《雷达学报杂志》发表论文赏析

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

来源:雷达学报杂志2023年第1期北京时间:

作者:张帆, 陆圣涛, 项德良, 袁新哲

单位:1.北京化工大学信息科学与技术学院 北京 100029;2.北京化工大学软物质科学与工程高精尖创新中心 北京 100029;3.国家卫星海洋应用中心 北京 100081;

摘要:合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。

关键词:合成孔径雷达(SAR), 恒虚警率(CFAR), 变异系数, 超像素, 目标检测

基金资助:国家自然科学基金(41976174)

2023年1期其他文献查阅:

天线阵列编码合成孔径成像

星源照射双/多基地SAR成像

基于自学习稀疏先验的三维SAR成像方法

地基大视场SAR形变监测的非均匀大气相位校正方法

多策略ATLAS数据优选与影像匹配相结合的SAR高程控制点提取

复杂动态海面与目标电磁散射及回波仿真研究现状与展望

基于深度学习的海杂波谱参数预测与影响因素分析

一种改进的高分辨率SAR图像超像素CFAR舰船检测算法

特征图知识蒸馏引导的轻量化任意方向SAR舰船目标检测器

纹理异常感知SAR自监督学习干扰抑制方法

基于SVM的捷变频雷达密集转发干扰智能抑制方法

基于差分特征的间歇采样转发干扰辨识与抑制方法

分布式多传感器多目标跟踪方法综述

基于Raw I/Q和深度学习的射频指纹识别方法综述

杂波先验数据缺失条件下基于级联优化处理的雷达波形设计方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!