基于改进旋转区域生成网络的遥感图像目标检测

为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标检测方法进行对比分析后可知,本文算法因融合了多尺度特征及旋转区域网络的卷积神经网络所提取的特征,能得到更好的检测结果。     

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

基于短波红外遥感影像的船只自动检测方法

针对近海、内河场景中船只检测准确性低的问题,提出了一种基于短波红外遥感影像实现水体分割和船只自动检测的方法。利用水体在短波红外波段反射率低的特点,采取阈值分割和形态学处理的方法,从影像中快速准确地提取水体区域;使用视觉显著模型搜索水面目标,提取候选目标的图像切片;对可能存在的伪目标,使用灰度分布直方图描述目标切片的灰度分布特征,并结合梯度方向信息通过阈值判别的方法去除伪目标。结果表明,该方法能高效检测近海、内河中不同尺寸的船只目标;显著性检测共获得279个候选目标,经目标鉴别步骤检测出142个真实目标中的138个,虚警率小于6%,召回率大于97%。     

基于3D卷积自编解码器和低秩表示的高光谱异常检测

针对高光谱影像数据维度高、空间和光谱信息利用不足以及局部结构特征表达有限等问题,提出了一种基于3D卷积自编解码器和低秩表示的高光谱异常检测算法。首先,通过3D卷积自编解码器提取高光谱影像的空谱特征,并针对高光谱图像的局部区域强相关性,设计了一种新的损失函数来约束中心像素和周围像素,以提取判别性较强的特征图;然后,针对所提取的特征图,通过基于密度的空间聚类算法构建背景字典,并利用低秩表示分离出异常区域;最后,融合由3D卷积自编解码器得到的重构误差和异常区域检测结果,得到最终检测图并为异常目标关键信息的挖掘提供依据。为了验证所提算法的有效性,在两个真实的机场高光谱数据集上进行飞机等目标检测实验,ROC、AUC量化指标和主观分析等实验结果表明,与其它6种异常检测算法相比,本文算法具有更高的异常目标检测精度。     

双注意力循环卷积显著性目标检测算法

显著性目标检测是机器视觉领域的研究热点,具有广泛的应用前景。针对现有显著性目标检测算法存在的显著区域检测不均匀、边缘表示模糊等问题,提出一种双注意力循环卷积显著性目标检测算法。在U-Net全卷积骨干网络中添加像素间-通道间双注意力模块,在跨层连接前对底层特征进行预处理,减小噪声和杂波干扰,提高显著区域检测性能。在骨干网络后端使用循环卷积模块,将最后的预测图与底层卷积层特征进一步结合,增强预测区域边缘的表示效果。在三个公开数据集上进行实验评测,并与相关算法进行对比,结果表明所提算法能更好地均匀突显显著区域和细化区域边缘。     

基于地物光谱特征分析的高分辨率遥感图像水上桥梁提取

水上桥梁是一种典型的人造目标。利用高分辨率遥感图像进行水上桥梁提取,对于民用、军用和商业都具有重要意义。论文在分析地物光谱特征的基础上,提出了一种利用高分辨率近红外波段遥感图像进行水上桥梁提取的方法。首先,根据水体在近红外波段的光谱特征,采用迭代法选取阈值提取水体信息,以限制桥梁提取的空间范围;然后,对水体信息进行数学形态学运算,以连接因桥梁而断开的水体;其次,对数学形态学操作前后的水体信息进行叠加分析,以提取候选桥梁目标;最后,在桥梁先验特征知识的辅助下,去除伪桥梁目标。论文设计了仿真实验,以验证方法的有效性和适用性。实验结果表明,基于地物光谱特征分析的高分辨率遥感图像水上桥梁提取方法是行之有效的。     

EMD和SPA算法在光谱法检测面粉过氧化苯甲酰添加量中的应用

将经验模态分解(EMD)和连续投影算法(SPA)结合用于面粉过氧化苯甲酰(BPO)添加量的近红外光谱检测分析中。在波长898～1 725 nm范围内采集添加了BPO的面粉样本光谱,先通过EMD分解法对其进行噪声预处理,然后利用SPA算法提取光谱特征波长。EMD处理后的光谱建模精度比原始光谱建模精度大大提高,通过SPA算法从512个波长中提取了7个特征波长,基于特征波长建立的模型,与EMD处理后全波长建模结果相比,建模波长个数大幅缩减,但是模型精度与全谱建模相当,结果表明：EMD和SPA结合可有效用于面粉BPO检测的光谱去噪和特征波长提取,该结果为开发便携式面粉BPO检测仪提供了参考和依据。     

基于多层卷积特征融合的目标尺度自适应稳健跟踪

针对复杂跟踪条件下目标的稳健跟踪和精确尺度估计问题,提出了一种基于多层卷积特征融合的目标尺度自适应稳健跟踪算法。算法首先利用VGG-Net-19深层卷积网络架构提取目标候选区域的多层卷积特征,通过相关滤波算法构建二维定位滤波器,得到多层卷积特征并进行加权融合,从而确定目标的中心位置;然后通过对目标区域进行多尺度采样,提取其梯度方向直方图特征构建一维尺度相关滤波器,确定目标的最佳尺度。实验结果表明,与6种当前主流跟踪算法相比,该算法取得了最好的跟踪成功率与精度,同时在跟踪过程中较好地实现了对目标快速尺度变化的自适应跟踪,且具有较快的跟踪速率。     

基于多层卷积特征融合的目标尺度自适应鲁棒跟踪

针对复杂跟踪条件下目标的鲁棒跟踪和精确尺度估计问题,提出了一种基于多层卷积特征融合的目标尺度自适应鲁棒跟踪算法。算法首先利用VGG-Net-19深层卷积网络架构提取目标候选区域的多层卷积特征,通过相关滤波算法构建二维定位滤波器,得到多层卷积特征并进行加权融合,从而确定目标的中心位置;然后通过对目标区域进行多尺度采样,提取其HOG特征构建一维尺度相关滤波器,确定目标的最佳尺度。在复杂跟踪条件下的实验结果表明,与6种当前主流跟踪算法相比,该算法取得了最好的跟踪成功率与精度,同时在跟踪过程中较好地实现了对目标快速尺度变化的自适应跟踪,且具有较快的跟踪速率。     

卷积神经网络用于近红外光谱预测土壤含水率

近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。     

二值化特征在快速舰船目标预选中的应用

为了快速准确地自动提取和识别海面舰船疑似目标,为舰船目标精检测提供可信的数据基础,采用了二值化特征进行舰船目标粗检测,并根据舰船窄而长的几何特征提出了改进算法,按照舰船目标不同的方向分别进行模板训练。实验表明,二值化特征可以有效地提取疑似舰船目标,并且改进算法可以在提取窗口数相同时,提高查全率,更利于进一步的精检测。     

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。     

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。     

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。     

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.     

Ship motion estimation from polarized Doppler spectra from ship wakes on two-dimensional sea surfaces

Abstract

The main purpose of this paper is to investigate the Doppler spectra from ship wakes on two-dimensional sea surfaces and further estimate the ship motion characteristics. The analysis of the ship wakes is helpful to detect the existence of ships on sea surface. And it will be an alternative method when the radar cross-section values are not competent to identify the ship target. In the study, Doppler spectra for different polarizations are compared with and without ship’s wakes based on the second-order small slope approximation method. As expected, there appears the second spectral peak when ship’s wake is considered. Moreover, the ship velocities, wind speed, and direction are also analyzed. As the results shown, there is a good linearity relation between the position of the second Doppler spectral peak and the ship velocity. Therefore, it is feasible to detect ship according the Doppler spectra.     

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.     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

高光谱图像的海面溢油自动检测方法研究

海面溢油对海洋环境会生成许多有害物质,导致位于食物链底端的浮游生物大量死亡,进而危害整个海洋生态系统。高光谱遥感可以获取溢油和海水的空间分布信息和光谱分布信息,利用高光谱图像进行溢油检测具有更好的检测性能。针对高光谱图像的海面溢油检测过程中需要人工辅助的缺点,提出一种基于自适应匹配滤波的高光谱图像海面溢油自动检测方法。首先,利用场景中溢油的C—H键光谱特性,设计一种溢油参考光谱特征提取模型,获取溢油检测过程中的参考光谱。其次,依据海水、云以及溢油光谱反射特性的差异,选取海水、云和溢油差异最大的波段,分割海水像素,计算溢油检测过程中的背景参数。最后,将目标检测中经典的自适应匹配滤波方法进行适当的改进应用于溢油的检测。将该方法应用于实际墨西哥湾airborne visible infrared imaging spectrometer(AVIRIS)高光谱遥感影像的海面溢油的检测,结果表明该方法具有计算速度快,不需要人工辅助等方面的特点,可用于海面溢油的自动检测。     

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.