R-D域对比度最小化解SAR Doppler模糊

为了准确估计合成孔径雷达(syn thetic apertureradar,SAR)高质量成像所必需的D opp ler中心,提出了一种解SAR D opp ler中心模糊的方法。利用SAR所固有的距离徙动(range m igration,RM)现象的性质,通过搜索使距离D opp ler域(range-D opp ler,R-D)信号强度对比度最小的D opp ler中心模糊数,就能实现解模糊。分析了该方法的性能。实验结果表明:与传统的SAR D opp ler中心解模糊方法相比,该方法既适用于城区高对比度场景,也适用于山地低对比度场景,并且由于无需做耗时的相关或快速Fourier变换运算以及只需部分距离单元参与运算,具有较高的计算效率。     

距离扩展目标回波序列的慢时间谱积累检测器

针对目标高速运动引起宽带雷达回波间包络平移使得距离扩展目标的检测率降低的问题,提出了一种距离扩展目标回波序列的慢时间谱积累(STSI)检测器.采用频率-慢时间模型描述距离扩展目标信号,将宽带雷达回波脉压后变换到距离频率域,然后对回波序列各频率单元沿着慢时间作傅里叶变换,最后将各频率向量的最大值累加与检测门限比较进行检测判决.STSI检测器不需要目标运动的先验信息,具有恒虚警检测性能,对目标运动引起的散射点跨距离单元走动不敏感.仿真试验表明,与不依赖散射点分布信息的广义似然比检测器相比,STSI检测器在检测率90％处有5 dB的性能改善.     

FMCW SAR快速运动目标检测与成像

调频连续波(frequency modulated continuous wave,FMCW)合成孔径雷达(synthetic aperture radar,SAR)特有的工作模式使得其回波信号相对脉冲SAR具有不同的形式。推导了FMCW SAR系统下运动目标的回波模型。提出了一种基于Hough变换的快速运动目标检测方法和Hough变换与分数阶傅里叶变换(fractional Fourier transform,FrFT)变换相结合的运动目标参数估计方法;利用该方法补偿FMCW系统引入的附加距离走动后,运动目标的成像效果明显提高。多点运动目标仿真数据处理验证了该方法对目标检测与成像的准确性和有效性。     

基于限带参数模型的距离扩展目标检测

针对高距离分辨率雷达应用背景,提出了一种距离扩展目标检测的新方法.首先建立了基于目标最大最小径向长度约束的限带参数模型,然后提出了模型参数的最大似然估计方法,最后设计出了一种新的恒虚警检测器并对其性能进行了分析和比较.理论分析和仿真计算结果表明:在未知目标径向长度情况下,该检测器具有较好的检测性能,其稳健性优于现有的距离滑窗检测器.     

基于混合差分法的运动目标检测

为了提高背景重建速度和目标检测精度,提出了基于混合差分的运动目标检测方法.采用一种基于统计模型的区域像素级背景重建方法.结合帧差分法对于环境的适应性和背景差分法目标检测的准确性.首先用帧差分法得到目标最大的可能区域,在该区域进行像素级背景重建.然后用背景差分精确提取目标区域.既克服了单纯帧差分对于目标运动速度的限制,又缩小了背景差分的区域,使运动目标检测的时间复杂度迅速降低.通过实验,验证了该方法在检测精度和速度上的优势,可以应用于视频监控和目标跟踪领域.     

相关K分布杂波中扩展目标积累检测性能分析

针对时空相关K分布(C-KD)杂波背景中扩展目标的滑窗积累检测(SWAD)与顺序统计-滑窗积累检测(OS-SWAD)的性能分析问题,采用广义K分布拟合、矩匹配、相关数据中的有效样本尺寸估计以及分数阶顺序统计等方法,获得了零假设条件下检验统计量的概率分布函数的拟合表达式,建立了虚警概率、恒虚警检测门限以及杂波参数之间的关系方程,并通过蒙特卡罗仿真实验对各种概率分布函数的拟合精度以及给定检测门限下的虚警控制精度进行了评估.理论分析与仿真实验表明本文提出的方法是合理和有效的.     

机载广域监视SAR地面运动目标检测和参数估计方法

提出了一种机载广域监视SAR地面运动目标检测和参数估计方法.首先,基于斜视SAR的空间几何模型推导了地面运动目标成像的特征,得出运动目标不仅在方位向发生偏移,而且在距离向也会产生位移;然后,利用子孔径方法实现杂波抑制和运动目标的检测;最后,提出了广域监视SAR模式下运动目标的参数估计方法,并得到了该模式下运动目标的成像轨迹.计算机仿真验证了本文提出的机载广域监视SAR系统可以实现运动目标的检测和目标运动轨迹的形成.     

基于自适应混合高斯模型的运动目标检测

研究视频监控系统中序列图像的运动目标检测问题。传统的目标检测方法无法克服背景图像变化、场景光线突变等问题。采用混合高斯分布对背景进行建模,并根据输入的当前帧图像的像素信息进行背景模型更新,能够准确地检测出运动目标。通过相关仿真实验,验证该方法具有一定的可靠性。     

基于混合信息的运动目标检测优化研究

运动物体检测过程中,基于颜色信息的运动目标检测受光照突变、阴影以及噪声点大、彩色视频颜色易失真等问题影响.针对以上问题,提出了一种基于混合信息的优化算法.首先,在RGB色彩空间模型基础上采用SOFM(self-organizing feature maps)模型完成彩色视频颜色空间建模,改善颜色空间色彩的真实性;其次,...     

基于混合高斯模型的运动目标检测算法

针对摄像机在静止条件下的自适应运动目标检测,提出一种改进的运动目标检测算法。首先,针对高斯混合背景建模初期背景建模效果不理想的问题,利用统计的方法得到背景模型,根据背景图像建立高斯混合模型;在模型学习方面,为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷,提出了一种改进的纹理特征算子,将其与HSV颜色空间去阴影的方法相结合,从而实现对阴影的检测与去除,利用随机Hough算子对圆的检测原理,在运动目标检测的基础之上,实现对人头的边缘检测。实验结果表明:该算法可以很好地检测出运动目标,并能够有效去除运动目标包含的阴影区域,从而实现人头区域的检测。     

低分辨率SAR图像舰船目标检测

针对低分辨率合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标受背景及杂波影响难以检测的问题,通过构建一种基于生物视觉侧抑制理论的背景抑制网络模型,有效地抑制了背景杂波.采用基于RENYI熵的分割方法提取舰船目标兴趣区域,以低分辨率SAR图像中舰船目标的成像特点为先验知识,结合同质性检验,滤除了兴趣区域中的虚假目标,降低了虚警率.实验结果表明:所提出的算法能够有效地抑制强海杂波背景,突出目标,既能用于检测SAR图像中带尾迹特征的舰船等运动目标,也可用于检测无尾迹特征的舰船目标.     

单通道SAR的动目标检测

提出了一种基于单通道合成孔径雷达(SAR)进行动目标检测的新方法。该方法在详细分析SAR对动目标的回波模型的基础上,给出了进行子孔径成像、地杂波对消、相干斑抑制、动目标检测的原理和实现方法。文中首先建立了SAR的回波的数学模型,分析了动目标回波和地杂波的不同特征。在对回波做子孔径成像之后,为了抑制相干斑,对两路子孔径信号分别做平滑处理。然后进行杂波对消,通过对杂波对消后的残差图像做恒虚警处理检测出运动目标。计算机仿真结果验证了其有效性。     

基于多视图像序列跟踪的SAR地面运动目标检测

为基于合成孔径雷达(SAR)检测地面切向运动目标,提出基于多视图像序列跟踪的检测方法。在SAR多视图像序列上,具有切向速度的地面运动目标在子视图像间的位移轨迹可近似为一条斜线。该算法利用具有方向性约束的动态规划实现动目标在SAR多视图像序列上的轨迹跟踪,进而沿散焦轨迹作非相干积累可显著改善微弱目标检测性能。基于跟踪信息可实现动目标切向速度估计和解Doppler模糊。基于实测机载SAR数据的数值实验证明了该方法的有效性。     

高斯混合模型的运动目标检测与跟踪算法

运动目标跟踪是计算机视觉研究中的一项关键技术,针对当前运动目标跟踪算法存在的跟踪精度低,实时性差等不足,提出了基于高斯混合模型的运动目标检测与跟踪算法。首先收集目标的信息,并采用混合高斯模型对运动目标背景进行建模,然后采用均值漂移算法对目标进行跟踪,最后采用VC6.0++实现运动目标跟踪仿真实验。结果表明,该文提高了运动目标跟踪的精度,加快了运动目标跟踪的速度,并对遮挡、场景变化具有良好鲁棒性,性能要优于当前其他运动目标跟踪算法,具有更高的实际应用价值。     

基于谱延拓的SAR复图像谱分裂目标Doppler解模糊

合成孔径雷达(SAR)地面目标的径向运动会导致Doppler模糊,将目标Doppler频谱分裂为不同模糊数的2部分,显著增加了目标定位、识别和分类的难度.为实现谱分裂类型目标解模糊,该文基于复图像距离-Doppler(R-D)域的目标包络斜率正比于模糊数的特性,提出一种在谱延拓R-D域作二次距离徙动校正、搜索残留徙动斜...     

高斯混合扩展目标多伯努利滤波器

针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM-ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM-ET-PHD)滤波器相比,GM-ET-MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM-ET-MBer滤波器和GM-ET-PHD滤波器对目标数估计的标准偏差分别为0.267 3和0.395 3,可知所提滤波器对目标数的估计更稳定。     

极化SAR图像的人工目标检测

针对目前极化合成孔径雷达(SAR)目标检测仅使用单一极化检测器进行一次判决而造成检测率较低的问题,给出一种新方法。该方法将功率最大合成检测器、极化白化滤波检测器和最优极化检测器融合使用,用前一种检测器的输出来优化后一种检测器的输入,且通过迭代不断优化检测结果。为比较不同目标检测方法的性能,提出了一种准则,该准则规定对一幅SAR图像每种检测方法都取出相同点数的检测结果,虚警点少的方法性能好。实验表明:新目标检测方法在性能上优于其他方法;以该准则来比较不同极化SAR图像目标检测方法的性能简单易行,结果合理直观。     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

一种改进的混合高斯模型运动目标检测方法

混合高斯模型是一种能够较好处理光线渐变, 象素点噪声干扰的运动目标检测模型,但在光线突变时,大量背景象素偏离原有的分布模型,会造成大量背景象素点被检测为前景.本文提出了一种新的运动目标检测办法:首先以当前帧和背景帧对应象素亮度比值的概率的分布来判定光照突变,然后依据其分布规律来检测运动目标,最后以检测的结果对混合高斯模型进行修正,使其能快速适应光照突变环境.实验结果表明,该方法能够较好地适应光照突变的环境.     

基于改进的混合高斯模型的运动目标检测方法

针对传统高斯模型学习速度慢问题,提出了一种基于新的背景模型更新模式的目标检测方法.首先,对彩色图像建立混合高斯模型,并且采用新方法更新背景模型,即不同的阶段使用不同的更新方程,然后由背景差分得到基本准确的前景图像,其次利用基于颜色差、亮度差和梯度差的阴影检测算法削除前景图像的运动阴影,最后利用形态学滤波、连通组件分析和种子区域增长进行后处理.实验结果表明,该方法不管在室内还是在室外都能很好地消除阴影,准确地提取运动目标.