基于极化交叉熵和Yamaguchi分解的飞机目标检测方法

给出了一种基于极化交叉熵和Yamaguchi分解相结合的飞机目标检测方法。首先计算极化SAR图像中各个像素点与平面、左螺旋体、右螺旋体三种基本散射体的相似性参数,并利用相似性参数构造极化交叉熵;然后采用Yamaguchi分解方法提取偶次散射分量功率;最后结合极化交叉熵与偶次散射分量功率构造检测特征量,并进行阈值判别提取飞机目标。利用美国UAVSAR和美国AIRSAR系统采集的全极化实测数据对算法进行实验,结果表明,该算法能够有效的检测出飞机目标,并且虚警较少。

区域筛选与多级特征判别相结合的PolSAR图像飞机目标检测

目的针对全极化、复杂场景下飞机目标检测问题,提出了区域筛选与多级特征判别相结合的PolSAR飞机目标检测方法。方法首先对原始PolSAR图像进行滤波及去取向预处理,消除相干斑和随机取向对检测效果的影响;其次对图像进行基于功率值的区域分割,提取感兴趣区域;然后对感兴趣区域进行区域筛选,提取疑似飞机目标;最后以功率交叉熵、背景匀质性、功率差异度为特征对疑似飞机目标进行筛选,得到最终的检测结果。结果利用美国NASA实验室的AIRSAR和UVASAR系统采集的Half-Moon-Bay、Kahului及Kona地区的实测数据进行实验,并与其他方法进行了对比。在实验1中,本文方法和对比方法均能准确检测出场景中存在的2架飞机目标,本文方法产生了7个虚警,对比方法产生了22个虚警;在实验2中,本文方法和对比方法都检测出了4架飞机目标,本文方法产生了4个虚警,对比方法产生了17个虚警;在实验3中,本文方法检测出了15架飞机中的13架,产生了6个虚警,对比方法检测出了6个待测目标,产生了17个虚警。结论本文方法在提取出疑似飞机目标的前提下,利用多种特征对疑似飞机目标进行筛选,不需要提取出机场跑道和停机坪区域,避免了由于跑道和停机坪区域提取不完整导致的检测不准确的问题,相比于对比方法,本文方法在降低虚警和漏警的同时,提高了运算效率。