1 国防科技大学 电子科学与工程学院, 湖南 长沙 410073
2 中国运载火箭技术研究院研发中心, 北京 100076
3 武警云南总队迪庆州支队, 云南 迪庆 674400
针对常规恒虚警率(CFAR)方法对低信杂比合成孔径雷达(SAR)图像舰船目标检测效果不佳的问题, 提出一种结合空间信息的星载SAR图像舰船目标检测方法。该方法通过将像素的空间信息与灰度信息相结合构造联合图像, 以提高目标与背景的对比度, 然后对联合图像进行CFAR检测。基于不同分辨力实测星载SAR图像舰船目标检测的实验结果表明, 与直接基于CFAR的方法相比, 该方法对低信杂比SAR图像具有更好的检测性能。
合成孔径雷达 舰船检测 空间信息 恒虚警率 Synthetic Aperture Radar ship detection spatial information Constant False Alarm Rate 太赫兹科学与电子信息学报
2017, 15(6): 972
国防科技大学 电子科学与工程学院, 湖南 长沙 410073
由于具有恒虚警和自适应的能力, 恒虚警率(CFAR)是应用最为广泛的SAR图像舰船检测算法之一, 它在传统的中低分辨力图像中效果较好。但随着合成孔径雷达(SAR)幅宽与分辨力的提高, 这种检测方法已不能满足舰船检测的近实时性要求。本文针对高分辨宽幅SAR图像中的舰船检测问题, 提出了一种基于分块预判断的SAR图像舰船目标检测方法。该方法首先对SAR图像进行分块, 然后利用一个预先训练的支持向量机(SVM)分类器对所有分块进行可能性判断, 最后只对判断为存在目标的分块进行能量比检测。基于实测数据的实验表明, 本文方法较以往算法在取得较好检测效果的同时, 检测效率也有较大提升。
合成孔径雷达 舰船检测 分块预判断 支持向量机 信杂比 Synthetic Aperture Radar(SAR) ship detection block prescreening Support Vector Machines(SVM) Signal to Clutter Ratio(SCR) 太赫兹科学与电子信息学报
2016, 14(3): 378
