基于知识的SAR图像目标检测

Journal of Systems Engineering and Electronics ›› 2009, Vol. 31 ›› Issue (6): 1314-1318.

基于知识的SAR图像目标检测

赵晖¹, 王文光¹, 孙进平¹, 洪文², 毛士艺¹

1. 北京航空航天大学电子信息工程学院, 北京, 100191;
2. 中国科学院电子学研究所微波成像技术国家重点实验室, 北京, 100080

收稿日期:2008-07-10 修回日期:2008-09-10 出版日期:2009-06-20 发布日期:2010-01-03
作者简介:赵晖(1981- ),男,博士研究生.主要研究方向为SAR图像处理.E-mail:withwings@sina.com
基金资助:
国家自然科学基金项目资助课题(60702011)

Target detection in SAR images based on knowledge

ZHAO Hui¹, WANG Wen-guang¹, SUN Jin-ping¹, HONG Wen², MAO Shi-yi¹

1. School of Electronic and Information Engineering, Beihang Univ., Beijing 100191, China;
2. National Key Lab. of MW Imaging Technology, Inst. of Electronics, Chinese Academy of Science, Beijing 100080, China

Received:2008-07-10 Revised:2008-09-10 Online:2009-06-20 Published:2010-01-03

摘要/Abstract

摘要： 提出了一种基于知识的SAR图像目标检测算法。针对军用车辆,利用各种先验知识,以地形类型信息、距边界的距离信息、目标聚集程度为影响目标出现概率的因素,通过分类获得SAR图像的地形及边缘信息,得到影响因子,并综合地形信息使用MAP准则,从而获得目标检测的结果。使用真实SAR图像进行了测试,结果表明,与CFAR检测算法相比,该算法有效地提高了目标的检测率,虚警目标数目明显减少。

Abstract: A target detection method in SAR images is proposed.The prior knowledge is used to detect the military vehicles.The target probability is influenced by the terrain type,the hedge proximity and the proximity of other targets.Classification technique is used to get the terrain types and hedge of the image,and the influence factor is calculated.Then with the terrain types,the MAP technique is used to detect the targets.Experiments using SAR images indicate that compared with CFAR techniques,the new method proposed in this article increases the detection rate and decreases the number of false targets.

中图分类号:

TN957.52

赵晖, 王文光, 孙进平, 洪文, 毛士艺. 基于知识的SAR图像目标检测[J]. Journal of Systems Engineering and Electronics, 2009, 31(6): 1314-1318.

ZHAO Hui, WANG Wen-guang, SUN Jin-ping, HONG Wen, MAO Shi-yi. Target detection in SAR images based on knowledge[J]. Journal of Systems Engineering and Electronics, 2009, 31(6): 1314-1318.

[1]	吴志鹏, 张平, 李震, 黄磊, 刘畅, 高硕. 基于轻小型无人机雷达的植被高度反演方法[J]. 系统工程与电子技术, 2022, 44(12): 3667-3675.
[2]	李彦君, 刘佳, 徐秋锋. 基于切比雪夫拟合的BP自聚焦算法[J]. 系统工程与电子技术, 2022, 44(10): 3020-3028.
[3]	王彩云, 吴钇达, 王佳宁, 马璐, 赵焕玥. 基于改进的CNN和数据增强的SAR目标识别[J]. 系统工程与电子技术, 2022, 44(8): 2483-2487.
[4]	刘斌, 范翔宇, 张自伟, 张烨. 基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法[J]. 系统工程与电子技术, 2022, 44(7): 2084-2095.
[5]	廖金玲, 廖桂生, 许京伟, 兰岚. 基于EPC-MIMO编码设计的解距离模糊性能分析[J]. 系统工程与电子技术, 2022, 44(7): 2166-2174.
[6]	孙晶明, 虞盛康, 孙俊. 基于元学习的雷达小样本目标识别方法及改进[J]. 系统工程与电子技术, 2022, 44(6): 1839-1845.
[7]	孙晶明, 虞盛康, 孙俊. 基于深度学习的HRRP识别姿态敏感性分析[J]. 系统工程与电子技术, 2022, 44(3): 802-807.
[8]	吴涛, 王伦文, 朱敬成. 基于迁移学习和注意力机制的伪装图像分割[J]. 系统工程与电子技术, 2022, 44(2): 376-384.
[9]	方澄, 李慧娟, 路稳, 宋玉蒙, 杨磊. 基于形态学自适应分块的高分辨SAR多特征增强算法[J]. 系统工程与电子技术, 2022, 44(2): 470-479.
[10]	杨兴家, 段克清, 李想, 祁炜. 无人机集群协同探测距离解模糊方法[J]. 系统工程与电子技术, 2022, 44(2): 480-489.
[11]	阮锋, 郭亮, 李亚超, 许然. 基于关联计算的相控阵雷达前视成像技术[J]. 系统工程与电子技术, 2021, 43(9): 2457-2462.
[12]	方文, 全英汇, 沙明辉, 刘智星, 高霞, 邢孟道. 捷变频联合波形熵的密集假目标干扰抑制算法[J]. 系统工程与电子技术, 2021, 43(6): 1506-1514.
[13]	薛东方, 朱晓秀, 胡文华, 郭宝锋, 曾慧燕. 基于加权l₁范数优化的双基地ISAR稀疏成像算法[J]. 系统工程与电子技术, 2021, 43(4): 944-953.
[14]	杨磊, 李慧娟, 黄博, 刘伟, 李埔丞. 双层稀疏组Lasso高分辨SAR结构特征增强成像[J]. 系统工程与电子技术, 2021, 43(2): 351-362.
[15]	孙嘉赤, 邹焕新, 邓志鹏, 李美霖, 曹旭, 马倩. 基于级联卷积神经网络的港口多方向舰船检测与分类[J]. 系统工程与电子技术, 2020, 42(9): 1903-1910.