基于多尺度小波能量积累的雷达回波检测方法

提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累.在此基础上设计出一种用于弱信号检测的小波能量检测算法,对低信噪比信号检测进行了仿真实验.仿真结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效,与传统的信号检测方法相比具有显著优越性.     

基于动态规划的雷达微弱目标检测

微弱目标检测和跟踪是雷达信号处理领域中一个急需解决的关键问题,提出了一种将相参积累与基于动态规划的检测前跟踪算法相结合的雷达微弱目标处理方法,在该算法中引入方向加权的思想,减小动态规划的能量扩散范围,并采用两级门限检测方法降低运算量。仿真数据和实际测试数据处理结果表明,此算法对雷达微弱目标的检测性能优于传统方法,可以有效实现低信噪比下目标的检测与跟踪,且其处理速度较传统检测前跟踪方法有一定提高,更利于工程应用。     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

改进的通道补偿法检测高频雷达机动目标

通过FFT进行相干积累以提高SNR的高频雷达传统信号处理方式无法有效发现机动目标。基于低的算法复杂度和处理实时性的考虑,提出了改进的多通道补偿算法检测高频雷达机动目标。首先对补偿后的通道-多普勒谱图进行频率校正以弥补补偿导致的信号频率偏移,进而根据选大的原则以及设置掩模函数进行通道合成以实现抗杂波发散的单通道检测,最后引入峰值检测进一步降低运算量和虚警。理论分析和数据处理都表明该算法具有低运算量、低虚警以及稳健的特点,因而具备较强的工程实用性。     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

量测点迹空间聚类的多传感器多帧检测算法

针对强干扰环境下微弱目标检测算法运算复杂度高、虚假目标数量多等问题, 利用目标量测点迹在多传感器之间的分布特性及目标能量的可累加性, 提出一种量测点迹聚类的多帧检测算法。该算法首先利用同源检测对多传感的器量测点迹的有效性进行判断,实现杂波/噪声剔除;其次在空间和时间两个维度对目标的能量进行积累实现微弱目标检测。仿真结果和性能分析表明, 该算法能够大幅降低运算复杂度, 提高虚假目标的抑制能力, 并能够提升微弱目标的检测概率, 验证了该算法的有效性和工程的可行性。     

一种宽带雷达相干检测的新方法

宽带雷达目标回波表现为多散射点子回波的合成,各子回波幅度、频率、相位具有一定的随机性,造成一个重复周期内各子回波信号能量难以有效积累,严重影响宽带雷达目标检测性能.针对此问题,提出利用RELAX算法实现宽带雷达目标多散射点子回波精确分离,对各子回波幅度相加实现多散射点回波能量相参积累,提高输出信噪比,从而增强宽带雷达的目标检测性能.仿真及实测数据处理结果表明所提出的方法应用于宽带雷达重复周期内多散射点回波能量相参积累是有效的.     

复杂背景下低信噪比点目标的实时检测算法及实现

为检测复杂背景中的低信噪比 (SNR)点目标 ,提出了一种局部自适应门限检测算法。该算法以低通滤波算法估计背景中的低频成分 ,及图像局部方差估计背景起伏 ,来计算出局部自适应的目标检测判决门限。该算法充分考虑了可实现性和实时性并采用现场可编程门阵列 (FPGA)设计实现该算法。理论分析和试验结果都表明 ,该算法可有效抑制云层、树木、地物等背景杂波、检测出复杂背景下的低信噪比点目标 ,具有恒虚警率和易于工程实现的优点。     

一种低信噪比下点目标检测新算法

针对红外探测系统对远距离目标进行实时临控的应用场合,提出了一种快速点目标检测算法。该算法将原始图像序列分割成多个小段,通过递推使用速度匹配滤波,能快速得到图像序列中目标轨迹的能量,从而提高低信噪比下点目标的检测能力。与其它检测算法相比,新算法具有检测概率高、算法复杂低等特点。对算法的原理和性能进行了详细地分析,通过仿真实验证明了该算法的有效性。     

光学图像中弱信号小目标检测方法

弱信号小目标检测是光学成像制导图像处理系统的关键技术之一。衡量小目标检测算法性能的依据是算法的有效性和实时性,两者之间的矛盾是现有各类弱信号小目标检测算法所必须面对的问题。研究了光学图像中弱信号小目标的广义最大似然比检测(GLRT)算法,所提出的算法不仅能够有效检测图像中的弱信号小目标,而且具有较强的实时性,并已应用于实际光学成像制导系统中。     

检测低信噪比运动目标的改进DP算法

研究了用于检测低信噪比目标的动态规划(dynamic programming, DP)算法。鉴于传统各DP算法对低信噪比运动目标的检测能力较弱的问题,提出了一种改进算法。该算法利用二阶Markov模型描述目标的状态转移过程,并在此基础上将DP的目标寻优过程改进为一系列二维寻优的嵌套。这样,在充分考虑目标的各种运动可能性的前提下,改进算法仍能具有较小的目标搜索范围,从而改善了DP对低信噪比运动目标的检测性能。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik (PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio, SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先，通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

UWB SAR叶簇遮蔽目标检测中的ROI提取方法

针对SAR(synthetic aperture radar)ATR(auto target recognition)算法中的ROI(region of interest)提取通常由一个CFAR(constant false alarm rate)检测器和聚类算法来完成,该方法在高波段SAR目标检测中具有优良的性能,而在UWB SAR(ultra-wide band synthetic aperture radar)叶簇遮蔽目标检测中效果不佳。提出了一种适于叶簇遮蔽目标检测的ROI提取方法,该方法由小滑窗中值滤波、低门限CFAR检测、形态学操作和聚类算法四部分组成,能够在叶簇遮蔽目标检测中很好地完成ROI提取,基于实际UWB SAR图像的ROI提取结果验证了该方法的有效性。     

对低信噪比下的红外点目标高检测率的研究

低信噪比(≤2)条件下的低虚警率、高发现率点目标检测是对常规检测方法的挑战，必须采取边检测边跟踪边确认的方法才能达到所要求的性能指标。利用二项分布的理论，解决了该方法中的相关帧数和门限的确定问题。为确保低虚警率、高发现率检测识别问题提供了理论保证。仿真结果验证了理论分析的正确性。     

基于灰度分布模型的声呐图像目标检测算法

针对声呐图像目标检测问题,提出了一种基于声呐灰度图像像素点的灰度分布模型的目标检测快速算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数和拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行目标特征区域检测处理。最后将该算法的检测结果同分形特征以及扩展分形特征检测结果进行了比较分析。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景中演示等自然景物的影响,实现人造目标的准确提取。