基于双重虚警控制XGBoost的海面小目标检测

为了提升雷达对海面小目标的探测能力,本文提出一种基于双重虚警控制的极限梯度提升（eXtreme Gradient Boosting, XGBoost）的目标检测方法,解决高维特征空间中分类器设计难的问题。首先,从时域、频域、时频域中挖掘了海杂波和含目标回波的精细化差异,并将这些差异凝聚为7个特性,进而构建高维特征空间。然后,发展了一种双重虚警控制的两分类器。在第一重中,重新定义XGBoost的损失函数,通过迭代调整两类错误率的惩罚因子,实现结构层面上的粗虚警控制。在第二重中,将分类概率作为统计量,实现参数层面上的精虚警控制。最后,经实测数据验证,所提出的检测器能精准控制虚警且具备稳健的探测能力。     

基于小波变换的红外成像海面小目标检测算法

文中研究海面少像素舰船红外目标的自动检测算法，针对红外图像噪声干扰大，舰船目标像素少，但存在相对连续的目标小块区域等特征，考虑采用小波变换的方法达到增强目标，抑制噪声的效果，对用小波变换处理后的图像，分析目标和背景部分的灰度对比度，用图像对比度的方法易检测出舰船小目标。     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标.在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合.在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标.实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法.     

基于三维凹包学习算法的海面小目标检测方法

对于特征类的海面小目标检测方法,现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现,该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况,进而对检测器性能造成一定程度的损失。相比之下,使用凹包算法生成的判决区域是由凸包内剖得到的,它能更加贴合海杂波样本的分布,因此该文将判决区域的形式由凸包转化为凹包,并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时,针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点,该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后,经实测CSIR数据及X波段试验雷达数据共同验证,在其他参数均相同时,该文方法的检测性能要优于已有的多特征检测方法,并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。     

基于随机森林和XGBoost的网络入侵检测模型

为提高复杂网络环境中入侵检测模型的准确性和实时性,提出一种基于随机森林和极端梯度提升树（XGBoost）的网络入侵检测模型RF-XGB。首先针对随机森林算法计算特征重要性的特点,设计混合特征选择方法高效筛选出最有价值的特征子集;在XGBoost算法中引入代价敏感函数来提高对少样本类别的检测率,使用网格法调参降低模型复杂度。实验仿真结果表明,与其它机器学习算法相比,所提出的模型在具备更高检测精度的情况下减少了50%以上的处理时间,并在噪声影响下具有较好的鲁棒性和自适应性。      

海面漂浮小目标的特征联合检测算法

该文研究了高距离分辨海杂波背景下漂浮小目标的检测问题。漂浮目标使得周围海面的散射特性发生了改变,目标所在的分辨单元的回波满足非加性模型,导致该模型中依赖于目标的参数难以统计建模。为了避开参数建模,该文将检测问题转化为二元分类问题,即确定海杂波所属于的类,目标检测就是判别回波是否属于该类。针对此分类问题,提出了基于非加性模型的特征联合检测算法,首先在回波中提取两个特征组成归一化向量,然后利用凸包训练算法获得判别区域,最后以判别区域是否包含该向量作为判别准则。实测的IPIX雷达数据实验结果表明,该文算法在高分辨海杂波下的检测性能优于对比算法,为海事雷达检测小目标提供了新的检测方案。     

基于子带矩阵CFAR的海面慢速小目标检测算法

对于K分布海杂波环境下的目标检测,基于信息几何理论的矩阵CFAR检测器是一种有效的目标检测方法.但矩阵CFAR方法计算复杂度高且当目标多普勒频率严重偏离杂波频谱中心时,其检测性能不如自适应归一化匹配滤波器(ANMF)方法,影响其实际应用.为此,该文以滤波器组对接收信号进行滤波处理,提出一种基于滤波器组子带分解最大特征值...     

基于子带矩阵CFAR的海面慢速小目标检测算法

对于K分布海杂波环境下的目标检测,基于信息几何理论的矩阵CFAR检测器是一种有效的目标检测方法.但矩阵CFAR方法计算复杂度高且当目标多普勒频率严重偏离杂波频谱中心时,其检测性能不如自适应归一化匹配滤波器(ANMF)方法,影响其实际应用.为此,该文以滤波器组对接收信号进行滤波处理,提出一种基于滤波器组子带分解最大特征值的矩阵CFAR检测方法(FD-MEMD),通过双杂波抑制来解决目标多普勒频率偏离杂波频谱中心时矩阵CFAR方法失效的难题.最后,仿真实验验证了所提FD-MEMD具有较好的检测性能.     

基于知识的旋转海面小目标检测

针对海面小目标处于海空线这一先验知识,提出了基于小波变换和多方向Gabor滤波融合的方法,检测任意角度的海天线,确定小目标的潜在区域,减少搜索区域与虚警情况,并利用运动目标的相关性检测小目标。结果表明,该方法对于复杂的海面背景是有效的,能够很好地检测出目标点。     

基于正交投影的海面小目标检测技术

强烈的海杂波将海面低速运动小目标的回波信号淹没,导致雷达难以检测到目标。针对这一问题,该文提出了基于正交投影的恒虚警率(CFAR)检测方法。该方法利用邻近距离单元杂波的相关性,通过正交投影方法实现对杂波的抑制,进而实现CFAR检测。同时,该文给出了基于正交投影的CFAR检测器实现结构图,对比分析了正交投影方法与奇异值分解方法的杂波抑制效果和计算量。理论分析与实测数据处理结果验证了该文所提方法的优越性。     

基于改进YOLOv5的海面目标检测算法

针对海面目标检测模型难以应用在存储能力和计算能力较小的移动端的问题,提出一种基于改进YOLOv5的海面目标检测算法。采用轻量级提取网络ShuffleNetv2 Block作为YOLOv5网络的骨干部分,减少模型计算量和参数量;使用加权双向特征金字塔网络模块替换原特征融合网络模块,提高网络对不同尺度的特征提取能力;引入坐标注意力机制,提高模型检测精度。在海面目标数据集上进行实验,结果表明：与YOLOv5模型相比,改进模型的精确率、召回率、平均精度分别提高了1.2%、1.4%、0.9%,计算量和参数量分别降低了55.8%,54.9%。改进后的YOLOv5模型不仅提高了检测精度和模型性能,还压缩了模型的计算量和参数量,有利于部署在移动设备端。     

基于小波变换的海面红外小目标检测

本文提出了一种基于小波多尺度分析的海面红外目标自动检测方法.在分析海空场景图像特征的基础上,利用小波多分辨率分析和小波变换良好的局部分析特性,研究了图像预处理和目标检测的小波分析方法.通过实验证明本文提出的检测算法在各种复杂的海空背景以及不同环境干扰下有较好的检测效果.     

基于双邻域对比度的红外小目标检测算法

为了解决密集多目标检测中易造成的漏检问题,提出一种基于双邻域对比度的红外小目标检测算法。首先利用峰值搜索算法筛选出候选目标;再通过单尺度3层双邻域窗口遍历候选目标; 最后利用双邻域对比度模型计算候选目标区域的最小灰度对比度,并用对角梯度因子增强对比度和抑制杂波。结果表明,与5种对比方法相比,该方法的背景抑制因子和对比度增益分别平均提高4.7倍和1.8倍,有效地抑制了杂波,增强了目标。该研究能够准确地检测到相互接近的多个目标,对提高复杂背景下的多目标检测精度是有帮助的。     

基于稳健深层网络的雷达高分辨距离像目标特征提取算法

特征提取是雷达高分辨距离像(HRRP)目标识别的核心技术。传统的特征提取算法多采用浅层的模型结构,容易忽视样本的内在结构,不利于学习有效的分类特征。针对这一问题,该文利用多层非线性网络实现特征学习,构建了基于深层网络的雷达HRRP目标识别框架。利用平均像在散射点不发生越距离单元走动的方位帧内具有稳健物理特性的性质,提出了堆栈联合稳健自编码器。该网络由一系列联合稳健自编码器堆栈化实现,在匹配原始HRRP样本的同时,约束同帧样本趋近于平均像,并将网络的最终输出作为分类器的特征输入。基于实测HRRP数据的实验结果验证了所提算法的有效性。     

基于二阶梯度的红外小目标检测方法

为了提高复杂背景下红外图像中弱小目标的检测概率同时降低虚警率,本文提出一种基于二阶梯度的红外弱小目标检测算法。首先基于小面模型采用二维离散正交多项式对原始图像局部灰度分布进行拟合,然后设计二阶方向导数滤波器对图像进行滤波并分解为不同的方向通道,再根据极值定理对不同的方向通道求取极值图像,随后对极值图像进行形态学滤波以增强目标能量并进一步抑制背景杂波,之后对极值图像进行归一化处理并统计其直方图,利用直方图灰度分布选取合适的分割阈值,进行阈值分割后得到二值图像并最终确定目标位置。实验结果表明,该方法在信噪比极低的复杂背景下可准确地对弱小目标进行检测。     

基于海岸线背景的海面小目标检测方法

针对海岸线背景下的海面小目标的自动检测问题展开讨论,提出一种目标所在感兴趣区域的自动提取算法,将水域和复杂背景分离,并对分割后的二值图像进行标记,海面区域即水域应该是标记块中面积最大的一块,利用此特征提取出感兴趣区域——水域。对感兴趣区域进行轮廓跟踪后再用原始灰度进行扫描填充,在得到的简单背景下对目标进行局部中值滤波,进而用F—R准则将感兴趣舰船目标检测出来。最后拟利用感兴趣舰船目标区域的方差值计算感兴趣目标出现的置信度估计值,若置信度大于90％,则认为是真目标。实验结果给出了实验处理时间和所识别出的各个目标的置信度．表明了本文算法的有效性。     

基于Hurst指数差异的海面小目标检测

针对传统舰载雷达和岸基雷达很难检测出海杂波背景下小目标的现状,提出一种基于Hurst指数差异的方法来检测海杂波背景下小目标。该算法基于小波分析法：计算各种极化方式下不同距离门的海杂波的Hurst指数,分析发现距离门含有小目标的Hurst指数明显大于距离门只含有海杂波的Hurst指数,而只含有海杂波的不同距离门间Hurst指数变化较小,因此可基于不同距离门的Hurst指数差值作为检测小目标的标准。实验证明,该算法可在没有任何先验知识条件较准确地检测出海杂波背景下的小目标。     

基于频域多通道图特征感知的海面小目标检测

海洋物理环境和电磁环境日趋复杂,海杂波背景下的微弱慢速小目标检测始终是一个研究难点和重点。海面小目标的雷达散射截面积小、回波能量低,传统基于能量的检测方法存在性能瓶颈。基于特征的检测方法聚焦于提取纯杂波和目标回波的差异性特征来实现目标检测,且有效提升了检测性能。该文利用回波数据间频域中幅度的关联性,将图论的方法引入到特征检测中。首先将实测数据进行块白化处理,对海杂波进行一定的抑制,然后在频域提取各多普勒通道下的数据,借助图的处理方法,构建所提取数据的距离邻接矩阵,再转换为拉普拉斯矩阵。该方法计算不同时间序列下拉普拉斯矩阵的最大特征值,并将其与刻画频域能量信息的相对多普勒峰高进行融合,得到新的检验统计量来区分纯杂波和含有目标的回波。通过全相参的X波段(IPIX)实测数据验证,该文所提方法的检测性能更为优越。     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.