基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。

一种基于广义似然比的最小方差活动轮廓模型

针对传统活动轮廓模型(Snake)对初始轮廓要求高、无法进行多目标提取且抗噪性弱等缺陷,提出了一种新的基于广义似然比的最小方差活动轮廓模型。该算法在区域活动轮廓模型的基础上引入广义似然比信息,以目标区域和背景区域具有最小方差为准则设计了新的能量函数,并使用梯度下降法最小化能量函数,驱动轮廓线不断收缩至物体边界。合成图像和真实图像的实验结果证明,基于新模型的活动轮廓提取算法对初始位置不敏感,具有一定的抗噪性,并适用于多目标场景。