多波段SAR图像隐蔽和暴露目标标注

为了实现对场景的全面把握,为目标精确打击提供依据。文中提出并研究了多波段SAR图像中隐蔽和暴露目标的标注方法,该方法综合利用了基于决策级融合的多波段SAR图像目标检测和多波段SAR图像分类等方法。将该方法应用于P、L、X和Ku四个波段SAR图像,实现了对同一场景中的7辆卡车状态的标注。实验结果表明,该方法不但可以将场景中7辆卡车的隐蔽和暴露状态准确标注出来,而且能够准确显示目标原方位和姿态以及场景的细节特征,对目标攻击系统具有一定的辅助作用。     

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域，还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法，而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况，运用智能索引变量的CFAR检测技术(VI—CFAR)，使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后，利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

可见光和红外图像决策级融合目标检测算法

为了提高可见光和红外图像决策级融合目标检测算法的性能,提出了一种基于模型可靠性的决策级融合策略。首先采取图像预处理技术提高红外图像的整体质量,之后对可见光与热红外目标检测模型分别进行训练测试,根据模型测试结果得到融合策略所需参数,依据所提出的融合策略对模型检测结果进行融合,得到最后的融合检测结果。实验结果表明,相比于单一目标检测模型的检测结果,所采用的融合算法在白天的漏检率比可见光检测模型降低了8.16%,夜间漏检率比红外检测模型降低了9.85%。     

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

一种新的双通道SAR动目标检测方法

针对机载双通道SAR/GMTI系统,本文提出了一种稳健的地面慢动目标检测方法.文中首先对基于样本协方差矩阵特征值分解的一类动目标检测算法的基本工作原理及各算法存在的优缺点进行了分析;在此基础上,针对该类动目标检测算法稳健性差的缺点,将第二特征值和归一化相位门限预处理引入到双曲线检测算法中,提出一种稳健的双通道SAR动目...     

基于分布式检测的浮标信号检测级融合算法研究

针对单枚浮标对目标检测能力有限的问题,为了提高对目标的检测性能,根据多枚空投浮标的位置和信息特点,对多枚浮标的检测级融合进行了研究;在对分布式检测融合理论进行研究的基础上,研究了基于分布式检测的浮标信号检测级融合体系结构、融合规则、融合算法等.通过仿真验证,给出了各浮标及融合系统的检测性能曲线,及相关系数、接收机信噪比等参数与检测性能的关系.仿真分析结果表明:经过融合后的浮标信息检测性能优于单枚浮标的检测性能.     

基于深度学习的红外与可见光决策级融合检测

提出了一种基于深度学习的红外与可见光决策级融合检测方法。首先,提出了一种介于深度学习模型之间的参数传递模型,进而从基于深度学习的可见光物体检测模型上抽取了用于红外物体检测的预训练模型,并在课题组实地采集的红外数据集上进行fine-tuning,从而得到基于深度学习的红外物体检测模型。在此基础上,提出了一种基于深度学习的红外与可见光决策级融合检测模型,并对模型设计、图像配准、决策级融合过程进行了详细地阐述。最后,进行了白天和傍晚条件下基于深度学习的单波段检测实验和双波段融合检测实验。定性分析上,由于波段之间的信息互补性,相比于单波段物体检测,双波段融合物体检测在检测结果上具有更高的置信度和更精确的物体框;定量分析上,白天时,双波段融合检测的mAP为86.0%,相比于红外检测和可见光检测分别提高了9.9%和5.3%;傍晚时,双波段融合检测的mAP为89.4%,相比于红外检测和可见光检测分别提高了3.1%和14.4%。实验结果表明:基于深度学习的双波段融合检测方法相比于单波段检测方法具有更好的检测性能和更强的鲁棒性,同时也验证了所提出方法的有效性。     

基于滑窗对比度的多源融合目标恒虚警检测方法

随着空天地跨域协同技术的快速发展,多基地雷达利用其构型的特殊性,可实现目标的多视角融合探测,从而改善检测信噪比,然而现有的恒虚警检测算法尚未提出适用于多站构型下的融合检测理论。文中提出一种基于滑窗对比度的多源融合目标恒虚警检测方法。首先,利用地面直角坐标系网格与多站距离环的映射关系,指出多站融合图像中目标区域与背景单元的特征分布差异。其次,通过构建指数型似然比融合检测量,有效增加了目标分辨单元和背景单元的对比度。最后,根据系统虚警指标要求,推导了基于指数型似然比二阶统计量的恒虚警检测门限,在保证虚警性能前提下给出了多站构型目标恒虚警融合检测理论。所提算法充分挖掘了多站融合图像中目标能量的分布特征,为多源融合目标增强检测提供了一种有效途径,仿真结果验证了所提算法的有效性。     

分布式多传感器目标检测中的数据融合

多传感器目标检测，是近十多年来的一个研究热点。然而运用多传感器实施对目标的检测同时带来了一个新的问题，即如何能由多个传感器所提供的信息实时作了准确的判决？文章证明运用（Ｋ／Ｎ）规则于分布式多传感器目标检测时，存在最佳Ｋ值，使得系统的检测概率高于任一传感器的检测概率，虚警概率低于任一传感器的虚警概率。     

一种利用序贯判决信息的雷达检测新方法

 在系统已获得一些判决信息的情况下,本文给出了一种新的可以利用这些判决信息的检测方法.系统已经获得的判决信息可以粗略地理解为关于目标的先验信息,利用这些判决信息可以修正系统当前时刻的判决规则,以提高系统的检测性能.本文分析并得出了该检测方法的似然比判决形式,给出了判决阈值的确定方法,并对系统的检测性能进行了评估.计算机仿真实验进一步验证了该检测方法的可行性.     

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

基于CFAR的SAR目标检测

CFAR检测是由事先定好恒定虚警概率进行目标检测的一种算法,其前提是目标相对于背景具有较强的对比度。CFAR算法通过单个像素灰度和某一门限的比较达到检测目标像素的目的。文中研究了恒虚警概率检测算法,推导了不同拟合分布的具体形式,给出了几种代表性检测器,如CA-CFAR检测器,通过仿真结果证明,在均匀杂波区域中,3种检测器的结果相当,都能检测出目标。但从整体看,CA-CFAR的检测性能更好。     

基于红外双波段数据融合点目标检测算法的实现

在红外系统中,采用单波段的目标检测,通常不能很好地满足系统要求,考虑到红外系统的双波段探测特性,提出了一种基于双波段的红外点目标检测算法,并进行优化,采用迭代方式,容易得到次优的融合后的探测概率。实验表明,该融合后的检测概率与单波段探测概率相比有较大幅度的提高,并且即使在一个探测器水平退化的情况下,仍能优于单波段的探测器。系统仿真实验显示采用该融合算法有着相当稳健性和较大的应用价值。     

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。     

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.