基于多分辨率能量特征的SAR目标检测

针对UWB SAR中二面角目标和树干杂波在方向域和频率域的不同特性,特别是频率域相关特性的不同,给出了一种新的多分辨率划分方法,通过该方法对原始图像的处理得到多分辨率图像序列,并以该图像序列为对象提取能量特征,最终实现了目标检测。对实测数据的检测表明,该方法能有效地抑制杂波,提高目标的检测性能。     

抑制多径干扰的UWB SAR成像研究

传统的SAR成像算法不能消除多径传播的干扰,图像上出现虚假目标。本文建立了一种条带SAR模式的多径散射模型,通过分析得到多径产生的虚假目标的三个特征,即方向依赖、低分辨率和非理想聚焦。对低频大波束角SAR．虚假目标的方向性显著,据此本文提出一种能够抑制多径干扰的超宽带(UWB)SAR成像算法。仿真表明,本文算法可以使真假目标的峰值比提高13～18dB。     

基于Faster-RCNN和多分辨率SAR的海上舰船目标检测

由于海洋表面微波散射情况复杂,强海洋杂波的后向散射往往高于舰船,导致传统舰船检测算法适应能力有限,已经难以满足现阶段舰船智能检测的需求。针对上述问题,将卷积神经网络(CNN)应用于SAR海上舰船目标检测。选取高分辨率Terra SAR-X与低分辨率Sentinel-1A卫星SAR图像。通过SAR仿真分析了不同分辨率下海杂波的特点,据此分析了针对SAR图像的CNN网络结构设计的基本需求。通过分辨率归一化制作混合数据的训练样本集,在Faster-RCNN框架下设计并构建了一个仅3层卷积神经网络用于特征学习,以防止模型过拟合。实验选择了4种不同海洋杂波环境的宽幅SAR图像进行测试,均获得了较好的检测结果。表明提出的多分辨率归一化方法结合卷积神经网络的SAR舰船检测模型具有一定的应用潜力。     

UWB叶簇覆盖SAR人造目标特征信号

穿透叶簇的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,积累角大的特点,能同时获得距离、方位两个方向的高分辨能力,用于探测地面隐蔽人造目标。在VHF/UHF低频段,一般的人造目标可简单模化为目标侧面与地面之间形成的一个长二面角。本文得出了二面角目标模型的散射回波信号形式,从理论上模拟产生了人造目标SAR图像,建立了特征信号库,可用于进一步的目标检测和识别。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network,FPN）常被用作合成孔径雷达（Synthetic Aperture Radar,SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题,提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测,然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框,并使用SAR船舶数据集测试。实验结果表明,所提算法目标检测精确率达到98.62%,在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比,模型准确率提高,整体性能更好。     

DBF相控阵天线在超高分辨率机载SAR中的应用

该文从叠加原理和相控阵天线的扫描原理出发,提出了一种灵活方便的波束生成方法。用此方法由微带贴片天线单元组成了145cm48cm的天线阵,生成了波长为24cm,方位向半功率波束宽度为23的宽波束。由合成孔径原理可知,条带SAR的方位分辨率随波束宽度的变宽而提高。该文将宽波束天线用于超高方位分辨率机载SAR,计算了天线的性能指标和SAR的系统参数。比较了条带SAR和Spotlight SAR这两种常见的SAR模式的分辨率和测绘范围。     

基于隐马尔可夫模型的多孔径SAR目标检测

穿透叶簇的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,积累角大的特点,可同时获得距离、方位两个方向的高分辨能力,能用于探测叶簇隐蔽的军用车辆等人造目标而有着重要的军事应用价值。在多孔径SAR成像的基础上,本文用隐马尔可夫模型对人造目标和叶簇等杂波建模,可有效地检测目标,实现一个ATR系统的预筛选处理。     

基于HMM的机载UWB SAR图像中的点目标检测

UWBSAR图像中的目标检测通常指二面角目标检测，点目标检测由于没有发现军用车辆等人造目标这一直接效益而受到较少关注。为满足一些UWB SAR图像中检测点目标的需求(如图像融合时的配准，通过路灯和树木进行道路检测和为了抑制树干杂波而识别树干杂波等)而研究了其中的点目标检测问题。通过综合运用方向依赖滤波、隐马尔可夫模型和恒虚警率检测技术，设计了一种用于机载UWB SAR图像中的点目标检测算法。     

基于频谱偏移的GEO星机多基SAR提高距离分辨率方法

该文给出了发射端固定的单发多收地球同步轨道(GEO)星机多基SAR几何模型,推导了不同接收端回波之间的频谱偏移.基于该频谱偏移,提出了通过合成不同接收端的频谱实现提高距离分辨率的方法.详细分析了谱合成过程中产生的重叠干扰项,及其对距离分辨率的影响,并提出了权值滤波的方法进行抑制.最后通过仿真验证了方法的有效性.     

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

UWB SAR叶簇隐蔽目标差值变化检测中杂波分布建模分析与应用

由于树林观测区域后向散射强度具有快变特性,现有方法无法对UWB SAR叶簇隐蔽目标差值变化检测的杂波分布进行准确建模分析。为此,首先推导分析了均匀观测场景差值变化检测的杂波分布模型,而后假设观测场景后向散射强度服从伽马分布,在此基础上进一步推导了一种快起伏场景差值变化检测杂波分布模型。实验应用结果表明,该分布模型可对树林区域差值变化检测的杂波分布进行准确建模分析,从而提高变化检测性能。     

UWB SAR叶簇遮蔽目标中的变化检测技术

在超宽带合成孔径雷达叶簇隐蔽目标检测中,目前采用的变化检测算法主要包括归一化相减法和似然比法,这两种算法在实际应用中存在如下问题:归一化相减法在图像相关性较低时性能下降严重,而似然比法需要目标及杂波充分的先验知识。鉴于上述问题,本文提出了一种两级处理变化检测算法,第一级基于修正的线性均方估计构造变化检测量;第二级采用一种改进的秩序滤波器,在保持目标边缘特性的同时,克服了待检测图像中杂波分布的正向拖尾特性,提高了算法检测性能。文中最后基于实测数据验证了算法的有效性。      

轨道UWB地表穿透SAR探雷验证系统

轨道地表穿透合成孔径雷达（GPSAR）是为了评估UWBSAR在地雷目标探测中的可行性和效能，而用高于地面数米支架作为轨道构建的一个地雷目标探测系统。文中首先介绍了轨道GPSAR的系统框架，接着介绍了该系统在射频／耦合抑制、近场SAR成像，以及埋设地雷目标检测方面所作的工作，最后，用一系列实测试验数据及其处理结果验证了轨道GPSAR检测地雷目标的性能。     

距离迁移成像算法在超宽带SAR成像中的应用

超宽带SAR是一种新体制雷达，在成像处理方面有特殊要求。本文详细介绍了距离迁移算法，对其每一个处理流程进行了详尽的分析，并进行了计算机仿真，最后利用超宽带SAR数据实际检验了算法的有效性。     

单通道UWB SAR地面运动目标变化检测

工作在VHF/UHF波段的超宽带合成孔径雷达（UWBSAR）具有叶簇穿透和高分辨成像的能力。文中提出了一种适合单通道UWBSAR的地面运动目标检测方法——基于子孔径图像变化检测的运动目标检测算法。该算法利用UWBSAR的大波束角特点,在方位向选取较大时间间隔的两个子孔径生成子孔径图像,并根据运动目标在不同子孔径图像上聚焦位置的差异检测运动目标,估计运动目标速度和位置。文中给出了该方法的原理、参数选择、实现步骤,并基于UWBSAR实测数据验证了所提方法的有效性。     

低频UWB SAR天线方向图的校准

低频UWB SAR系统具有较大的方位向处理角，因此天线方向图对系统性能的影响不能忽略。本文首先给出接收信号空间和场景空间的对应关系，结合成像模型定性地讨论了天线方向图对系统冲激响应的影响。在实际条件下考虑了距离校正因子、杂波、噪声和目标响应等因素，利用实际数据对天线方向图做了定量分析。最后结合成像处理模型，使校正后的图像质量得到提高。     

低频UWBSAR目标特性的反演

低频超宽带合成孔径雷达(ultra wide band synthetic aperture radar,UWBSAR)目标特性主要表现在其低频散射特性,它是进行目标检测和识别的前提。针对该系统的特点,本文首先给出了目标低频散射特性的计算方法,建立了低频 UWBSAR目标回波模型,利用数字聚束方法,给出了从回波中反演目标散射特性的方法。     

基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测

该文针对载机不同航迹条件下所得多时相UWB SAR图像灰度值存在较大起伏,严重影响了基于像素灰度值差异的变化检测算法性能,提出了一种基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测方法。该方法将Gram-Charlier展开理论同秩序滤波器相结合对多时相图像中每个像素邻域的统计分布进行估计,进而借助K-L散度理论对多时相图像邻域统计分布变化进行定量分析以检测目标对应的变化区域。实验结果表明,该文方法能够更好地适应不同航迹UWB SAR图像间灰度起伏的影响,取得更好的检测结果。     

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.