基于顶帽运算的遥感图像恒虚警率舰船目标检测算法

发布时间：2021-12-29 22:01

　　随着合成孔径雷达的出现,使得利用合成孔径雷达图像实现海洋目标检测,成为海洋遥感领域的研究重点。由于合成孔径雷达遥感图像中存在大量的背景像素,为从图像中对目标信息进行有效提取,需要借助顶帽运算提高图像的信杂比,并利用恒虚警率算法实现目标快速检测。鉴于此,文章从利用顶帽运算增强遥感图像的信杂比分析入手,对基于顶帽运算的遥感图像恒虚警率舰船目标检测算法进行论述。 

【文章来源】：舰船科学技术. 2020,42(06)北大核心

【文章页数】：3 页

【部分图文】：

结构元素g值变化曲线Fig.1Structuralelementgvaluecurve

）从SAR舰船目标检测的总体情况上看，当海杂波分布模型为已知时，通过恒虚警率能够对目标进行快速检测。然而，在实际中，想要对海杂波的分布模型进行确定具有一定的难度，特别是在不同的海况下，很难得到一个标准的海杂波分布模型。为了解决这一问题，可对SAR图像中目标像素的数量比杂波少的特点加以利用，以直方图作为基础，通过拟合的方法，引入最小均方误差准则，对海杂波的分布情况进行确定，从而完成模型的构建，为恒虚警率的应用提图1结构元素g值变化曲线Fig.1Structuralelementgvaluecurve图2CFAR识别率Fig.2CFARrecognitionrate·68·舰船科学技术第42卷

海杂波的分布情况Fig.3Distributionofseaclutter

【参考文献】：
期刊论文
[1]联合深度学习和条件随机场的遥感影像云检测[J]. 么嘉棋,陈继溢,陈赟,刘超镇,李国元.  测绘科学. 2019(12)
[2]一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法[J]. 杨龙,苏娟,黄华,李响.  光学学报. 2020(02)
[3]基于级联卷积神经网络的大场景遥感图像舰船目标快速检测方法[J]. 陈慧元,刘泽宇,郭炜炜,张增辉,郁文贤.  雷达学报. 2019(03)
[4]面向深度学习的遥感图像目标样本生成方法[J]. 王敏,陈金勇,王港,高峰,孙康,许妙忠.  国外电子测量技术. 2019(04)

硕士论文
[1]基于深度学习的光学遥感影像海上舰船目标检测研究[D]. 王浩君.杭州师范大学 2019



本文编号：3556937