿真;其次,给出了HD算法推导过程;最后,在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明,该算法在较低信噪比情况下也能保持较高的检测概率。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

基于改进Hough变换的检测前跟踪算法

针对密集杂波环境中的弱小目标检测问题,提出了一种改进Hough变换的检测前跟踪算法,解决Hough变换参数空间峰值簇拥导致虚假轨迹较多的问题。采用样本方差信息对非相参积累值进行加权,利用时间信息抑制部分杂波和噪声积累峰值,改进非相参积累的积累方法;依据各单元的积累值对局部峰值簇拥的几个单元进行融合处理,改进阈值提取的峰值提取方法。仿真分析表明,改进算法检测目标虚假轨迹少于标准Hough变换方法,与先检测后跟踪方法相比,改进算法有3~4 d B信噪比得益。     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。     

高分辨率UAV SAR的三维运动误差分离与补偿

在基于SAR回波的数据处理中,多普勒调频率具有很高的估计精度且对场景的依赖性很小,可以更广泛地用于自聚焦处理。基于多普勒调频率参数估计,针对回波包络及相位分别提出了误差提取模型,并通过包络误差校正和相位误差补偿两个步骤实现了高精度的运动补偿处理。实测数据表明,本文方法可以在低精度导航信息情况下获取高分辨率雷达图像。     

基于高精度景象匹配的SAR平台定位方法

提出一种利用SAR图像与光学基准图高精度匹配实现SAR平台定位的方法。利用成像中间时刻SAR平台与SAR图像中心线上物点在水平面的投影共线的特性,在图像中心线上均匀选取若干点作为匹配点,并与光学基准图进行高精度景象匹配获取它们的物点坐标;根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程;利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置,进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度,分别提出对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。还分析了不同误差因素对平台定位精度的影响,并给出精度估计公式。仿真和实际图像实验结果表明,方法正确可行,具有较高的定位精度,具备工程实用价值。     

杂波环境下机动目标跟踪的分布式估计算法

本文考虑了杂波环境下机动目标的多雷达跟踪问题，提出了一种分布式联合估计算法。子站独立于总站，并单独跟踪，把当地估计结果周期地传送给总站，由总站进行合并，得出基于所有子站量测的全局估计。数字仿真表明，分布式联合、估计算法在各种性能指标上都优于单站跟踪算法。     

基于高精度景象匹配的SAR平台定位方法研究

为了提高SAR平台定位精度，本文提出了一种基于景象匹配的SAR平台定位的方法。该方法利用成像中间时刻SAR平台与SAR图像中心线上物点共线的特性，先在图像中心线上均匀选取若干点作为匹配点，并与光学基准图进行高精度景象匹配获取它们的物点坐标；然后根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程；最后利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置，进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度，分别提出了对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。本文还分析了不同误差因素对平台定位精度的影响，并给出了精度估计公式。仿真和实际图像实验结果表明，本文方法正确可行，具有较高的定位精度，具备工程实用价值。