种劲松[1]2002年在《合成孔径雷达图像舰船目标检测算法与应用研究》文中进行了进一步梳理近年来，利用合成孔径雷达(SAR)图像进行舰船检测与监视的研究和技术开发在海洋遥感领域得到高度重视，成为SAR数据最重要的海洋应用之一。当海量SAR图像用于舰船目标检测与监视时，为及时有效地发现和提取舰船目标信息，迫切需要开展自动检测算法和检测系统的研究。 本文以工程应用为背景，以SAR图像理解理论为基础，重点围绕SAR图像舰船目标检测、舰船尾迹检测、舰船特征提取、海域目标监视系统建立等方面开展了研究。 本文在文献综述的基础上，全面分析了SAR图像舰船目标及其尾迹检测的研究现状，通过应用SAR图像理解的基本理论，分析了不同分辨率图像中舰船目标及其尾迹的类型，并得出结论：中低分辨率SAR图像中的舰船目标检测是点目标检测；高分辨率SAR图像中的舰船目标检测是硬目标检测；SAR图像舰船尾迹检测是线性目标检测。 在对现有SAR图像舰船目标检测算法分析的基础上，提出基于局部窗口的K-分布CFAR舰船目标检测算法，通过实验分析给出双参数CFAR算法、K-分布CFAR算法和基于局部窗口的K-分布CFAR算法的特点和适用范围。另一方面，分析高分辨率SAR图像舰船目标特点，提出了利用KSW双阈值分割进行检测的算法。 在舰船尾迹检测算法方面，分析了基于RADON变换尾迹检测算法存在的不足，提出基于归一化灰度HOUGH变换的尾迹检测算法，将标准HOUGH变换改进为归一化灰度HOUGH变换，并推导出尾迹端点反演公式。 根据SAR图像上舰船目标特点，提出将舰船的特征参数分为叁类：几何参数、地理参数、运动参数，并给出参数的定量计算方法。在舰船目标检测、尾迹检测和特征提取的研究基础上，实现SAR图像舰船目标检测系统。 详尽讨论和分析了遥感图像海域目标监视系统的功能设计与关键技术，并对舰船目标在光学图像和SAR图像上的区别进行初步分析。本文的工作完成了该系统核心内容的主要研究工作，保障了关键技术的实现。
陈珊[2]2008年在《合成孔径雷达图像上舰船目标的检测》文中研究说明随着合成孔径雷达(SAR,Synthetic Aperture Radar)成像技术的发展,SAR图像的分辨率有了大幅度的提高,利用SAR图像进行舰船目标检测已经成为海洋遥感领域的重要应用之一。本文首先介绍了SAR图像的形成和解译原理,主要包括SAR图像的二维分辨原理、SAR图像中相干斑的形成机制以及SAR图像的解译依据。它们是本文的理论依据和研究基础。本文接着分析了影响SAR图像上舰船目标检测的主要因素,研究了图像分割的基本知识与国内外近年来在SAR图像上舰船检测方面的研究成果。以计算机模拟仿真实验为手段,测试和比较了各种用于SAR图像上舰船目标检测的算法。本文提出了一种改进的SAR图像上舰船目标的检测算法,以进一步减小相干斑对舰船目标检测的影响。与已有的算法相比,该算法的改进主要表现在以下两个方面:1.改进的最大类熵和法。该算法针对SAR图像上海面背景与舰船目标的不同分布特性,对传统的最大类熵和法进行改进。算法的检测门限被选择以最大化背景灰度熵与目标灰度熵的加权和。由于加权系数的引入,该算法能针对实际情况,调整背景灰度熵与目标灰度熵在准则函数中所占的比例,给出恰当的检测门限。2.自适应的形态学处理。该算法根据二值图像上噪声斑点面积的概率密度函数,计算出最恰当的形态学结构体大小,使形态学处理能够在平滑船体目标的同时消除大量的噪声斑点。为了验证本文提出算法的有效性,研究过程中进行了计算机模拟仿真实验。仿真实验的对象是包含不同强度相干斑的SAR图像。实验结果证明本文提出的算法能够在高强度相干斑的影响下工作,符合SAR图像上舰船目标检测的实际情况,是一种有效的检测算法。我国领海广阔,海洋资源丰富,研究SAR图像上舰船目标的检测无论是在军事上还是在民事上都有重要意义。希望本文对SAR图像上舰船目标检测的研究工作,能够为我国海洋目标检测与监视技术做出贡献。
杜臻[3]2016年在《SAR图像舰船目标检测算法研究》文中提出SAR图像舰船目标检测对于拥有18000多千米长海岸线的我国有着重要的意义。在民用领域,通过对指定海域和港湾的交通情况的检测,可以对非法活动舰船、遇难舰船等进行实时监测;在军用领域能够对敌方的各类战舰、补给舰以及潜艇等舰艇目标进行监测。因此在最近几十年,国内外无不对其发展格外的重视。本文主要围绕SAR图像舰船目标检测经典算法与特征分析算法的结合进行讨论。本文首先叙述了SAR图像舰船目标检测的理论基础。从基于图像处理、模板的舰船检测,到系统特性、成像区域环境、舰船特性对舰船检测性能的影响分别展开叙述。而后对杂波背景分布模型的分类情况进行解算并概括和总结。同时计算了各类SAR图像杂波背景统计分布模型的参数估计。最后,通过结合具体SAR图像检测的实验来观测各种方法的实际效果。之后使用CFAR检测器处理SAR图像,对检测舰船目标的基本原理进行了概述、总结,进而对部分传统CFAR检测器的原理和实现方法以及适用性进行描述。通过对具体SAR图像的检测处理对比各类检测器的性能,得出最终的实验结果。最终引入了基于特征分析的舰船检测算法,并结合传统CFAR检测得到了更精确的检测结果。而后基于实测海港SAR图像的实验,用大尺寸、多目标、环境复杂的SAR图像对该算法进行了验证,证明了该算法的优越性。
张志新[4]2017年在《地球同步轨道卫星遥感图像舰船检测与运动监测》文中进行了进一步梳理海洋是人类生存环境的重要组成部分,在我国海上丝绸之路重大战略实施与国民经济发展中占据着极其重要的战略地位。海上舰船监视监测是海洋监测的重要任务之一,对于经济发展、环境保护、海域使用管理、海洋权益维护都具有重要意义。随着海洋开发利用强度的与日俱增,以及海洋权属争端形势的日益严峻,海上舰船检测与动态监测应用对相关监视监控系统的“实时性”、“机动性”提出了更高的要求。卫星遥感技术是海上舰船监视监测的重要手段,在舰船检测、分类、识别与运动特征提取中发挥了重要的作用,然而低轨道卫星在观测范围、实时性、连续性动态观测方面已难以满足相关应用的需求。高分辨率地球同步轨道遥感卫星能够在短时间内对大范围海域进行高频重复监测,近实时地获取海上舰船的动态变化过程,因而较之于低轨道遥感卫星,在海上舰船监视监测方面具有独特优势和巨大的潜力。目前,高分辨率地球同步轨道遥感尚处于发展阶段,在海上舰船监视监测应用方面,尚未深入开展研究。为了尽快实现对海上舰船的全天时、全天候的近实时观测,本文全面分析了地球同步轨道光学卫星与地球同步轨道SAR卫星的对地观测时空特性;深入发掘了二者在海上舰船监视监测中的应用潜力;提出了可靠的海上舰船检测、特征提取算法与动态监测方法;探讨了地球同步轨道SAR卫星海上舰船成像、检测中的关键问题;给出了一些有用的结论和建议。论文的主要研究内容有:(1)根据高分四号卫星的分时成像机制,利用运动舰船的图像位移与AIS数据中的舰船航速,计算多光谱影像各波段图像的成像间隔。(2)根据高分四号多光谱影像上的舰船图像特征,建立基于梯度阈值的海上舰船单波段图像检测算法。利用AIS数据对船位、航速、航向结果进行精度评价。(3)基于单波段梯度阈值法,利用多波段协同检测,建立基于高分四号单景多光谱影像的舰船运动特征提取方法。利用AIS数据对航速、航向结果进行精度评价。(4)基于单景影像运动检测法,利用高分四号卫星的凝视成像模式,建立基于时序多光谱影像的舰船动态监测方法。利用传统时序影像法的检测结果对航速、航向结果进行精度评价。(5)通过轨道模拟与数值计算,考察地球同步轨道SAR卫星的观测特性与舰船检测应用潜力。利用时域仿真法模拟运动舰船的地球同步轨道SAR图像,分析图像特征,利用恒虚警率法,检测舰船目标。(6)建立时变的粗糙海面电磁散射场景,利用时域仿真法模拟时变粗糙海面的地球同步轨道SAR卫星图像,分析图像特征,讨论其对地球同步轨道SAR图像海上舰船检测的影响。论文取得的创新性成果有:(1)首次提出了基于单景高分四号多光谱影像的舰船运动检测方法,实现了海上舰船运动特征的高精度、高效率检测。(2)首次开展了地球同步轨道SAR卫星运动舰船成像仿真,证明了具有长合成孔径、弯曲轨道观测特性的地球同步轨道SAR卫星可以用于地表运动目标检测。(3)研究了时变粗糙海面地球同步轨道SAR模拟图像的图像特征与幅值统计特性,为地球同步轨道海上舰船检测与动态监测SAR系统的设计、相关成像算法与舰船检测算法的研发提供了参考。
谢昌志[5]2015年在《SAR图像相干斑抑制及舰船检测方法研究》文中研究说明合成孔径雷达(SAR)是一种能够在任何时候、任何天气环境下不间断进行工作的高分辨率雷达,被广泛应用于国民生活和国防军事的各个领域。但是因为其特殊的相干成像机制,成像后的图像中存在大量的相干斑噪声,给后续的目标检测和识别等研究工作带来了严重的影响。因此研究如何有效的去除图像中特有的相干斑噪声是SAR图像应用研究领域中一个不可缺少的内容。我国是一个海洋资源丰富、海域广阔的海洋大国,加强对我国海域中目标的监测能够更好地保障我国的海洋权益,而随着合成孔径雷达在海洋监控中越来越广泛和重要的应用,对SAR图像的舰船检测方法的研究也是一个非常有意义的研究内容。本文首先对SAR图像的相干成像原理进行了简单的阐述,进一步对SAR图像中特有相干斑噪声的形成原理进行了分析。针对本文的两个研究内容,分别对传统的SAR图像去噪算法和传统的舰船检测算法进行了介绍。基于以上基础理论随后提出了本文的两种算法。本文的主要工作如下：一种是基于块匹配的迭代滤波SAR图像去噪算法。该方法首先利用图像块之间的相似性进行块匹配,将相似图像块构建成一个叁维矩阵。然后,通过相似图像块之间的迭代变换域滤波去除相干斑噪声,将滤波的图像块进行加权平均重构图像得到基本估计去噪结果。最后,对基本估计结果图像执行块匹配,进行经验维纳滤波得到最终的去噪图像。将该算法在真实的SAR图像上与其他算法进行对比实验。实验表明,本文算法不仅能够很好地对合成孔径雷达的相干斑噪声进行抑制,还能够较好的保留图像的细节结构信息。另一种是基于非局部均值的双参数CFAR舰船检测算法。该方法首先将图像窗口化,将每一个检测滑动窗口分为目标窗口、保护窗口、背景窗口。计算检测窗口与每个图像窗口之间的欧式距离,得到一定数量的相似图像块,利用这些相似图像块对背景窗口中的像素点进行非局部均值操作。利用整幅图像的信息估计局部海杂波背景的双参数,设置虚警率,计算出局部窗口的检测阈值。对目标窗口中的待检测像素点逐个进行二值化操作,得到最终的舰船检测结果。将该算法在真实的SAR图像上与其他算法进行对比实验。实验表明,本文算法不仅在漏检率还是在虚警率上都有着很好地实验结果。
山鹏[6]2012年在《SAR图像舰船目标检测及特征提取方法研究》文中提出合成孔径雷达(SAR，SyntheticAperture Radar)利用雷达平台与探测场景相对运动，将较小尺寸的真实孔径天线用数据处理的方法等效合成为较大孔径的天线，以获取较高方位向分辨率的雷达图像。利用合成孔径雷达对广袤海洋中的舰船目标进行检测具有重要的应用价值，对合成孔径雷达图像舰船目标的检测课题的研究，可以推动我国合成孔径雷达系统走向实用化。本文重点围绕合成孔径雷达图像数据的相干斑抑制、舰船目标检测算法和舰船目标特征参数提取等方面进行了深入研究。由于SAR的成像机理，SAR图像中会存在大量相干斑，它对SAR图像的处理、解译会造成很大困难。本文针对单极化SAR图像和多极化SAR图像的不同特点，分别研究分析了应用于单极化SAR图像的中值滤波、最小均方误差估计滤波、GammaMAP滤波，以及应用于多极化SAR图像的极化白化滤波、最优权值滤波、基于最佳纹理统计估计滤波等算法。本文重点对SAR图像的舰船目标检测算法进行了研究。研究了针对单极化SAR图像数据的CFAR和KSW两种检测算法，以及针对多极化SAR图像数据的SPAN算法、最优极化检测算法、极化白化滤波检测算法。本文利用传统基于矩形滑动窗口极化白化滤波检测算法的自适应性，针对传统算法会造成舰船目标边缘区域模糊的缺陷，提出了基于分解理论的舰船目标检测算法。算法在充分考虑了目标的散射机理基础上，利用Freeman分解结果对存在目标边缘结构区域的图像进行了均匀区再判别，实现对参数的准确估计，消除了目标边缘模糊的问题。通过对青岛海域实测数据实验证明，本文算法能够更好保留目标边缘信息，为进一步的特征参数提取和分类识别提供更精确的检测结果。最后，本文对检测到的舰船目标的主要参数进行了提取。结合SAR图像数据的特点，推导了具体特征参数的提取公式和方法，并使用实测数据对舰船目标进行了几何、地理位置、运动等特征参数估计。
韩昭颖[7]2005年在《多极化合成孔径雷达图像目标检测研究》文中研究说明随着多极化合成孔径雷达(SAR)数据源的增多,多极化SAR图像的获取为多极化信息提取与应用提供了可能。目前,多极化SAR图像上目标检测的研究尚未深入开展。本文的目的是研究多极化SAR图像目标检测算法,并评价各算法及不同极化组合数据源对目标检测的性能。本论文从多极化SAR基本理论和极化SAR模型出发,结合SIR-C、ENVISAT等多极化SAR图像,利用不同背景模型和实际数据进行了各种极化目标检测器的性能分析,并对全极化和双极化数据进行了舰船目标检测实验。 本文简要介绍极化SAR的基本理论和极化的不同分布的杂波和目标模型,介绍了极化最优检测器和极化白化滤波检测器等各种检测器,指出极化白化滤波检测器预先统计量和检测性能之间达到最优的折中。在高斯分布杂波和非高斯分布杂波模型下深入地讨论了极化白化滤波算法。 本文讨论了不同背景下的各种极化检测器和各种极化组合的检测性能。基于极化高斯分布的目标和背景模型,利用理论上的数学推导计算了虚警概率和检测概率,对全极化SAR的陆地目标和海洋目标比较分析了多极化检测性能,并对双极化SAR海洋目标进行了双极化检测器性能分析。基于非高斯杂波背景,通过通道独立的仿真方法进行极化SAR图像仿真,计算并比较了多极化SAR在陆地和海洋目标的检测率和虚警率。基于多极化SAR实际背景数据,通过计算漏检率和虚警率以及对接收性能曲线的误差分析,得到利用SIR-C和ENVISAT实际数据进行舰船目标检测的结论,并通过通道的相关性分析解释了幅度极化白化滤波对SIR-C和ENVISAT的性能差异。 采用了中心化方法和非中心化方法对实际SIR-C和ENVISAT图像进行了舰船目标的检测,得出和理论分析一致的结论。对于SIR-C全极化数据,提出了改进极化白化滤波算法并讨论了改进性能。对于ENVISAT中叁种不同双极化组合数据,分别用了中心化和基于“与”和“或”融合的非中心化方法进行了实验,并比较了不同方法的检测性能。
邬烨文[8]2009年在《一种基于小波变换的SAR图像舰船尾迹检测算法》文中研究说明合成孔径雷达(SAR)是利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成一较大的等效天线孔径的雷达。合成孔径雷达工作时按一定的重复频率发、收脉冲,真实天线依次占一虚构线阵天线单元位置。把这些单元天线接收信号的振幅与相对发射信号的相位迭加起来,便合成一个等效合成孔径天线的接收信号。合成孔径雷达的特点是分辨率高,能全天候工作,能有效地识别伪装和穿透掩盖物。主要用于航空测量、航空遥感、卫星海洋观测、航天侦察、图像匹配制导等。舰船检测与监视是世界各海岸地带国家的传统任务,在民用及公安部门有广泛的应用,例如:舰船的寻找和救助、捕渔船监视、非法移民、保卫领土、反毒品等等。由于合成孔径雷达(SAR)具有全天时和全天候的观测能力,能够宏观、长期、动态、实时地对陆地和海洋进行观测,近年来,利用SAR图像进行舰船检测的研究和技术开发在海洋遥感领域得到高度重视,成为SAR最重要的海洋应用之一。本论文首先介绍了合成孔径雷达图像上海面舰船尾迹的特征以及广泛用于SAR图像上线性目标检测的Radon变换算法,同时也介绍了小波变换的特点和应用。由于Radon变换出色的抗噪性能,目前大部分SAR图像舰船尾迹检测方法都是基于Radon变换的线性检测算法,国外的研究人员如Murphy对SAR图像进行Radon变换,在变换域进行增强处理,再用滤波逆投影算法变换回图像域;Califano等人将Radon变换限制在窗口内;Copeland等人则定义了沿线段积分的Radon变换;国内的研究人员有的利用形态学图像处理技术剔除非尾迹峰值点的干扰,降低虚警率;有的则采用邻近像素求和方法来实现恒虚警率(CFAR)检测。其次,论文具体讨论了应用Radon算法检测合成孔径雷达图像舰船尾迹过程中,Radon算法的主要缺陷以及常规Radon变换域中尾迹峰值检测的不确定性问题,针对这些问题,论文提出了一种基于小波变换的尾迹检测算法。该算法首先对原始SAR图像进行预处理,初步消除强目标点和孤立噪声的影响;然后进行Radon变换,在变换域中通过自适应域值的方法提取所有可能的局部峰值点,对这些峰值的一维“截面”进行连续小波变换峰值匹配生成相关决策参数,根据提取到的参数,通过设定科学的判决函数在特征空间进行决策,得到真实的尾迹线性特征;最后在原始SAR图像利用方向梯度算法确定已检测到的尾迹起点和走向。最后,通过真实ERS-1 SAR图像上的测试,证明了该方法能有效消除Radon变换的多个缺陷以及虚假线性特征带来的不利影响,降低检测的虚警率,准确有效地捕捉到SAR图像中的舰船尾迹。
范义[9]2005年在《合成孔径雷达图像海面舰船尾迹检测方法研究》文中研究表明本论文的主要工作是合成孔径雷达图像(SAR)海面舰船尾迹检测方法的研究,这是SAR图像海洋应用的一个重要方面。论文的研究内容,主要集中在SAR图像舰船尾迹检测方法研究和现场可编程逻辑器件(FPGA)在SAR图像舰船和尾迹检测中的应用初探上。 论文首先简要介绍了SAR图像理解和自动目标检测(ATR)的内容;在此基础上,进行了一定的SAR图像舰船及舰船尾迹检测方法的研究。在列出了已有的舰船尾迹检测的主要方法后,总结了SAR图像尾迹检测方法的常规结构,重点介绍了两大类检测方法,一类检测方法是基于尾迹的几何特征,另一类检测方法是基于尾迹区域和整个SAR图像背景在统计分布上的差别。而后,提出了在频率域中进行尾迹检测的两种方法。第一种方法通过对频率域中某些频率分量求和来得到检测量,并以此来反应出尾迹区域和背景区域的差别,第二种方法则是针对周期性波纹状的尾迹,给出可以较快地在频率域中进行检测的方法。在理论分析的基础上,我用仿真和真实的SAR图像分别对这两种检测方法进行检验,并对检验效果给出了分析与评价。 论文的另一个重要部分,是FPGA在SAR图像检测的应用初探研究。首先,通过对比SAR图像检测系统两种硬件实现方法,得出选择FPGA来进行硬件设计的原因。而后,针对已有的舰船扰动检测方法——峰-斜双参检测法,提出了其软硬件结合的FPGA体系结构,内容的重点是如何在ALTERA StratixⅡ ep2s30芯片上实现检测中复杂的运算。在详细描述硬件逻辑结构的构建后,对软件仿真结果进行了分析,并针对峰-斜双参检测法给出了如何改进硬件逻辑设计来进一步提高运算速度。最后,本文还探讨了快速SAR图像检测系统硬件设计中的一些问题,并说明了在构建快速SAR图像检测系统时需要解决的问题。
熊伟, 徐永力, 崔亚奇, 李岳峰[10]2018年在《高分辨率合成孔径雷达图像舰船目标几何特征提取方法》文中研究说明针对高分辨率合成孔径雷达图像设计了一种舰船目标几何特征提取算法.通过视觉注意机制检测目标区域的算法,通过频谱残差视觉显着计算模型求取显着图,完成显着区域的检测以实现舰船目标的初步定位,基于获得的视觉显着图采用最大熵算法完成阈值分割筛选出舰船区域.在提取的舰船切片的基础上,采用针对几何特征的提取算法,经图像预处理、方位角估计、旋转获取最佳表征舰船目标几何轮廓的外接矩形,相对有效准确地提取几何特征;最后,采用典型的TerraSAR-X数据进行仿真实验.结果表明,与传统方法相比,本文提出的频谱残差视觉模型完成合成孔径雷达图像舰船切片的区域分割能够有效降低虚警率,舰船目标的检测速度提高了25%~50%.该方法能够快速稳定地提取舰船目标的几何特征,也更加符合实际高分辨率图像舰船目标检测的应用需求.
参考文献：
[1]. 合成孔径雷达图像舰船目标检测算法与应用研究[D]. 种劲松. 中国科学院研究生院（电子学研究所）. 2002
[2]. 合成孔径雷达图像上舰船目标的检测[D]. 陈珊. 上海交通大学. 2008
[3]. SAR图像舰船目标检测算法研究[D]. 杜臻. 哈尔滨工业大学. 2016
[4]. 地球同步轨道卫星遥感图像舰船检测与运动监测[D]. 张志新. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[5]. SAR图像相干斑抑制及舰船检测方法研究[D]. 谢昌志. 中国科学技术大学. 2015
[6]. SAR图像舰船目标检测及特征提取方法研究[D]. 山鹏. 哈尔滨工程大学. 2012
[7]. 多极化合成孔径雷达图像目标检测研究[D]. 韩昭颖. 中国科学院研究生院（电子学研究所）. 2005
[8]. 一种基于小波变换的SAR图像舰船尾迹检测算法[D]. 邬烨文. 上海交通大学. 2009
[9]. 合成孔径雷达图像海面舰船尾迹检测方法研究[D]. 范义. 中国科学院研究生院（电子学研究所）. 2005
[10]. 高分辨率合成孔径雷达图像舰船目标几何特征提取方法[J]. 熊伟, 徐永力, 崔亚奇, 李岳峰. 光子学报. 2018
标签：武器工业与军事技术论文; 电信技术论文; 合成孔径雷达论文; 特征提取论文; 图像融合论文; 图像滤波论文; 平滑滤波论文; sar论文; sar雷达论文;