基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

一种基于图像分割和归一化灰度Hough变换的SAR图像舰船尾迹CFAR检测算法

该文提出了一种新的SAR图像舰船尾迹的恒虚警检测算法。该方法首先检测出舰船并将舰船部分用图像灰度均值代替;分别以舰船重心为中心分割出一定尾迹长度的正方形区域并以舰船重心为中心将图像分割成4个子图像,对各子图像进行归一化灰度Hough变换,分割后的尾迹在子图像中的对比度得到了提高。在各子图像变换域依概率模型进行统计建模实现了CFAR检测,最后将4个子图像的检测结果进行融合得到最终的检测结果。检测结果更好地提取出了尾迹,并且实现了尾迹的CFAR检测。仿真结果验证了算法的有效性。

改进的SAR图像双参数CFAR舰船检测算法

双参数CFAR检测中设置了目标窗口、保护窗口和背景窗口3个窗口,并且窗口的大小,滑动步长都要进行经验训练得到,效率低,对距离很近的舰船SAR图像会产生漏检。针对这些不足,该文提出了一种改进的双参数CFAR检测算法,该算法只取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除并对背景窗口中的剩余部分进行均值和方差估计来检测舰船,并且将窗口滑动步长取为目标窗口尺寸。相对双参数CFAR算法,结构得到了简化,检测结果的虚警率减小,对距离很近的舰船不会产生漏检,计算效率得到了改善。仿真结果表明了方法的有效性。

一种基于局部K-分布的新的SAR图像舰船检测算法

提出了一种基于局部K-分布的新的SAR图像舰船检测算法.取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除,对背景窗口中的剩余部分统计均值和方差,最终得到杂波分布概率模型进行恒虚警检测.相对于K-分布CFAR检测算法和基于局部窗口的K-分布CFAR检测算法,该算法能够适应杂波的局部变化,对距离很近的舰船不会产生漏检.仿真结果表明了方法的有效性.

经验模式分解去斑和顶帽变换在舰船检测预处理中的应用

提出了一种基于经验模式分解去斑和顶帽变换背景不均匀的预处理方法.经验模式分解去斑算法先对图像每一列进行经验模式分解得到IMF函数,然后将原信号与第一、二模态相减得到初步处理图像,再对该图像每一行重复该操作从而得到去斑图像,该算法有效地去除斑点噪声;顶帽变换则有效地补偿了海浪带来的局部不均匀的背景亮度,提高了图像的信杂比,有利于目标的检测.仿真结果证明了算法的有效性.

一种基于独立联合K-分布CFAR的舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点.利用舰船目标的灰度相关性和形状特性与背景杂波的差异,提出了一种基于独立联合K-分布CFAR的舰船检测算法.算法建立了海杂波的二维独立联合K-分布概率模型,通过给定的虚警率得到检测阈值以对图像进行检测.该算法能够极大地抑制斑点噪声和背景局部不均匀对检测带来的影响,有效地降低了虚警数,检测效果得到了明显改善.

基于灰度相关性的SAR图像联合CFAR舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点,利用了SAR海洋图像中舰船目标的灰度相关性、形状特性以及舰船目标与背景杂波的信杂比特性,提出了一种基于灰度相关性的联合CFAR舰船检测算法。算法综合利用了舰船目标内部相邻像素间的灰度强相关性和舰船目标和海杂波的信杂比,建立了海杂波区域内相邻像素间灰度值的二维对数正态分布来实现联合CFAR检测。该算法能够改善斑点噪声和背景局部不均匀对检测带来的虚警,检测效果相比于传统检测算法更加优越。

地球同步轨道星载降雨测量雷达设计

分析了雨的空间分布特性,对现阶段降雨测量雷达的现状进行了调研,提出了一种地球同步轨道星载降雨测量雷达设计方法。该雷达采用Ka频段工作频率,采用螺旋扫描实现5 000km直径的圆区域覆盖,可实现0.3mm/h以上强度降雨的探测。同时,地球同步轨道降雨测量雷达可实现定点观测,通过3~4颗卫星组网即可实现全球覆盖。该雷达是实现全球气候与环境变化监测,军事战场作战环境综合探测的必要装备。

SVD和顶帽变换在舰船检测中的应用

提出了一种奇异值分解和顶帽变换在舰船检测中的应用方法。该方法利用了奇异值分解重构技术来抑制斑点噪声,同时通过使用顶帽变换技术去除背景不均匀并提升目标的信杂噪比。奇异值分解重构去斑算法先对图像进行奇异值分解,然后经验选取一定数量的大特征值及其对应的特征向量进行重构图像,在尽量保持原图像中目标边缘信息的条件下可以有效地去除斑点噪声,同时海杂波区域得到了平滑;顶帽变换则有效地补偿了海浪带来的局部不均匀的背景亮度,提高了图像的信杂比,有利于目标的检测。仿真结果证明了算法的有效性。

一种基于最小二乘直线拟合的高分辨率DBS成像算法

该文分析了应用于扫描模式下的传统多普勒波束锐化成像算法(DBS)及其改进算法的特点和不足,提出一种新的高分辨率多普勒锐化算法。该算法给出了相干累积点数的选取原则,考虑了距离徙动校正,并利用最小二乘直线拟合方法将模仿SAR的方位聚焦处理技术推广到一般大范围扫描情况,较大幅度地提高了DBS算法的成像质量。机载雷达实测数据的处理结果证明了方法的有效性。

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。

广域监视模式下新的杂波加噪声谱密度矩阵估计方法

该文研究了SAR/GMTI系统广域监视(WAS)模式下杂波的特点,基于该特点,可以通过一个多普勒单元的杂波加噪声谱密度矩阵来估计另一个多普勒单元的杂波加噪声谱密度矩阵,并推导了相应的估计公式。在此基础上提出新的杂波加噪声谱密度矩阵估计方法,即通过第i 1个和第i+1个多普勒单元的杂波加噪声谱密度矩阵来估计第i个多普勒单元的杂波加噪声谱密度矩阵,并联合特征矢量子空间投影的方法可以大大减弱目标污染样本对空时处理性能的影响。仿真结果表明这种方法的有效性。

用ZMNL方法实现地面杂波的建模与仿真

应用零记忆非线性变换法(ZMNL),对幅度分布特性为瑞利分布、对数正态分布和韦伯分布,功率谱特性为高斯谱和平方谱的地杂波进行建模和仿真.实现了实时动态地模拟实际采集的雷达地杂波,而且可按给定的功率谱模型产生满足非高斯分布的随机数据序列.仿真结果和理想模型的吻合,证明了ZMNL是有效的地杂波仿真方法.最后研究了ZMNL方法产生误差的原因,以及ZMNL方法的适用范围.

一种快速星载合成孔径雷达波束优化算法

针对星载合成孔径雷达(SAR),提出了一种快速的波束优化算法。该方法以快速傅里叶变换(FFT)为基础,对星载SAR的波束进行赋形,并压制了模糊区。利用快速傅里叶逆变换(IFFT)快速计算出方向图,然后和期望的方向图进行比较,对不满足期望方向图的区域,直接用期望方向图的值代替。重复上述操作,直到方向图满足设计要求。和原有的波束优化方法相比,该方法不做各种复杂操作,因而大大节省了优化时间,提高了速度。两个仿真结果都表明该方法实用、高效。

安徽省安庆市沿江沼泽湿地恢复空间分析

[目的]对安徽省安庆市沿江沼泽湿地区的沼泽湿地生态系统恢复进行空间分析,为沼泽湿地生态环境的改善提供科学依据。[方法]针对安庆市沿江沼泽湿地退化严重的现状,在分析区域功能特征的基础上,构建沼泽湿地空间恢复模型,并实现区域内沼泽湿地空间恢复,继而得到沼泽湿地优先、次优先恢复以及不可恢复级别。最后从整体景观效果和沼泽湿地功能两个恢复角度评价沼泽湿地恢复效果。[结果]安庆市沿江沼泽湿地恢复面积为5.78×104 hm2,在现有沼泽湿地面积基础上提高了35.78%。以耕地为主,占沼泽湿地恢复面积的91.43%。其中,优先恢复面积为2.92×104 hm2,主要分布于研究区的中北部地区;次优先沼泽湿地恢复面积为2.86×104 hm2。不可恢复面积为3.61×104 hm2,主要为水域、建筑用地等不可变更区域。[结论]经过恢复效果验证,从景观整体格局分析可知,沼泽湿地恢复后,研究及区域内沼泽湿地的斑块数量减少,而平均斑块密度增加,聚集度指数增加,景观多样性指数上升,说明沼泽湿地恢复实施后,景观格局更有利于朝着沼泽湿地生态功能的发挥,对维护区域生态安全具有很大的现实意义。

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。

基于GLCM-GMRF纹理特征和深度置信网络的SAR图像分类

传统基于深度置信网络(deep belief network,DBN)的合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类方法受相干斑噪声影响严重,文章通过引入图像的纹理特征作为先验信息,反映像素间的空间关系和不同地物类型的独有特性,提出了一种基于GLCM-GMRF纹理特征和DBN的SAR图像分类方法。该方法利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取SAR图像在空间上的灰度相关特征,同时利用高斯马尔可夫随机场(Gaussian Markov random field,GMRF)建立邻域像素间的统计相关特性,组合提取得到的GLCM-GMRF纹理特征与图像强度矢量,送入DBN网络进行学习和分类。采用RADARSAT-2数据进行实验验证,实验结果表明,与传统DBN、支持向量机(support vector machine,SVM)分类方法相比,该方法可以有效抑制相干斑噪声影响,取得更好的分类结果。

点特征相似与卷积神经网络相结合的SAR图像分类算法研究

基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判。针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Point feature Similarity-based Convolutional Neural Network,PSCNN),并将其用于SAR图像分类,以凸显邻域像元对中心像元分类结果的影响力,从而减小误分,提升分类精度。实验结果表明,相比传统基于CNN的SAR图像分类方法,该算法一方面能更充分利用图像块的邻域信息,有效抑制相干斑的影响,提升匀质区域的分类精度;另一方面借助块匹配方式,能够充分保留图像块的结构信息,有效提升边界定位精度。

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF(Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。