高分辨率雷达目标检测研究

本文根据频率步进高分辨率雷达目标的一维距离像提出一种新的信号检测方案 ,即先从目标的距离像中提取散射中心 ,获得其空域散射密度 ,再进行广义似然比检测。文中第二部分为得到目标的空域散射密度研究了需从距离像中提取强散射中心的算法 ,第三部分分析了基于目标空域散射密度的广义似然比检测 ,最后进行仿真实验 ,结果表明 。

基于广义似然比的高分辨率雷达目标检测

目标的一维距离像反映了目标强散射中心在径向距离轴上的投影分布 ,它是目标特征的体现 ,根据目标的距离像提出了一种新的信号检测方案 ,即先从目标的距离像中提取散射中心 ,获得其空域分布密度 ,再进行广义似然比检测。仿真试验结果表明 。

基于深度学习的高分辨率三维激光雷达成像目标检测方法

高分辨率三维激光雷达成像目标检测中受到双目视觉耦合干扰导致检测精度不高,提出基于深度学习的高分辨率三维激光雷达成像目标检测方法。采用视觉传感器与惯性传感器实现对高分辨率三维激光雷达图像采集,通过激光点云特征提取和动态场景图像融合的方法实现对高分辨率的三维激光雷达合成,采用补偿滤波方法实现对三维激光雷达成像目标检测过程中的点云畸变矫正处理,通过局部滑动窗口的图特征匹配和深度学习模型,建立激光雷达成像目标检测的深度特征匹配模型,根据特征匹配结果和激光雷达帧图匹配结果,实现对高分辨率三维激光雷达成像目标检测。仿真测试结果表明,采用该方法进行目标检测的激光雷达成像在噪声干扰下,峰值信噪比最低为41 dB,检测精度达到0.96。

高分辨率雷达目标的随机参量脉冲串检测方法

本文从最佳检测理论和高分辨率雷达目标回波特征出发 ,将目标上各散射点形成的在时域上分离的回波看成具有随机参量的脉冲串信号 ,提出了适用于高分辨率雷达目标单次回波检测的随机参量脉冲串 (RPPT)检测方法 .计算机仿真结果表明 ,在高分辨率雷达中 ,这种检测方法比雷达经典检测方法有 2dB以上的检测性能改善 .

基于模糊C均值聚类的高分辨率合成孔径雷达图像舰船目标检测

给出了一个基于模糊C均值聚类(FCM)的舰船目标检测算法。其中心思想是将SAR图像中的各像素点灰度值视为样本集,然后利用FCM算法对该样本集聚类,并利用聚类结果计算图像分割全局阈值。与目前流行的恒虚警率(CFAR)检测算法相比,所给检测算法具有参数少、计算量与图像大小成正比、舰船轮廓保持良好的特点,为高分辨率SAR图像舰船目标检测提供了一个新的选择。

高分辨率特征增强图像的小目标检测算法

在高分辨率特征增强图像小目标特征检测过程中,局部特征与全局目标识别参量之间的参量分布不均,无法在目标图像区域内识别有效特征信息,导致实际检测结果无法满足应用要求。为了解决这一问题,利用鲁棒鉴别特征学习完成高分辨率特征增强图像的小目标检测。该算法中的D3Tes2Block结构单元提取小目标的多尺度特征,并通过损失函数优化,降低特征损失以提高对小目标区域的关注度,在鲁棒性特征学习结果的基础上,根据学习尺度参量进行目标区检测信息聚合,输出小目标检测结果。实验结果显示,本文方法能够有效提升小目标检测精准度,且整体性能输出稳定,更加适合实际场景的应用。

一种高分辨率雷达海上目标自适应检测器

针对海上目标因波浪起伏和转向等导致的姿态变化引起的散射点起伏问题,在未知协方差矩阵的复高斯噪声背景下,研究了高距离分辨率雷达的距离扩展目标自适应检测问题。利用与待检测单元具有相同协方差矩阵结构的辅助数据估计未知噪声协方差矩阵,基于两步法检测策略获得了自适应检测器。恒虚警率特性分析表明,该检测器对不同噪声背景均具有很好的自适应特性。检测性能分析表明,该检测器对不同的目标模型具有很好的鲁棒性,且能有效避免"坍塌损失"。另外,通过增加传感器个数,可有效提高检测器性能。

基于YOLOv5 的高分辨率遥感图像目标检测算法

随着遥感技术的快速发展,高分辨率遥感图像以其高精度的地表细节信息,为城市规划、环境监测、灾害评估等提供了强有力的支持。但由于目标尺寸多样性和背景复杂性的增加,在高分辨率图像中准确地检测和识别特定目标面临挑战。YOLOv5在实时目标检测领域展现了出色的性能,在处理速度上具有显著优势,在多种复杂场景下保持高准确度。基于YOLOv5算法框架,提出一种面向高分辨率遥感图像的目标检测算法,引入改进多尺度特征融合技术,有效提升模型在复杂背景下对小目标的检测能力。结果表明,所提算法在高分辨率遥感图像目标检测任务中的性能优越,具有实用潜力。

FMCW毫米波雷达高分辨率目标距离像及其处理

在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像所提供的目标多散射中心空间分布和截面积信息,可以改善信号检测和跟踪性能,并完成目标识别。

星载多通道高分辨率宽测绘带SAR系统运动目标检测方法

该文针对星载多通道高分辨率宽测绘带合成孔径雷达系统,提出一种新的运动目标检测方法。该方法首先利用波束形成方法进行杂波抑制,然后对运动目标的斜距历程进行拟合得到运动目标的运动方向。接着对杂波抑制后的数据进行聚焦处理,得到模糊的运动目标图像,并利用恒虚警检测技术检测得到所有的模糊运动目标。最后根据模糊图像的空间关系和估计出的运动方向检测出真实目标。星载仿真数据验证了该方法的有效性。

高分辨率SAR图像中车辆群目标检测的研究

研究了对SAR图像中车辆群目标的检测问题。采用统计检测的方法进行了理论分析,得到了3种检测算法的参数估计及检测门限的计算公式,提出了一种改进的综合目标检测算法。检测结果表明,采用常规双参数CFAR检测算法和单视标准CFAR检测算法存在较多的虚警,而采用改进的综合目标检测算法,检出目标准确,目标细节清晰,虚警很少,具有优良的检测性能。同时给出了该算法的滤波算子构造方法、参数选取方法及最佳参数。

基于深度学习的高分辨率遥感影像目标检测

传统的目标检测识别方法难以适应海量高分辨率遥感影像数据,需要寻求一种能够自动从海量影像数据中学习最有效特征的方法,充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别,提出一种分层的深度学习模型,通过设定特定意义的分层方法建立目标语义表征及上下文约束表征,以实现高精度目标检测。通过对高分遥感影像目标检测的试验,证明了该方法的有效性。

高分辨率合成孔径雷达图像舰船检测方法

寻找针对高分辨率 SAR图像的舰船目标检测算法 .利用 KSW双阈值分割技术 ,其效果比传统检测方法好 ,有利于进一步的目标分类和识别 .且必须根据

高分辨率雷达中带宽对信号检测影响的研究

利用单脉冲单元平均恒虚警(CA-CFAR)滑窗检测方法,对不同波段高分辨率雷达(VHF和L波段)的实测数据进行了目标检测仿真,并分析了雷达绝对带宽与相对带宽对信号检测的影响。结果表明,波段选择对信号检测影响较小,绝对带宽对信号检测影响较大。检测概率为90%时,带宽25MHz和200MHz的所需输入信噪比相差5dB。在能量一定的情况下,高分辨率雷达的检测性能优于低分辨率雷达。

高分辨率雷达信号参数对目标识别的影响

采用模板匹配分类器,对具有大、中、小3个尺寸级别的9类目标进行基于高分辨率雷达距离像(HRRP)的识别仿真试验,系统地研究了识别概率-信噪比-雷达带宽/载频之间的三维变化关系,分析了雷达信号参数对目标识别的影响,得到了有价值的研究结论。

采用改进YOLOv3的高分辨率遥感图像目标检测

由于高分辨率遥感图像存在目标排列密集、尺寸差别大等情况,传统算法难以准确地对其进行目标检测。在YOLOv3算法的基础上,提出一种改进的高分辨率遥感图像目标检测算法(remote sensing-YOLO,RS-YOLO)。利用K-means聚类算法对数据集进行聚类,重新设计适合遥感图像的先验框;引入高斯模型计算预测框的不确定度,以提高网络对预测框坐标的准确度;使用弱化的非极大值抑制算法(soft non-aximum suppression,Soft-NMS)对预测框进行处理,增强算法对密集排列目标的检测能力。实验结果表明,改进后的算法能够对高分辨率遥感图像进行有效的目标检测,以NWPU VHR-10数据集为例,RS-YOLO的平均检测精度达到了87.97%。

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率。相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10%和2%。

天基ISAR对空间轨道目标高分辨率成像问题分析

对空间轨道目标高分辨率成像是空间态势感知计划的重要组成部分。本文讨论天基逆合成孔径雷达(inverse synthetic aperture radar,ISAR)对空间目标进行高分辨率成像的概念。基于雷达和空间轨道目标相对运动场景,研究减少天基ISAR回波数据量的方法;分析天基ISAR对空间目标可成像时间段的限制因素,推导天基ISAR与目标轨道高度差及天基ISAR波束扫描角度的噪声等效后向散射系数(noise equivalent sigma zero,NESZ)公式,探讨满足方位分辨率的天基ISAR在轨可成像时间段,并利用NESZ衡量可成像时刻内回波信噪比(signal to noise ratio,SNR),为天基ISAR系统设计提供依据。此外,还推导天基ISAR对空间轨道目标回波表达式,并研究二维图像散焦原因,提出ISAR图像二维相位误差具体补偿模型,通过仿真结果验证了分析的正确性。

高分辨率合成孔径雷达图像高速公路检测法

针对高分辨率合成孔径雷达(SAR)图像中高速公路的特征,提出了一种结合多级非线性加权平均中值滤波和Hough变换的高速公路检测算法。该算法首先对原始高分辨率SAR图像进行多级非线性加权平均中值滤波,抑制斑点噪声,同时较好地保留图像的几何特性。然后对滤波后的图像进行Hough变换快速检测高速公路,并将检测到的高速公路信息叠加到原始SAR图像上显示。实验结果证明该算法能快速、有效地从不同工作模式下取得的高分辨率SAR图像中检测到直线高速公路。

一种高分辨率遥感图像视感知目标检测算法

针对大幅面高分辨率光学遥感图像目标检测尚存在着检测精度和效率低的问题,提出了一种高分辨率遥感图像视感知目标检测算法。该算法首先通过显著区域有选择性的引导获取场景中的子区域,将计算资源转移到可能包含目标的区域中,以降低计算复杂度;然后,利用基于单次检测器(YOLO)卷积神经网络目标检测模型获取预选目标;最后,提出目标语义关联抑制对获取的预选目标进行筛选得到有效目标,能够减少虚假目标的干扰,降低虚警率。所提算法在公开NWPU_VHR-10数据集上的平均检测精度为0.865,高于对比算法,在包含更多高分辨率的LUT_VHRVOC-2数据集上,比YOLO的检测效果更好。实验结果表明,所提算法提高了大幅面高分辨率遥感图像的目标检测精度。