多通道SAR复图像域慢速运动目标多特征检测方法研究

发布时间：2020-05-04 12:48

【摘要】：多通道合成孔径雷达能够对同一观测场景高效地完成多帧成像,利用多帧复图像的空时联系进一步提升动目标的检测性能与定位精度,在军事情报获取与交通监视领域发挥着至关重要的作用。合成孔径雷达由于平台的运动导致地/海杂波的多普勒谱展宽,慢速运动目标会淹没在杂波背景中,需要进行杂波抑制来实现动目标检测。在实际环境中,杂波分布非均匀,内部起伏运动引起时间、空间去相关,雷达非正侧视工作时杂波空时二维谱随空间快速变化,加之雷达系统的幅度和相位响应误差,导致自适应杂波抑制能力恶化,动目标检测虚警概率升高,雷达系统的最小可检测速度变差。针对实际背景下动目标检测的关键问题,本文综合利用多通道合成孔径雷达复图像域的信号幅度、相位、干涉幅度、干涉相位、滤波响应损失以及运动舰船的尾迹等多特征以提升慢速目标的检测性能,主要研究工作概括如下:1.在复杂地杂波背景下,针对利用杂波抑制残差图的动目标检测方法存在虚警概率高、慢速低信噪比目标检测困难的问题,提出了一种基于滤波响应损失的两步检测方法。该方法首先进行稳健的场景杂波抑制处理,并采用较低的幅度检测门限初步检测出潜在目标,旨在提升慢速、低信噪比目标的检测概率;然后,根据潜在目标在杂波抑制前后的功率变化构造滤波响应损失检测量进行二次检测以剔除虚警。推导了该两步检测方法在非均匀杂波背景下的统计分布特性,并给出了自适应检测门限的计算方式。实验结果表明,相比于广义内积似然比、干涉幅度相位两步检测以及干涉幅度相位结合方法,所提方法能够改善非均匀杂波背景下低信噪比动目标的检测性能,获得更好的动目标最小可检测速度。2.在海杂波背景下,针对现有运动舰船目标检测方法存在虚警概率高、动目标检测盲速区大的问题,提出了一种基于干涉幅度与相位自适应融合的无盲速舰船目标检测方法。首先,联合复干涉图像的幅度、相位以及空间结构信息设计了一种干涉双边滤波处理算法,以平滑噪声,并保持物体的空间结构,可以获得更加准确的干涉信息测量结果。然后,利用高斯核函数构造了一种基于干涉幅度与相位自适应融合的目标检测准则,并根据复合高斯杂波模型推导了该检测量的概率密度函数,给出了自适应检测门限的计算方式。理论分析表明,对于盲速区的动目标,该检测准则可以自动退化为幅度检测量以避免检测盲速;对于非盲速区的目标,该准则通过融合干涉幅度与相位信息来增加舰船目标与背景的对比度,提升低信噪比目标的检测性能。机载实测数据处理结果表明,所提出的干涉双边滤波多视处理算法可以有效地平滑噪声,提升干涉信息的测量精度;干涉幅度与相位自适应融合的目标检测准则改善了动目标的检测盲速问题,提高了低信噪比运动舰船目标的检测性能。3.为缓解海杂波背景下低信噪比、小尺寸运动舰船目标检测概率低的问题,在沿航迹干涉合成孔径雷达系统下,提出一种尾迹特征辅助的运动舰船目标检测方法。该方法首先综合利用干涉幅度、干涉相位以及尾迹的形态特征来提升舰船尾迹的检测性能。然后,一方面利用尾迹特征构造待检测舰船目标的位置和沿航迹干涉相位模板;另一方面,在复干涉图像域构造一种多特征融合的检测量,并以较低的检测门限初步检测出潜在舰船目标。最后,将潜在舰船目标与生成的舰船模板一一匹配来剔除虚警。通过仿真实验验证了所提方法对升低可观测舰船目标的检测性能的改善。
【图文】：

随海面风速变化，SAR 图像上海杂波受到这种物理机理，第i 幅 SAR 图像上复数据度的随机变量乘以复高斯噪声组成，如下, 0, 1,2i i i iz A x A i R 图像上的散射强度变量，也称为纹理分点分量，，服从标准复数域正态分布， i x ，当纹理分量服从 Gamma 分布时，海杂波、低擦地角下的实测海杂波数据，同时也能关性。但是，海面上运动舰船尾部存在尾点群，如图 4.11 所示（TerraSAR-X 实测数非均匀，有时 K 分布也难以合适地描述其

而且舰船的干涉相位分布也更集中，说明采用干涉域双边滤波方法能够提升舰船、杂波背景的干涉信息的估计准确度，增加舰船与背景在复干涉域的分辨度。图4.22 提取的运动舰船目标像素点（Ground truth）(a) 干涉幅度直方图分布 (b) 干涉相位直方图分布图4.23 滤波前，目标与杂波的复干涉图分布方位分辨单元距离分辨单元1180 1200 1220 1240 1260640660680700720-30 -20 -10 0 10 20 30 4000.020.040.060.08滤波前干涉幅度 (dB)PDF舰船目标杂波背景-3 -2 -1 0 1 2 300.10.20.30.4X: -2.231Y: 0.0333滤波前干涉相位 (rad)PDF舰船目标海杂波背景
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TN957.52

【相似文献】

相关期刊论文 前10条

1 齐莉;;云平台和神经网络的舰船目标检测[J];舰船科学技术;2019年12期

2 陈云;;云环境舰船目标检测与跟踪[J];舰船科学技术;2018年12期

3 代威;文贡坚;张星;李智勇;;高光谱图像海上舰船目标检测方法研究[J];重庆理工大学学报(自然科学);2015年11期

4 冷相文;张旭;赵晓哲;;水雷障碍对舰船目标流毁伤概率仿真研究[J];计算机仿真;2011年04期

5 王彦情;马雷;田原;;光学遥感图像舰船目标检测与识别综述[J];自动化学报;2011年09期

6 邢孟道;高悦欣;陈溅来;保铮;;海上舰船目标雷达成像算法[J];科技导报;2017年20期

7 王鹏;吕高杰;龚俊斌;田金文;;一种复杂海天背景下的红外舰船目标自动检测方法[J];武汉大学学报(信息科学版);2011年12期

8 吴超;龚翠玲;宋万杰;吴顺君;;舰船目标实时一维距离像研究[J];现代雷达;2008年07期

9 丛瑜;周伟;于仕财;郭明;;一种对港口影像进行舰船目标提取方法[J];计算机仿真;2014年01期

10 刘松涛;;用盒子维评估红外烟幕对舰船目标的遮蔽效果[J];光电工程;2009年02期

相关会议论文 前10条

1 王童;童创明;李西敏;陈彬;;海面舰船目标二次散射成像研究[A];2017年全国微波毫米波会议论文集(上册二)[C];2017年

2 王世岭;张大发;马鹏宝;;宽幅海洋舰船目标成像问题研究[A];2019年全国工业流体力学会议摘要集[C];2019年

3 王卫华;何艳;牛照东;陈曾平;;基于兴趣区分割的红外舰船目标实时检测算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

4 何友金;李凯永;任建广;;一种改进的基于递归门限分析的红外舰船目标图像分割方法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

5 姚力波;刘勇;吴昱舟;熊伟;周智敏;;基于高分四号卫星的舰船目标跟踪[A];第四届高分辨率对地观测学术年会论文集[C];2017年

6 艾淑芳;张国华;;海面杂波背景下红外图像中舰船目标的检测[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等教育学会工程热物理专业委员会第二十一届全国学术会议论文集——传热传质学专辑[C];2015年

8 马兰;陈筱勇;吴群;;基于小波包和高阶统计量的热红外舰船目标检测改进算法[A];国家安全地球物理丛书（十二）——地球物理与信息感知[C];2016年

9 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等学校工程热物理第二十届全国学术会议论文集——传热传质学专辑[C];2014年

10 吴楠;冯传收;王海婴;;采用高频法软件包计算舰船目标的RCS[A];第六届全国电磁兼容性学术会议2004EMC论文集[C];2004年

相关博士学位论文 前10条

1 田敏;多通道SAR复图像域慢速运动目标多特征检测方法研究[D];西安电子科技大学;2019年

2 李焘;基于SAR图像的舰船目标检测方法研究[D];西安电子科技大学;2019年

3 李笋;高分辨率光学遥感图像舰船目标检测关键技术研究[D];北京理工大学;2017年

4 安_g;海战场舰船目标检测与识别研究[D];哈尔滨工程大学;2015年

5 段崇雯;基于SAR成像的海面舰船目标特征参数估计[D];国防科学技术大学;2013年

6 邢相薇;HRWS SAR图像舰船目标监视关键技术研究[D];国防科学技术大学;2014年

7 张晖;舰船目标多手段数据融合探测方法研究[D];内蒙古大学;2016年

8 王健;高频地波雷达舰船目标跟踪关键技术研究[D];哈尔滨工业大学;2008年

9 桂阳;基于机载视觉的无人机自主着舰引导关键技术研究[D];国防科学技术大学;2013年

10 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院（电子学研究所）;2002年

相关硕士学位论文 前10条

1 胡珍;起伏海面下舰船目标的声散射特性研究[D];上海交通大学;2018年

2 陈雪飞;复杂运动舰船目标三维InISAR成像算法研究[D];哈尔滨工业大学;2019年

3 王昌安;遥感影像中的近岸舰船目标检测和细粒度识别方法研究[D];华中科技大学;2019年

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

5 王冰;基于深度学习的舰船目标检测研究[D];厦门大学;2017年

6 李庆峰;可见光遥感图像舰船目标检测技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

7 尹莹莹;高分辨率光学遥感影像舰船目标检测与识别算法研究[D];上海交通大学;2017年

8 任笑圆;知识辅助的可见光遥感图像靠岸舰船目标检测方法研究[D];国防科学技术大学;2016年

9 邓婉霞;基于卫星图像信息与电子信息的舰船目标关联[D];国防科学技术大学;2016年

10 王海波;基于星载简缩极化SAR的海上舰船目标检测方法研究[D];国防科学技术大学;2016年

本文编号：2648568