复杂场景下单通道SAR目标检测及鉴别研究进展综述

发布时间：2021-06-13 03:34

　　SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别（ATR）技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。 

【文章来源】：雷达学报. 2020,9(01)北大核心CSCD

【文章页数】：21 页

【参考文献】：
期刊论文
[1]基于半监督学习的SAR目标检测网络[J]. 杜兰,魏迪,李璐,郭昱辰.  电子与信息学报. 2020(01)
[2]AIR-SARShip-1.0：高分辨率SAR舰船检测数据集[J]. 孙显,王智睿,孙元睿,刁文辉,张跃,付琨.  雷达学报. 2019(06)
[3]多模式遥感智能信息与目标识别：微波视觉的物理智能[J]. 金亚秋.  雷达学报. 2019(06)
[4]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)
[5]基于生成对抗网络和线上难例挖掘的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,江源.  电子与信息学报. 2019(01)
[6]A coupled convolutional neural network for small and densely clustered ship detection in SAR images[J]. Juanping ZHAO,Weiwei GUO,Zenghui ZHANG,Wenxian YU.  Science China（Information Sciences）. 2019(04)
[7]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵.  系统工程与电子技术. 2018(09)
[8]基于单极化SAR图像的舰船目标检测与分类方法[J]. 王兆成,李璐,杜兰,徐丰.  科技导报. 2017(20)
[9]基于卷积神经网络的高分辨率SAR图像飞机目标检测方法[J]. 王思雨,高鑫,孙皓,郑歆慰,孙显.  雷达学报. 2017(02)
[10]深度学习在SAR目标识别与地物分类中的应用[J]. 徐丰,王海鹏,金亚秋.  雷达学报. 2017(02)

博士论文
[1]复杂场景下SAR图像目标检测及鉴别方法研究[D]. 王兆成.西安电子科技大学 2018
[2]SAR图像目标ROI自动获取技术研究[D]. 高贵.国防科学技术大学 2007

硕士论文
[1]基于复杂场景SAR图像的多目标智能检测算法研究[D]. 聂春霞.南京航空航天大学 2017
[2]背景干扰情况下高分SAR图像车辆目标检测方法研究[D]. 代梦.上海交通大学 2017
[3]复杂场景下的SAR目标检测[D]. 余文毅.西安电子科技大学 2015
[4]特征变换方法及其在SAR目标鉴别上的应用[D]. 王斐.西安电子科技大学 2014
[5]SAR目标鉴别算法研究[D]. 徐恒.西安电子科技大学 2012



本文编号：3226908