改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度(AP)和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。

基于阴影的视频SAR动目标检测与跟踪方法综述

视频合成孔径雷达(SAR)是一种融合了SAR和视频成像技术的先进雷达成像系统,不仅具有传统SAR成像的特点,还可以实时获取目标丰富的动态信息,在运动目标检测和跟踪上具有明显优势。运动目标在视频SAR序列中表现出明显的阴影特征,并且阴影特征能够近似反映目标的真实位置,具有定位精度高、检测概率高等优势,这使得基于阴影的动目标检测与跟踪技术成为当前视频SAR领域的研究热点之一。文中对目前基于阴影的视频SAR动目标检测与跟踪方法进行梳理总结,对比各方法的性能,分析目前视频SAR动目标检测与跟踪方法的优势和存在的不足,明确视频SAR运动目标检测与跟踪亟需解决的问题。

基于阴影的视频SAR动目标检测

视频合成孔径雷达(SAR)是雷达成像邻域的研究重点之一,其具有高帧率连续成像特性,有利于对地面运动目标进行实时监测。虽然动目标自身图像难以聚焦,但由于雷达工作频率高,合成孔径时间较短,其真实位置会存在阴影,利用此特征可进行动目标检测。本文对基于阴影的动目标检测流程进行了探讨,并提出了一种新的背景建模方法用于对消待检测图像的背景目标。通过实验验证,该方法能更好地剔除目标阴影对背景的影响,使对消后目标阴影完整保留,从而改善漏警率。

基于深度学习的视频SAR动目标检测与跟踪算法

视频合成孔径雷达(synthetic aperture Radar,SAR)技术被广泛应用于军事侦查、地质勘探和灾害预测等领域。由于SAR视频存在很多的相干斑(Speckle)噪声以及镜面反射、叠掩效应等干扰因素,运动目标容易与背景或其他目标混淆在一起。针对上述问题,文章提出了一种有效的视频SAR目标检测与跟踪算法。首先,提取视频SAR的多个特征用于构造多通道特征图;然后,使用改进的轻量EfficientDet网络对更深层的特征进行提取,从而在兼顾算法效率的同时提升SAR目标检测的准确度;最后,采用基于目标检测框的轨迹关联策略对视频SAR中同一目标进行关联。实验表明,本研究提出的方法针对SAR阴影目标检测与跟踪任务取得了较好的效果。

基于改进Efficient-Det的Video SAR动目标检测方法

动目标阴影检测是近年来视频合成孔径雷达(Video SAR)领域中的一项具有挑战性的任务。动目标阴影存在着尺寸易变、深浅不一的特点,使得视频SAR动目标检测更加困难。文中提出了一种基于改进神经网络Efficient-Det的视频SAR动目标检测方法。首先,为获得动目标阴影的更多空间位置信息,通过融入坐标注意力机制重建了Efficient-Det网络的主干部分;其次,为进一步减少计算量,对颈部网络剪裁并将深度可分离卷积替代头部网络中原本的卷积。在网络训练过程中,采用非极大抑制法来筛选预测框,损失函数采用回归损失和交叉熵损失的组合,其中的交叉熵损失是用来抑制正负样本极端不平均带来的负面作用。通过实验验证,文中方法可有效提升视频SAR动目标阴影检测的准确性与效率。

基于改进YOLOv5的Video SAR动目标检测算法

视频合成孔径雷达图像中动目标阴影可反映其真实位置,针对目前利用深度学习检测阴影的方法来检测动目标存在检测概率低和虚警等问题,提出一种改进的YOLOv5模型。该算法以YOLOv5框架为基础,一方面添加小目标检测层、引入兼顾通道和空间的三维注意力机制,并调整损失函数计算方法为最小点距交并比方法,来提升网络对动目标阴影的感知能力;另一方面增加道路提取作为判定条件,来降低道路外侧静止物体阴影对检测动目标阴影的干扰。经实验验证,该算法与YOLOv5相比在平均精度上提高7.12%,满足动目标检测需求。

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的“亮线”特征进行检测。与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势。最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性。

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。

基于阴影检测的视频SAR运动目标速度估计方法

针对视频合成孔径雷达(SAR)成像中运动目标速度估计,提出一种基于阴影检测的运动目标速度估计方法。首先,将相邻帧SAR图像进行对消获得对消图像,通过图像处理方法对阴影进行检测;然后,利用区域分块方法对阴影进行定位;最后,利用阴影区域像素累积方法估计运动目标的距离向速度和方位向速度。该方法避免了直接对运动目标的检测和参数估计,降低了检测复杂度,仿真实验结果验证了本算法的有效性。

一种稳健的视频SAR动目标阴影检测与跟踪处理方法

视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。

一种基于阴影检测的视频SAR运动目标检测方法

在视频SAR(合成孔径雷达)图像中,目标的运动导致其成像发生散焦和偏移,使得难以直接从图像上识别出目标本身。但目标的遮挡会在真实位置留下阴影,基于对阴影的检测可以实现运动目标检测。该文在阴影检测的基础上,针对视频SAR图像特性,提出了一种快速背景建模和建立感兴趣区域的动目标检测算法.该算法在对视频SAR图像进行配准、降噪后,其改进的背景建模方法能对目标进行有效补偿以快速提取干净背景.然后通过有效积累动目标阴影在图像序列间的变化信息,建立感兴趣区域缩小了后续检测范围.在Sandia实验室发布的视频SAR数据(Eubank大门)上进行的对比实验中,该算法取得了良好的检测性能,表明其能够有效抑制虚警和漏警,在多目标场景中具有更强的鲁棒性.

基于阴影检测的单幅高分辨SAR图像动目标检测方法

本文根据合成孔径雷达(SAR)运动目标的成像特点,提出了一种基于单幅高分辨率SAR图像的动目标检测方法。运动目标所成SAR图像是散焦的,同时偏离其真实位置,并在其真实位置处留下与目标大小近似的"阴影"区域。通过该阴影区域来实现运动目标的检测,没有盲速的限制,这种独立于回波的检测方法,使检测过程简单化。再结合道路辅助信息,可以完成运动目标的检测,精确定位以及参数的估计。

一种适用于双通道星载SAR的动目标检测技术

实用的星载SAR/GMTI系统仍处于研制阶段,从工程实现的角度研制一发双收的星载SAR/GMTI处理系统是可行的,仿真结果表明这种体制能够有效抑制地杂波,增强信杂比,从而检测出被地杂波淹没的慢动目标信号,并进行动目标参数估计.运用论文给出的原理和检测方法对机载SAR/GMTI战场侦察雷达试验系统录取的动目标数据进行了实际验证,获得了多帧连续可靠的真实动目标轨迹.

一种新的双孔径天线干涉SAR动目标检测方法

提出了一种基于双孔径天线沿航迹向干涉SAR进行动目标检测、测速及定位的新方法 .该方法在分析杂波对消必要性的基础上 ,给出了进行地杂波对消、动目标检测、径向速度分量估计及定位的原理和实现方法 .在恒虚警处理后 ,通过比较杂波对消后的残差图像与原始图像中运动目标和静止目标对消幅度的差异 ,检测出运动目标 .同时 ,可以利用残差图象中杂波的对消特性进行运动目标径向速度的估算以及目标的定位 .这种检测方法具有良好的杂波对消性能 ,能够完成被地面背景杂波掩盖的运动目标的检测、测速及定位 .

基于DPCA和干涉技术的SAR动目标检测

通过分析相位中心偏置天线(DPCA)技术和干涉处理的优点和缺点,该文提出了一种用三孔径合成孔径雷达(SAR)对地面运动目标进行检测的新方法。该方法不仅能够检测出动目标,还能够精确估计动目标参数,即确定出动目标的真实位置和运动速度,然后对动目标聚焦成像。该文方法简单,运算量小,通过计算机仿真数据验证了该文算法的正确性和有效性。

基于子孔径分解的SAR动目标检测方法

运动目标在合成孔径雷达SAR(Synthetic Aperture Radar)图像中的成像会出现模糊,散焦等现象,并且会在方位向出现明显的偏移,这些会导致运动目标的目标杂波比TCR(Target-to-clutter Ratio)降低.本文在子孔径分解技术的基础上提出一种从单通道SAR单视复图像SLC(Single Look Complex)中检测动目标的方法,该方法通过子孔径图像之间的相减操作来抑制杂波,从而提高TCR.通过对机载CV-580数据和星载Envisat ASAR数据进行测试,证明了该方法的有效性.

一种VideoSAR动目标阴影检测方法

在高帧率的视频合成孔径雷达(VideoSAR)成像模式获得的图像序列中,多普勒频移使运动目标在实际位置留下阴影,且相邻帧图像具有很强相关性。该文针对上述现象提出一种VideoSAR图像中动目标阴影检测的方法。首先,对每帧图像通过结合尺度不变特征变换(SIFT)和随机抽样一致性(RANSAC)算法实现配准并进行背景补偿,再采用CattePM模型抑制相干斑噪声。然后通过Tsallis灰度熵的最大化阈值分割方法自动分离目标和背景,获得二值图像。最后,对相邻多帧图像背景建模并差分,再结合三帧间差分法提取动目标阴影,结果标记至原帧图像相应位置。基于美国Sandia实验室公布的VideoSAR成像片段,实现了多个移动车辆的检测,验证了所提算法的有效性。

基于时空相关性检测的视频序列动目标检测方法

在充分分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种基于视频序列像素时空相关性检测的动目标检测方法。该方法首先用每一帧中像素的空间相关性检测出目标;再用序列图象中目标的时间相关性检验目标的真实性。实验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力。

地面慢速运动目标的单天线SAR检测与成像

本文研究了单天线SAR对地面慢速运动目标进行检测和成像问题.首先对单天线SAR数据进行方位向抽样得到两个通道信号,在分析两通道静止目标和运动目标回波特性的基础上,证明了在多普勒域可以实现杂波对消,并且对消后的动目标信号仍为一线性调频信号,在此基础上,对对消后的动目标信号进行Wigner-Hough变换提取信号的多普勒调频中心和调频斜率,从而最终实现对运动目标进行精确成像.文中给出了实际处理的完整流程,仿真结果验证了方法的有效性.

基于背景差分法的单通道圆迹SAR动目标检测算法研究

圆迹SAR(CSAR)作为一种新的对地高分辨率成像方法,兼具长时间观测以及获得目标360°全向信息的优势。该文利用其长时间观测的特性,针对单通道圆迹SAR提出一种新的图像域动目标检测算法。首先从等多普勒等距离角度分析了动目标信号模型,后给出动目标检测算法。该方法将原始图像分为无动目标的背景以及含有动目标的前景图像,由于静止背景较动目标变化缓慢,故利用中值滤波器对重叠子孔径图像序列沿时间维进行滤波以获得背景图像,再利用每帧原始图像与背景图像的差来获得相应的含有动目标的前景图像。机载圆迹SAR数据处理结果说明了该方法的有效性。