基于岸线特征点合并的极化SAR图像小型港口检测

为了对极化合成孔径雷达(polSAR)图像中小型港口目标进行自动检测,在分析小型港口特性的基础上,提出了一种基于岸线特征点合并的检测方法。首先,使用极化SAR图像水平集分割算法实现精确的海岸线提取,并通过数字曲线分裂归并算法提取海岸线轮廓特征点;然后针对小型港口轮廓特征点比非港口区域轮廓的密集的特性,提出了一种岸线特征点合并算法实现港口检测。分别用RADARSAT-2系统获取的新加坡和湛江海岸区域极化SAR数据对提出方法进行了试验。实验结果表明,该方法能够正确地检测沿岸小型港口。

临近空间高超声速目标修正随机Hough变换TBD算法

针对临近空间高超声速目标的检测跟踪问题,提出一种修正的随机Hough变换检测前跟踪算法。首先,为尽可能克服远距离条件下角度误差带来的较大位置偏差,通过解耦的方式将量测点迹映射至精度较高的径向距离-时间平面进行检测;然后,为更合理地合并参数空间特征点并提升积累效率,构建检验统计量并与自适应门限进行比较,将特征点合并问题转换成两个正态总体均值差的自适应假设检验问题,并利用点数积累与能量积累相结合的双重积累方式进行积累检测;最后,为进一步降低虚假航迹数,引入运动约束和航迹合并措施,得到最终按时序关联的检测航迹。仿真结果表明,相比标准Hough变换检测前跟踪算法,本文算法在检测概率相差不大的情况下具有更少虚假航迹和更低运行时间。