利用全极化SAR数据去方位向模糊的舰船目标检测方法

在SAR成像过程中,利用目标相对于雷达运动的多普勒频率进行方位向压缩来提高方位向分辨率。对于海面舰船目标,往往由于SAR发射的脉冲重复频率过低,回波信号的多普勒频率欠采样,引起高亮度的方位向模糊噪声,产生虚假目标。若直接利用传统CFAR、子孔径相干等目标检测算法,会把方位向模糊引起的虚假目标误判为舰船目标,降低了舰船目标的检测精度。针对SAR影像方位向模糊现象,提出一种利用全极化SAR数据的舰船目标检测算法,其利用H-A-Alpha分解得到的第三散射机制,结合方位向全极化子孔径相干,消除了方位向模糊噪声对舰船目标检测的影响,提高了舰船目标的目标杂波比。通过采用日本玉野Kojimawan港口附近的C波段AIRSAR全极化数据进行试验,验证了该算法能消除SAR方位向模糊,降低虚警率,提高舰船目标的检测精度。

一种多极化SAR舰船目标与方位向模糊鉴别方法

针对SAR图像舰船目标检测过程中存在方位向模糊造成虚警的问题,该文设计了一种基于改进的H/a/Wishart非监督分类的多极化SAR图像舰船与方位向模糊鉴别方法。该方法首先提取目标散射回波峰值区域,以该区域的H/a分类结果为初始聚类中心,利用复Wishart分布的最大似然分类器改善分类结果,通过对比分析各散射类型区域的结构鉴别舰船目标和方位向模糊。通过实验表明该方法能有效地鉴别舰船目标与方位向模糊,减少SAR舰船目标检测过程中存在的虚警。

基于方位向模糊区位置去除虚假船的检测方法

模糊性是合成孔径雷达重要参数之一。在进行港口或是海面舰船检测时,当模糊区域能量过高会导致产生虚假目标。雷达照射到强散射物体时会产生虚假影像,严重影响对图像的判读,进而影响舰船目标检测的准确性。基于提高舰船检测准确性的目的,本文先从模糊性来源入手,通过分析计算方位向模糊值,并且结合虚假影像的特点提出了分块区域下通过方位向模糊区位置,鉴别虚假目标,最后通过实际数据分析验证了该方法的有效性,提高舰船检测的准确性。

星载SAR影像上船舶方位向模糊去除算法

目的掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。

基于散射梯度矢量的PolSAR数据舰船检测方法

针对传统舰船检测方法通常存在漏检弱小舰船和虚警方位向模糊等问题,提出了一种基于散射梯度矢量的极化合成孔径雷达(PolSAR)数据舰船检测方法。首先,在PolSAR数据的散射矢量的基础上,构建散射梯度矢量,以提高船海对比度;然后,利用散射梯度矢量提取香农熵特征,再结合舰船和海面的香农熵特征差异,选取最佳香农熵阈值进行舰船检测,以提高弱小舰船的检测性能;最后,根据方位向模糊与其真实舰船的方向角度、位移距离和香农熵特征去除方位向模糊。通过采用AIRSAR和GF-3 PolSAR数据进行实验,并将提出的方法与HH通道方法、改进极化Notch滤波(IPNF)方法和广义相对最优极化(GOPCE)方法进行对比,验证了该方法能够检测弱小舰船,去除方位向模糊,从而提高舰船检测精度。

SAR渐进扫描模式波位线性设计方法

针对星载合成孔径雷达渐进扫描模式系统波位设计流程复杂、效率较低的问题,首先对星载合成孔径雷达渐进扫描模式系统波位设计中一些尚未被关注的问题开展研究及论证,包括方位向分辨率随距离向变化的特性、天线方位向偏扫引入栅瓣对方位模糊度的影响以及时序关系同观测效率之间的关系。在此基础上提出线性流程的波位设计方法,该方法根据方位模糊度指标要求对脉冲重复频率进行优化选择,增加了系统设计的自由度,避免了迭代运算的过程,提升了系统波位设计的能力。最后通过仿真验证了本文方法的有效性。

基于PCDM香农熵的全极化SAR图像船舶目标检测方法

极化合成孔径雷达(PolSAR)数据包含了丰富的地物极化散射信息,已被广泛应用于海上交通监测与目标检测。根据船舶目标与海杂波背景在图像上的极化响应差异,提出了一种基于极化协方差差异矩阵PCDM(Polarimetric Covariance Difference Matrix)香农熵的全极化SAR图像船舶目标检测方法。首先计算极化协方差矩阵中元素与邻域元素的差值,由此得到协方差差异矩阵,以提高"船—海"对比度。然后根据香农熵计算公式提取图像的香农熵特征,并依据目标和背景的不同特性对船舶进行检测。针对检测结果中存在的由方位向模糊导致的虚警,根据目标与方位向模糊的偏移量和能量比关系进行移除。利用Radarsat-2全极化精细扫描数据和高分三号GF-3全极化条带1数据进行实验,并将提出的方法与SPAN方法、HV通道、PWF方法进行对比。结果表明:该方法能有效增强船海对比度,并有效提高检测准确率。