基于MRNSSD模型的遥感图像中飞机目标检测方法

飞机检测一直是遥感图像分析领域的研究热点之一,遥感领域现有的检测方法检测流程复杂,难以实现整体优化,同时对于背景复杂的区域或者飞机密集停靠的区域检测精度较低。针对上述问题,本文提出一种基于MRNSSD(Multiscale Residual Network Single Shot Detector)模型的端到端的飞机目标检测方法。该方法通过一个前置的深度残差网络提取目标特征,后面再连接由多个卷积层构成的子网络对目标进行检测和定位。本文检测方法融合多个特征层的信息,同时设计一系列候选框的长宽比,以实现不同规格飞机的精准检测。本文的检测方法将所有检测流程整合在一个网络中,完全摒弃了繁琐的候选框提取阶段,更加简洁高效。实验结果表明,在场景复杂的遥感图像中,该方法能够达到较高的检测精度。

基于回波的多子带SAR系统载频误差补偿方法研究

为了提高SAR系统的分辨率,在距离向可以通过发射一系列不同载频的窄带信号,通过信号处理的方法实现带宽合成,进而得到等效大带宽信号对应的分辨率。为有效实现带宽合成,要求不同子带回波的载频步进值严格已知,这在某些实际应用环境中,并不能总是满足,因而需要从回波数据中直接估计步进值。该文提出一种基于子带回波数据的载频误差估计与补偿方法。该方法基于压缩后子带回波数据多普勒相位与载频的关系,对子带图像进行干涉处理,提取差分相位,并利用差分相位沿方位向的冗余进行相干积累,获得以实际载频步进值为振荡频率的单频信号,进而通过频谱分析方法得到误差频率,并对子带间相位误差进行补偿。通过该方法,能够实现子带信号的相干合成,提升了SAR数据成像质量。实验数据的处理结果验证了该方法的有效性。