基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

许成斌 周伟 丛瑜 关键

引用本文:
Citation:

基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

    作者简介: 许成斌(1990-),男,黑龙江伊春人,2012年获哈尔滨工程大学学士学位,同年进入海军航空工程学院攻读硕士学位,研究方向为遥感图像解译与分析.E-mail:xuchengbin333@126.com周伟(1980-),男,湖北黄石人,于海军航空工程学院获得博士学位,现为海军航空工程学院信息融合研究所讲师,主要研究方向为多源信息融合、侦察图像处理、目标检测与识别.E-mail:yeaweam@gmail.com丛瑜(1982-),女,山东招远人,于国防科技大学获得硕士学位,现为海军航空工程学院信息融合研究所讲师,主要研究方向为数字图像处理.E-mail:congyu19820122@163.com关键(1968-),男,辽宁锦州人,教授,博士生导师,主要研究方向为雷达目标检测与跟踪、侦察图像处理和信息融合.获全国优秀博士学位论文奖,新世纪百千万人才工程国家级人选.E-mail:guanjian96@tsinghua.org.cn.
    通讯作者: 关键, guanjian96@tsinghua.org.cn
  • 基金项目:

    国家自然科学基金(61201445, 61179017)和国防预研基金资助课题

Ship Analysis and Detection in High-resolution Pol-SAR Imagery Based on Peak Zone

    Corresponding author: Guan Jian, guanjian96@tsinghua.org.cn
  • 摘要: 针对高分辨率SAR 舰船目标检测中存在类似舰船的干扰目标造成虚警的问题,该文设计了一种峰值区域极化特征提取方法.该方法通过对比水面船只和干扰目标峰值区域Krogager 分解中螺旋体散射比重的差异,对两类目标进行了鉴别分析.利用RADARSAT-2 的C 波段全极化数据对方法的有效性进行验证,验证结果表明该方法能有效地鉴别船只目标与岛屿、防浪堤、海面平台、桥梁等干扰目标,减少SAR 舰船目标检测中存在的虚警.
  • [1] 陈文婷, 刑相薇, 计科峰. SAR 图像舰船目标识别综述[J]. 现 代雷达, 2012, 34(11): 53-58. Chen Wen-ting, Xing Xiang-wei, and Ji Ke-feng. A survey of ship target recognition in SAR images[J]. Modern Radar, 2012, 34(11): 53-58.
    [2] 邓云凯, 赵凤军, 王宇. 星载SAR 技术的发展趋势及应用浅 析[J]. 雷达学报, 2012, 1(1): 1-10. Deng Yun-kai, Zhao Feng-jun, and Wang Yu. Brief analysis on the development and application of space borne SAR[J]. Journal of Radars, 2012, 1(1): 1-10.
    [3] 董江曼, 李应岐, 邓飚. SAR 图像舰船目标的特征识别[J]. 陕 西师范大学学报(自然科学版), 2004, 32(S1): 203-205. Dong Jiang-man, Li Ying-qi, and Deng Biao. Ship targets recognition by ship's feature in SAR image[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2004, 32(S1): 203-205.
    [4] Kreithen D K, Halversen S D, and Owirka G J. Discriminating targets from clutter[J]. The Lincoln Laboratory Journal, 1993, 6(1): 25-52.
    [5] 张晰, 张杰, 纪永刚, 等. 基于结构特征的SAR船只类别识别能力分析[J]. 海洋学报, 2010, 32(1): 146-152. Zhang Xi, Zhang Jie, Ji Yong-gang, et al.. The capability analysis of ship classification by structure feature using SAR images[J]. Acta Oceanologica Sinica, 2010, 32(1): 146-152.
    [6] Christoffersen T. Klassifisering av skip I SAR-bilder[R]. FFI/Notat-91/7046, Norwegian Defence Research Establishment, Kjeller, Norway, 1990.
    [7] Osman H, Li P, Steven D B, et al.. Classification of ships in airborne SAR imagery using backprogation neural networks[C]. Proceedings of SPIE Symposium on Radar Processing, Technology, and Applications Ⅱ, San Diego, 1997, 3161: 126-136.
    [8] 陈琪, 陆军, 王娜, 等. 一种基于SAR图像鉴别的港口区域舰 船目标新方法[J]. 宇航学报, 2011, 32(12): 2582-2588. Chen Qi, Lu Jun, Wang Na, et al.. An SAR images-based new method for ship discrimination in harbor region[J]. Journal of Astronautics, 2011, 32(12): 2582-2588.
    [9] 杨慧, 吴祥, 张建, 等. 基于H A -Wishar/ / t 分类的极化 SAR 图像船只检测[J]. 杭州电子科技大学学报, 2013, 33(6): 142-145. Yang Hui, Wu Xiang, Zhang Jian, et al.. Ship detection in polarimetric SAR imagery based on H/A/-Wishart classification[J]. Journal of Hangzhou Dianzi University, 2013, 33(6): 142-145.
    [10] 肖顺平, 王雪松, 代大海, 等. 极化雷达成像处理及应用[M]. 北京: 科学出版社, 2013: 56-57. Xiao Shun-ping, Wang Xue-song, Dai Da-hai, et al.. Processing and Application of PolSAR Image[M]. Beijing: Science Press, 2013: 56-57.
    [11] Krogager E and Czyz Z H. Properties of the sphere, deplane, helix decomposition[C]. Proceedings 3rd International Workshop on Radar Polarimetry (JIPR'95), Univ Nantes, France, 1995: 106-114.
    [12] 王超, 张红, 等. 全极化合成孔径雷达图像处理[M]. 北京: 科 学出版社, 2008: 75-76. Wang Chao, Zhang Hong, et al.. Image Processing of PolSAR Image[M]. Beijing: Science Press, 2008: 75-76.
    [13] Lee Jong-sen and Pottier E. Polarimetric Radar Imaging: from Basics to Applications[M]. London, UK: Taylor and Francis Group, 2009: 154-155.
    [14] 高贵, 计科峰, 匡纲要, 等. 高分辨率SAR 图像目标峰值提取 及峰值稳定性分析[J]. 电子与信息学报, 2005, 27(4): 561-565. Gao Gui, Ji Ke-feng, Kuang Gang-yao, et al.. Target peak extraction from high-resolution SAR image and peak's stability analysis[J]. Journal of Electronics Information Technology, 2005, 27(4): 561-565.
    [15] Xu Xiao-jian, Zhai Lai-juan, and Huang Ying. Subpixel processing for target scattering center extraction from SAR images[C]. International Conference on Signal Processing, Guilin, 2006: 2720-2723.
  • [1] 孙翔宋红军王宇李宁 . 基于高分辨率全极化SAR图像的取向角校正方法. 雷达学报, 2018, 7(4): 465-474. doi: 10.12000/JR18026
    [2] 周伟孙艳丽许成斌关键 . 一种多极化SAR舰船目标与方位向模糊鉴别方法. 雷达学报, 2015, 4(1): 84-92. doi: 10.12000/JR14147
    [3] 温雪娇仇晓兰尤红建卢晓军 . 高分辨率星载SAR起伏运动目标精细聚焦与参数估计方法. 雷达学报, 2017, 6(2): 213-220. doi: 10.12000/JR17005
    [4] 王超王岩飞刘畅刘碧丹 . 基于参数估计的高分辨率SAR运动目标距离徙动校正方法. 雷达学报, 2019, 8(1): 64-72. doi: 10.12000/JR18054
    [5] 王思雨高鑫孙皓郑歆慰孙显 . 基于卷积神经网络的高分辨率SAR图像飞机目标检测方法. 雷达学报, 2017, 6(2): 195-203. doi: 10.12000/JR17009
    [6] 罗绣莲徐伟郭磊 . 捷变PRF技术在斜视聚束SAR中的应用. 雷达学报, 2015, 4(1): 70-77. doi: 10.12000/JR14149
    [7] 李景山温双燕王建仲利华张问一 . 基于高性能机群的环境一号C 卫星SAR 图像全分辨率快视实时处理系统设计与实现. 雷达学报, 2014, 3(3): 332-338. doi: 10.3724/SP.J.1300.2014.13095
    [8] 杨威陈杰李春升 . 面向目标特性精细提取的SAR数据融合成像处理方法. 雷达学报, 2015, 4(1): 29-37. doi: 10.12000/JR15017
    [9] 洪文 . 圆迹SAR 成像技术研究进展. 雷达学报, 2012, 1(2): 124-135. doi: 10.3724/SP.J.1300.2012.20046
    [10] 陈世阳黄丽佳俞雷 . 基于改进sinc插值的变PRF采样聚束SAR成像. 雷达学报, 2019, 8(4): 527-536. doi: 10.12000/JR18095
    [11] 明婧张晓玲蒲羚师君 . 一种新型圆迹阵列三维SAR系统的点扩散函数分析与地面实验结果. 雷达学报, 2018, 7(6): 770-776. doi: 10.12000/JR18068
    [12] 折小强仇晓兰雷斌张薇卢晓军 . 一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法. 雷达学报, 2017, 6(5): 554-563. doi: 10.12000/JR16149
    [13] 李洋林赟张晶晶郭小洋陈诗强洪文 . 多角度极化SAR图像中的非各向同性散射估计与消除方法研究. 雷达学报, 2015, 4(3): 254-264. doi: 10.12000/JR15020
    [14] 汪丙南向茂生 . 地球同步轨道圆迹SAR 三维分辨特性分析. 雷达学报, 2012, 1(3): 314-322. doi: 10.3724/SP.J.1300.2012.20044
    [15] 赵雨露张群英李超纪奕才方广有 . 视频合成孔径雷达振动误差分析及补偿方案研究. 雷达学报, 2015, 4(2): 230-239. doi: 10.12000/JR14153
    [16] 詹学丽王岩飞王超李和平 . 一种用于合成孔径雷达的数字去斜方法. 雷达学报, 2015, 4(4): 474-480. doi: 10.12000/JR14117
    [17] 王岩飞刘畅詹学丽韩松 . 无人机载合成孔径雷达系统技术与应用. 雷达学报, 2016, 5(4): 333-349. doi: 10.12000/JR16089
    [18] 李海英张珊珊李世强张华春 . 环境一号C 卫星合成孔径雷达相干性分析. 雷达学报, 2014, 3(3): 320-325. doi: 10.3724/SP.J.1300.2014.13060
    [19] 禹卫东杨汝良邓云凯赵凤军雷宏 . HJ-1-C 卫星合成孔径雷达载荷的设计与实现. 雷达学报, 2014, 3(3): 256-265. doi: 10.3724/SP.J.1300.2014.14020
    [20] 种劲松周晓中 . 合成孔径雷达图像海洋内波探测研究综述. 雷达学报, 2013, 2(4): 406-421. doi: 10.3724/SP.J.1300.2013.13012
  • 加载中
计量
  • 文章访问数:  1637
  • HTML浏览量:  127
  • PDF下载量:  1294
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-19
  • 录用日期:  2014-10-19
  • 刊出日期:  2015-06-28

基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

    通讯作者: 关键, guanjian96@tsinghua.org.cn
    作者简介: 许成斌(1990-),男,黑龙江伊春人,2012年获哈尔滨工程大学学士学位,同年进入海军航空工程学院攻读硕士学位,研究方向为遥感图像解译与分析.E-mail:xuchengbin333@126.com周伟(1980-),男,湖北黄石人,于海军航空工程学院获得博士学位,现为海军航空工程学院信息融合研究所讲师,主要研究方向为多源信息融合、侦察图像处理、目标检测与识别.E-mail:yeaweam@gmail.com丛瑜(1982-),女,山东招远人,于国防科技大学获得硕士学位,现为海军航空工程学院信息融合研究所讲师,主要研究方向为数字图像处理.E-mail:congyu19820122@163.com关键(1968-),男,辽宁锦州人,教授,博士生导师,主要研究方向为雷达目标检测与跟踪、侦察图像处理和信息融合.获全国优秀博士学位论文奖,新世纪百千万人才工程国家级人选.E-mail:guanjian96@tsinghua.org.cn
  • 1. (海军航空工程学院电子信息工程系 烟台 264001)
基金项目:  国家自然科学基金(61201445, 61179017)和国防预研基金资助课题

摘要: 针对高分辨率SAR 舰船目标检测中存在类似舰船的干扰目标造成虚警的问题,该文设计了一种峰值区域极化特征提取方法.该方法通过对比水面船只和干扰目标峰值区域Krogager 分解中螺旋体散射比重的差异,对两类目标进行了鉴别分析.利用RADARSAT-2 的C 波段全极化数据对方法的有效性进行验证,验证结果表明该方法能有效地鉴别船只目标与岛屿、防浪堤、海面平台、桥梁等干扰目标,减少SAR 舰船目标检测中存在的虚警.

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回