SAR图像中目标的自动检测与辨别

SAR图像自动目标识别(automatic target recognition,ATR)是当前的一大研究热点。典型的ATR系统分为检测、辨别和识别3个阶段。在检测和辨别过程中对图像进行预筛选,找出感兴趣区域,是进行目标识别前的一个重要步骤。高效的预筛选过程可以大大减少目标识别过程的计算量。目前,目标检测的方法有CFAR方法、多分辨率方法以及基于相位信息的检测方法3类。目标辨别的方法也有多种。本文就目标检测和辨别阶段的主要算法及其效果作了系统的介绍,并对该领域未来的发展方向进行了展望。

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.

2L-IHP目标检测算法及其在AIRSAR数据中的应用

简要介绍了2L-IHP(Two-Looks InternalHerm itian Product)算法,并针对实际情况对其作了相应的调整和改进。主要是突破算法对数据源的限制,使得它可以应用到幅度图像中。对于极化SAR图像,使用PWF(Polarim etric W h iten ing F ilter)方法将3个通道的图像合成为一幅检测图,再进行目标检测。利用ADTS(AdvancedDetection Technology Sensor)数据,对以上各种算法的检测效果进行了分析比较。应用C、L、P波段的AIRSAR极化数据进行试验,发现3个波段中,L和C波段的检测效果最好;4种极化方式中,HH极化取得最佳的检测效果;并且得出全极化数据的检测结果优于单极化数据的结论。但以上结论还有待进一步验证。