红外偏振图像的舰船目标检测

红外成像系统作为探测舰船目标的一种重要方式,在军事侦察中起着至关重要的作用,面对复杂背景、恶劣天气环境等情况时,目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响,针对上述问题,开展了基于红外偏振图像的舰船目标检测方法研究。通过8～12μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像,样本中舰船目标309个。对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算,发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。在前视红外图像中,舰船目标通常位于海天线附近或下方,但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大,为此提出红外偏振图像海天线检测方法,对红外偏振图像直方图进行高斯滤波消除局部极值,依据海面与背景的偏振特征差异,利用双峰法阈值分割检测海天线,最后利用霍夫变换检测海天线,分割出海面作为目标候选区域。针对红外偏振图像受到海杂波严重干扰的问题,提出海杂波背景抑制算法,采取背景抑制,距离加权方法抑制偏振图像中杂乱的海杂波背景。最后,利用MSER算法检测舰船目标,根据舰船目标特性约束条件剔除非目标区域。对86组红外偏振图像进行舰船目标检测实验,所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线,通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰,检测准确率、查全率分别为93.2%和95.7%,优于红外舰船目标检测方法,特别在红外图像对比度低的场景下检测效果提升明显,检测准确率、查全率分别提高了46.5%和16.4%。表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度,有利于准确检测海天线,提高舰船检测准确率和查全率,对复杂背景及恶劣天气有较强的适应性,在军事应用中具有极大应用价值,对红外波段舰船目标检测技术的发展有着极为重要的意义。     

海杂波背景下小目标检测的分形方法

针对海杂波背景下小目标检测对海情依赖性强的问题, 本文采用分数布朗运动模型对实测海杂波建模, 结合多重分形去势波动分析法确定分形参数, 分析了海杂波的单尺度、多重分形特性. 在单尺度分形的基础上, 利用表征海杂波分形特征的分数维和Hurst指数构建了分形差量, 提出了基于分形差量的小目标检测方法;在多重分形基础上, 比较了两种海杂波的高尺度多重分形特性. 结果表明, 当尺度q > 10时, 纯海杂波的多重分形参数H(q) < 0, 而存在小目标的H(q) > 0, 此差异性为高尺度分形参数的海杂波背景小目标检测提供了判定依据. 所研究的两种方法均能实现不同海情下的小目标检测.     

海杂波FRFT域的分形特征分析及小目标检测方法

针对海杂波背景下海情对小目标检测的严重影响, 本文研究了实测海杂波在分数阶Fourier变换(FRFT)域的分形特征, 分别提出了单、高尺度下的分形检测方法. 由数学定义推得, FRFT 在不同阶数和尺度情况下, 不具有一致的自相似特性, 采用多重分形趋势波动分析法确定分形参数H(q), 分析了海杂波在不同海情、距离和极化条件下的分形特征. 在单尺度基础上结合FRFT的变阶优势, 提出了阶数自适应的小目标检测方法; 高尺度条件下, 比较了不同因素对海杂波FRFT域多重分形参数的影响. 结果表明:海杂波FRFT域可用变换阶数的方法检测到湮没在复杂海情中的小信号, 检测门限多数提高200%以上, 比采用时域信号提高26.3%. H(q) 在负高尺度上具有明显的多重分形特征差异, H(q)-q曲线满足反正切分布, 纯海杂波与含目标数据的拟合幅值比分别大于1.8(HH)和1.4(VV), 为海杂波背景小目标检测提供了判定依据.     

舰船目标红外图像特性研究

针对成像型反舰导弹所获红外图像的特点,分析了舰船目标和海天背景的红外辐射特性,得知舰船目标红外图像有一重要特征-海天线,它可以确定目标的所在区域。为了舰船目标的跟踪定位,对舰船目标红外图像中的海天线特征进行研究,提出一种基于预处理和直线拟合法提取海天线特征的算法,首先对图像进行边缘检测得到梯度图像,进而二值化并细化,最后利用Hough变换提取海天线。结果表明,在低对比度和有云团干扰的情况下,该算法与改进的直线拟合法相比,能够有效地、准确地提取舰船目标红外图像中海天线特征。     

全景图像海天线提取及舰船目标自动检测

为实现海洋环境下全景摄像机自动目标检测,提出了一种全景图像海天线提取算法及海天线上舰船目标检测方法;首先,分析了全景图像中海天线的成像特点,使用基于分区的自适应阈值Canny边缘检测算法进行边缘检测,并对海天线边缘进行双阈值梯度方向过滤;然后,对图像边缘进行细化,提出了基于最长曲线法的海天线边缘提取算法并进行椭圆拟合得到海天线边缘成像椭圆方程;最后,介绍了根据海天线椭圆方程对海天线上舰船目标进行检测的方法;使用3种不同海洋环境下拍摄的图像进行了实际测试,实验结果表明:该方法可有效地检测出复杂海天背景下的海天线及海天线上舰船目标,海天线提取成功率可达95％以上,对径向成像高度超过10个像素的目标识别成功率可达90％。     

红外装甲目标检测中背景抑制技术研究

鉴于红外装甲目标检测中红外图像对比度低、背景复杂,导致图像的信噪比低而难于进行目标的检测,提出一种基于小波和改进的分形理论相结合的背景抑制方法。针对红外图像呈现的相关性强的特点,利用小波分析将图像中的低频缓变背景滤除,得到包含目标和强边缘杂波的图像;又由于目标分形维数对尺度的敏感程度高于边缘杂波的分形维数,提出通过计算图像在不同尺度内不规则因子的变化率来进一步抑制背景中的边缘杂波。实验表明:该算法能显著提高图像的信噪比(信噪比增益在2左右),对背景边缘有很好的抑制效果。     

海杂波的分段分数布朗运动模型

主要研究了分段分数布朗运动(PFBM)模型在雷达海杂波分形建模中的应用.由于自然界和人造系统中研究对象不具有数学上完美的分形特性, 从而研究对象的分形特性无法在整个尺度区间上成立, 传统上, 海杂波的单一分形模型仅利用无标度区间内海杂波的自相似信息进行参数估计, 并没有考虑海杂波在无标度区间以外的尺度下所包含的信息.分段分数布朗运动从频域角度对海杂波频谱进行分段描述, 对应到时域即从粗略尺度和精细尺度两方面描述海杂波时间序列.结合海杂波产生的物理背景, 该模型可以为海杂波时间序列在粗略尺度和精细尺度下表现出的不同粗糙度提供机理性解释.在此基础上, 还研究了具有不同多普勒频率的运动目标对海杂波的影响, 结果表明运动目标对粗略尺度和精细尺度下海杂波的影响程度是不同的.     

海杂波背景下的目标检测新方法

提出了一种基于分形布朗运动模型的S波段雷达海杂波分形维数提取方法.分析了基于记忆库混沌时间序列预测方法，引入一种改进核函数的支持向量机分类器.在此基础上，提出了一种新的海杂波背景下目标检测方法.应用S波段雷达实测海杂波数据，计算得到了该信号的分形维数与Lyapunov指数，验证了S波段雷达海杂波的混沌分形特性.仿真实验结果验证了该方法具有较强的检测能力和抗杂波性能. 关键词： 分形布朗运动 分形维数 记忆库预测方法 支持向量机分类器     

基于小波leaders的海杂波时变奇异谱分布分析

海杂波的奇异谱分析不仅能从理论上揭示海洋表面的动力学机理,同时也是对海探测雷达的关键技术之一.本文提出基于小波leaders的海杂波时变奇异谱分析方法,将时间信息引入海杂波的奇异谱分析之中,从而实现动态的解析描述海杂波随时间变化的奇异谱特性.在理论上,通过信号自身加窗,将时间信息引入传统的奇异谱(或称多重分形谱),实现了对海杂波时变奇异谱分布分析;在算法上,充分利用了小波leaders技术对于多种奇异性的提取能力(包括chirp奇异性和cusp奇异性),通过对时变奇异性指数和时变尺度函数的Legendre变换,实现对海杂波时变奇异谱分布的计算;在应用部分,采用经典的多重分形模型——随机小波序列(RWC)以及三级海态条件下连续波多普勒体制雷达海杂波进行仿真分析,实验结果表明:1)基于小波leaders的奇异谱分布能跟踪海杂波的时变尺度特性,有效展示其时变奇异性谱分布;2)算法具有较好的负矩特性和统计收敛性.该方法能为复杂非线性系统及随机多重分形信号分析提供参考.     

基于图像跟踪的孔洞目标提取与区域定位研究

针对纤维材料图像分割后提取的目标图像孔洞之间粘连明显、不封闭、分布不均匀和大小不一等特点,采用常规链码与带方向链码两种跟踪手段,运用链码差实现了对边缘的方向性表示.通过结合三点圆拟合算法,对目标孔洞边缘进行了补全,再用链码跟踪所获得的边缘信息对拟合边缘进行修正,实现了对目标孔洞区域的有效定位.     

纹理高阶分形特征在海面舰船目标检测中的应用

针对复杂海面环境下的舰船目标检测，分析了高阶分形特征缝隙在纹理分类中的应用，提出了一种基于分形维与缝隙的目标检测新方法，并利用该方法对海面舰船目标进行了检测。实验结果表明利用纹理分形维与缝隙特征进行海面舰船目标检测，可以取得较单一分形维检测更高的准确率。     

复杂背景下扩展目标极形态分形分割算法

 用极形态算子优化分形模型，提出了一种复杂背景下的扩展目标分割新算法。首先分析极坐标系中可变尺度形态结构算子的旋转缩放特性，并以此为基础进行极形态运算，再利用最小二乘法提取分形尺度误差进行二值化，然后进行边界跟踪，依据先验知识抑制背景团块，最后保留并填充面积最大的目标团块。仿真实验证明能够有效分割复杂背景下的扩展目标，并较好地保留了目标形状特征。     

基于PDE的前视红外成像舰船目标检测

针对复杂环境下的海面目标提取问题,提出一种基于偏微分方程（PDE）的红外舰船检测算法。首先采用基于PDE理论的滤波模型对初始图像滤噪并进行背景估计,然后结合邻域差分进行背景抑制后分割提取目标。实验表明,该算法能够有效检测强杂波背景中的目标,方法适应性强。     

Estimation of sea clutter inherent Doppler spectrum from shipborne S-band radar sea echo

Measurement of shipborne radar sea echo is instrumental in collecting the sea clutter data in open sea areas. However,the ship movement would introduce an extra Doppler component into the spectrum of the sea clutter, so the sea clutter inherent spectrum must be estimated prior to investigating the sea clutter Doppler characteristics from the shipborne radar sea echo. In this paper we show some results about a shipborne sea clutter measurement experiment that was conducted in the South China Sea in a period between 2017 and 2018; abundant clutter data have been collected by using a shipborne S-band clutter measurement radar. To obtain the sea clutter inherent Doppler spectrum from these data, an estimation method, based on the mapping relationship between the shipborne clutter spectrum and the inherent clutter spectrum, is proposed. This method is validated by shipborne clutter data sets under the same measuring conditions except for the ship speed. Using this method, the characteristics of the Doppler spectrum lineshapes in the South China Sea are calculated and analyzed according to different sea states, wave directions, and radar resolutions, which can be instrumental in designing the radar target detection algorithms.     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

Detection of Target Embedded in Sea Clutter by Means of Millimeter Wave Radar

Sea clutter was measured using a millimeter wave radar with a frequency of 34.86GHz and pulse length of 30ns. A car carrier ship target was embedded in sea clutter. It has been discovered that target pulse-to-pulse fluctuations obey a Weibull distribution and sea clutter obey a Rayleigh distribution. We obtained target to clutter ratio improvement of 23.8dB by applying the cell average LOG/CFAR techniques. The computer simulation has been made to evaluate the detection probability and the false alarm probability. The simulation result was in good agreement with the observed data.