CN102144173B - 合成孔径雷达成像的海域中的目标检测 - Google Patents
合成孔径雷达成像的海域中的目标检测 Download PDFInfo
- Publication number
- CN102144173B CN102144173B CN200880130470.2A CN200880130470A CN102144173B CN 102144173 B CN102144173 B CN 102144173B CN 200880130470 A CN200880130470 A CN 200880130470A CN 102144173 B CN102144173 B CN 102144173B
- Authority
- CN
- China
- Prior art keywords
- distribution
- amplitude
- driftlessness
- marine site
- reference quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
在此公开的是基于目标的合成孔径雷达(SAR)图像来检测海域中的目标的方法(13)。该合成孔径雷达(SAR)图像由像素构成,每个像素具有各自的幅度。该方法包括计算第一参考量(块14),该第一参考量表征针对如果海域无目标时合成孔径雷达(SAR)图像中的像素将具有的幅度所假定的泊松分布。该方法还包括在合成孔径雷达(SAR)图像中选择像素(块15),计算表征所选择像素的幅度的真实统计分布的真实量(块16),并且基于所计算的第一参考量和真实量来检测(块17)海域中的目标。所选择的像素是在合成孔径雷达(SAR)图像的同一子图像中,并且检测(块17)包括检测海域的子海域中的目标,该子海域由子图像表示。
Description
技术领域
本发明涉及合成孔径雷达成像的海域中的目标检测。
背景技术
众所周知,遥感是通过对由不与调查的物体、区域或现象相接触的器件所获取的数据进行分析来获得关于物体、区域或现象的信息的科学和技术。基于系统工作的波长,遥感主要分为不同的两组,即光学遥感和微波遥感。
光学遥感使用可见波和红外波,而微波遥感使用无线电波。
作为微波遥感系统,合成孔径雷达(SAR)系统包括在例如飞机或人造卫星的移动平台上操作的雷达信号发射机和雷达信号接收机,以及通过无线电信道连接到移动平台的远程处理站。
发射机将雷达信号发送到受监控的地面或海域,而接收机接收由区域后向散射的雷达回波,并将其发送给远程处理站,该远程处理站处理雷达回波以获取受监控区域的二维地图。发射的雷达信号包括由线性频率调制的或所谓的线性调频(CHIRP)调制的、并以定期的时间间隔发射的一连串微波频带的电磁脉冲。
处理站相干地结合对应于所发射脉冲的雷达回波,以使用相对小的发射天线来获得广泛地区的高方位角分辨率的地图。另一方面,线性调频脉冲调制提供了在垂直于方位角的方向上获得高分辨率。
详细地,SAR系统借助于发射机用微波照射场地(scene),并且借助于接收机记录后向散射的辐射的幅值和相位对场地进行相干成像处理。用处理站对所接收到的信号进行采样并将其变换为数字图像。
具体地,在像素x处记录的场表示为E(x),可以写作
其中求和涉及散射体s,a(s)和(s)分别是从散射体s接收到的信号的幅值和相位,并且h(s,x)是仪器函数(instrument function)或点扩散函数。当散射体s在对应于像素x的分辨单元中或在对应于像素x的分辨单元附近时,h(s,x)的值接近于1,否则h(s,x)的值接近于0。假设仪器函数是平移不变式,即仪器函数不取决于x,则可以将其写作单参数(one-parameter)的函数h(s-x)。
场E(x)的模的平方被称为检测强度I(x);强度I(x)的平方根被称为包络或幅值。这与所接收到的信号a(s)的幅值不同,因为所接收到的场E(x)是由仪器函数h(s,x)来扰动的。接收的信号a(s)的幅值被称为反射率,并且其平方被称为表面横截面。
与光学遥感相比,SAR成像具有一些优点。首先,作为有源系统,它是昼夜数据获取系统。其次,考虑到SAR波长范围内的电磁波的行为,可以看到大气特性(例如云、微雨、薄雾和烟)对SAR系统的性能几乎没有影响。这使得SAR可以作为全天候遥感系统。最后但同样重要的是,由于SAR信号部分地透过土壤和植被冠层,所以除了提供表面信息外,SAR信号也可以提供地下信息。
遗憾的是,与光学遥感相比,SAR成像也有一些缺点。具体地,与光学图像不同,SAR图像是通过所发射的微波与目标的相干相互作用而形成的。因此,SAR成像遭受斑点噪声的影响,该斑点噪声是由随机分布在每个像素x内的地面散射体s后向散射的信号的相干总和所引起的。因此,SAR图像比光学图像呈现出更多噪声。
更具体而言,由发射机发射的波在到目标区域的路上同相(in phase)行进并且最低限度地相互影响。因为从目标行进的距离不同或者由于单对多反弹散射,在与目标区域相互作用后,这些波不再同相。一旦异向,后向散射波就可以相互作用以产生亮像素和暗像素。这种影响称为斑点噪声。
斑点噪声给SAR图像带来了粒状外观,减小了SAR图像的对比度,并对基于纹理(texture)的分析有负面影响。而且,由于斑点噪声改变了SAR的空间统计量,所以使得分类处理成为难以完成的任务。
图1示出了典型的粒状SAR图像的示例。
为此,通常在显示和进一步分析之前,通过在数字图像上施加斑点去除滤波器来抑制斑点噪声。
图2示出了用斑点去除滤波器滤波的图1的粒状SAR图像。
如图1所示,SAR图像通常显示为灰度图像。每个像素x的强度I(x)表示由地面上的相应目标区域后向散射的微波部分,该部分取决于各种因素:在目标区域中的散射体s的类型、尺寸、形状和方向、目标区域的湿度含量、雷达脉冲的频率和偏振,以及雷达波束的入射角。像素强度值经常被转换成称为后向散射系数或归一化雷达横截面的物理量,该物理量是以分贝(dB)为单位进行测量的,并且具有从非常明亮的物体的+5dB到非常暗的表面的-40dB的范围内的值。
解译SAR图像不是简单的任务。通常需要一些关于成像区域的地面状况的知识。作为有用的经验法则,后向散射的强度越高,被成像的表面就越粗糙。
详细地,例如铺砌的道路、跑道或平静水面的平坦表面通常在SAR图像中呈现为暗色区域,因为大部分入射的雷达脉冲被镜面反射。图3示意性地示出了镜面反射的示例。详细地,如图3所示,光滑表面31对于入射雷达脉冲的作用如同镜子。根据镜面反射定律,即反射角α’等于入射角α,大部分入射雷达能量被反射。非常少的能量被后向散射到SAR传感器。
相反地,粗糙表面在所有方向上反射所入射的雷达脉冲。这种现象被称为漫反射。在这种情况下,部分雷达能量被散射回雷达传感器。后向散射的能量的量取决于地面上的目标的属性。图4示意性地示出了存在粗糙表面41的情况下的漫反射的示例。
因此,在SAR图像中,平静的海面呈现出暗色,而粗糙的海面可以呈现出明亮,尤其当入射角很小的时候以及当海平面的粗糙度是由于波的波长比雷达脉冲波长更短的时侯。
此外,油膜的存在使海面平滑。在当海面充分粗糙的特定情况下,油膜可以被检测为相对于明亮背景的暗斑(dark patch)。
而且,按照波长尺度,树和其它植物通常是中等粗糙。因此它们在图像中呈现为中等明亮的特征。热带雨林具有在-6dB与-7dB之间的特有的后向散射系数,该特有的后向散射系数是空间均匀的并且在时间上保持稳定。为此,热带雨林已经被用作执行SAR图像的辐射校准(radiometriccalibration)的校准目标。
由于被称为角反射或双反弹效应的现象,SAR图像中可能出现十分明亮的目标。图5示意性地示出了双反弹效应的示例,其中雷达脉冲从水平地面51反弹到目标52,然后从目标52的一个垂直的表面52a反射回SAR传感器。这种目标的示例是海上的船、高层建筑物和例如货物集装箱的规则的金属物体。在SAR图像中,建成区(built-up area)和许多人造特征由于角反射效应通常呈现为亮斑(bright patch)。
图6示出了繁忙的港口附近的海域的SAR图像,其中由于角反射效应,许多船可以被看作是亮点(bright spot)。海是平静的,因此相对于暗色的背景可以容易地检测到船。
最后,被裸地(bare soil)覆盖的区域的亮度根据其粗糙度和湿度含量可以从十分黑暗变化到十分明亮。通常,粗糙土壤在图像中呈现出明亮。对于相似的土壤粗糙度,具有更高湿度含量的表面将呈现出更明亮。
图7示意性地示出了雷达脉冲与干土71相互作用的示例,其中,一些入射的雷达能量能够穿透土壤表面71a,从而导致较小的后向散射强度。
图8示意性地示出了雷达脉冲与湿土81相互作用的示例,其中,水与空气之间的电属性的大的差异导致较高的后向散射雷达强度。
图9示意性地示出了雷达脉冲与淹水土壤91相互作用的示例,其中,雷达脉冲被从水面92镜面反射,从而导致低的后向散射密度。水淹区域将在SAR图像中呈现出暗色。
发明内容
申请人已注意到在SAR图像中斑点噪声与有用的信号非常相关,因此任何斑点噪声的减少/去除处理也会修改有用信号的特性。
因此,申请人已进行深入的研究以便提出用于检测SAR成像海域中的目标的创新方法,该创新方法不需要SAR图像的任何种类的预处理,例如斑点噪声的减少或去除,此外,也不需要成像的海域的地面状况的任何先验知识。
于是本发明的目的是提供在上述类型的SAR成像海域中的目标检测方法。
这个目的是通过本发明来实现的,因为本发明涉及用于在SAR成像海域中检测例如船、油膜、冰山、半水淹结构或任何其它可能的物体的目标的方法、系统、器件和软件程序。
根据本公开的实施例,提供了一种基于合成孔径雷达图像检测所考虑的海域中的目标的方法,该合成孔径雷达图像表示所考虑的海域,该方法包括:选择合成孔径雷达图像的子图像,该子图像表示所考虑的海域的子海域;该方法的特征在于,还包括:提供无目标海域的合成孔径雷达图像中的像素的幅度的无目标参考分布,该无目标参考分布为泊松分布;基于多个合成孔径雷达图像中的像素的幅度计算表示期望值的第一参考量,多个合成孔径雷达图像中的每个表示相应时刻的所考虑的海域,期望值表征无目标参考分布,第一参考量表示多个合成孔径雷达图像中的像素的幅度的平均值;基于第一参考量和泊松分布数学模型,计算表示无目标参考分布中最频繁出现的幅度的第二参考量;基于第一参考量和泊松分布数学模型,计算表示无目标参考分布的标准偏差的第三参考量;通过计算所选择的子图像中的所有像素的幅度的直方图以及通过基于所计算的直方图提供表示真实统计分布中最频繁出现的幅度的真实量,计算所选择的子图像中的像素的幅度的真实统计分布;通过借助于基于第三参考量的感测误差相关检测阈值执行第二参考量与真实量的比较来比较无目标参考分布与真实统计分布;以及如果第二参考量和真实量之差大于感测误差相关检测阈值,则检测子海域中的目标。
根据本公开的实施例,还提供了一种基于合成孔径雷达图像检测所考虑的海域中的目标的设备,该合成孔径雷达图像表示所考虑的海域,该设备包括:用于选择合成孔径雷达图像的子图像的装置,该子图像表示所考虑的海域的子海域;该设备的特征在于,还包括:用于提供无目标海域的合成孔径雷达图像中的像素的幅度的无目标参考分布的装置,该无目标参考分布为泊松分布;用于基于多个合成孔径雷达图像中的像素的幅度计算表示期望值的第一参考量的装置,多个合成孔径雷达图像中的每个表示相应时刻的所考虑的海域,期望值表征无目标参考分布,第一参考量表示多个合成孔径雷达图像中的像素的幅度的平均值;用于基于第一参考量和泊松分布数学模型而计算表示无目标参考分布中最频繁出现的幅度的第二参考量的装置;用于基于第一参考量和泊松分布数学模型而计算表示无目标参考分布的标准偏差的第三参考量的装置;用于通过计算所选择的子图像中的所有像素的幅度的直方图以及通过基于所计算的直方图提供表示真实统计分布中最频繁出现的幅度的真实量而计算所选择的子图像中的像素的幅度的真实统计分布的装置;用于通过借助于基于第三参考量的感测误差相关检测阈值执行第二参考量与真实量的比较来比较无目标参考分布与真实统计分布的装置;以及用于如果第二参考量和真实量之差大于感测误差相关检测阈值则检测子海域中的目标的装置。
附图说明
为了更好地理解本发明,现在将参照附图(所有附图没有按照比例绘制)来描述优选实施例,优选实施例仅意在作为示例而不被解释为限制,其中:
·图1示出了典型的粒状SAR图像;
·图2示出了用斑点去除滤波器滤波的图1的SAR图像;
·图3示意性地示出了镜面反射的示例;
·图4示意性地示出了漫反射的示例;
·图5示意性地示出了双反弹效应的示例;
·图6示出了海域SAR图像;
·图7示意性地示出了雷达脉冲与干土相互作用的示例;
·图8示意性地示出了雷达脉冲与湿土相互作用的示例;
·图9示意性地示出了雷达脉冲与淹水土壤相互作用的示例;
·图10示出了泊松离散概率函数的图示。
·图11示出了无目标出现的海域的典型SAR图像的像素的幅度的直方图;
·图12示意性地示出了根据本发明的、用于检测SAR成像海域中的目标的系统;以及
·图13示出了根据本发明的、SAR成像海域中的目标检测的流程图。
具体实施方式
提出以下讨论,以使本领域的普通技术人员能够制造和使用本发明。在不脱离所要求保护的本发明的范围的情况下对实施例所做的各种改进对于本领域的普通技术人员来说将是明显地。
因此,本发明不是意在仅限制于所示实施例,而是符合与在此公开并在所附权利要求中限定的原理和特征相一致的最宽范围。
此外,本发明是通过软件程序来实现的,软件程序可加载在电子处理器的存储器中并且包括软件代码部分,当在处理器上运行软件程序时,该软件代码部分用于实现下文中所描述的SAR成像海域中的目标检测。
本发明源于申请人的观察,在无目标存在的海域的SAR图像中,像素的幅度是根据泊松分布来分布的。幅度可以是强度值、后向散射系数或在SAR成像中使用的任何其它类型的像素幅度。
因此,幅度I的概率P(I)是由以下的泊松离散概率函数来给定的:
其中λ是幅度I的期望值或平均值。显然,e是自然对数的底,而I!是幅度I的阶乘。
容易理解的是:给定平均值λ、泊松离散概率函数,则可以单一地确定幅度I的泊松分布。
众所周知,对于泊松分布,方差σ2与期望值λ一致,即,结果是
σ2=λ
显然,标准偏差σ等于
而且,对于泊松分布,如果λ是整数,则模(即概率上最可能的值或统计上最频繁出现的值)等于λ-1,否则模等于
图10示出了三个泊松离散概率函数的图示,每个泊松离散概率函数具有各自的平均值λ。
图11示出了无目标存在的海域的典型SAR图像的幅度的直方图。具体地,横轴表示以分贝(dB)为单位所测量的后向散射系数,而纵轴表示归一化的发生事件(occurrence),即发生事件除以最高发生事件值。如图11所示,后向散射系数是根据以5dB的平均值和4dB的模来表征的泊松分布进行分布的。
图12示意性地示出了根据本发明的、用于检测SAR成像海域中的目标的电子系统10。
详细地,电子系统10包括耦合到SAR系统12以从SAR系统12获取数据的电子处理器11。具体地,从SAR系统12获取的数据是表示海域的SAR图像。
而且,电子处理器11上安装有软件程序,该软件程序包括用于实现下文中所描述的SAR成像海域中的目标检测的软件代码部分。
图13示出了根据本发明的、由SAR图像表示的海域中的目标检测13的流程图。
具体地,目标检测13包括:
·计算参考量(块14);
·选择SAR图像中的像素(块15);
·计算真实量(real quantity)(块16);以及
·检测(决17)海域中的目标。
详细地,计算参考量(块14)包括计算表征针对如果海域无目标时SAR图像的像素将具有的幅度所假定的泊松分布的参考量。
换句话说,计算参考量(块14)包括估计SAR图像中的像素的幅度I的平均值SAR图像是由M×N个像素构成的并表示海域。因此,参考量是估计的平均值
更详细地,根据以下公式来估计平均值
其中I(i,j)是像素(i,j)的幅度。
根据本发明的潜在的基本原理,如果在M×N个像素表示的海域中无目标,例如船、油膜、冰山、半水淹结构或任何其它可能的物体,则将根据无目标参考统计分布来分配M×N个像素的幅度I,该无目标参考统计分布是以期望值等于估计的平均值来表征的泊松分布。因此,幅度I的无目标参考概率P(I)是由以下的泊松离散概率函数来给定的:
因此,如果是整数,则最频繁出现的幅度(即无目标参考统计分布的模I*)等于否则最频繁出现的幅度等于
因此,无目标参考统计分布的标准偏差等于
然后,选择SAR图像中的像素(块15)包括:选择SAR图像的子图像以及表示海域中相应的子海域(sea subarea),该子图像是由m×n个像素构成的,其中m≤M并且n≤N。
可操作地,通过使用在SAR图像内可活动的并且包括m×n个像素的选择窗口可以方便地执行SAR图像(块15)中的像素的选择。
而且,计算真实量(块16)包括计算表征所选择像素的幅度的真实统计分布的真实量。
详细地,计算真实量(块16)包括:
·计算所选择像素的幅度I的直方图,该直方图表示所选择像素的幅度I的真实统计分布;以及
·确定在直方图中最频繁出现的并表示真实统计分布的模的幅度值IM。
因此,真实量是确定的模。
而且,检测(块17)包括:
·将无目标参考统计分布与真实统计分布进行比较,以及
·基于比较,检测由所选择的像素表示的子海域中的目标,例如船、油膜、冰山、半水淹结构或任何其它可能的物体。
具体地,进行的比较考虑到了感测误差,该感测误差是由感测系统(即SAR系统)的不理想的性质和许多其它原因所引起的,例如由SAR移动平台与海面上可能的目标的相对运动所引起的多普勒频移。
详细地,如果相应的模I*和IM相差小于表示感测误差的检测阈值T,则所进行的比较提供了认为无目标参考统计分布和真实统计分布是相等的,而如果相应的模I*和IM相差大于表示感测误差的检测阈值T,则所进行的比较提供了认为无目标参考统计分布和真实统计分布是不相等的,然后检测由所选择的像素表示的子海域中的目标。
更具体地,如果结果是
I*-IM≤T
则认为无目标参考统计分布和真实统计分布是相等的,而如果结果是
I*-IM>T
则认为无目标参考统计分布和真实统计分布是不相等的,然后检测由所选择的像素表示的子海域中的目标。
方便地,检测阈值T可以被设置为等于
方便地,考虑到表示相同海域的几个SAR图像,可以更可靠地估计、并且可以非常接近及时地获取由检测阈值T所表示的感测误差,以便具有非常相关的有用信号和不相关的斑点噪声。
因此,根据以下公式来计算几个SAR图像中的像素的幅度的平均值MI:
其中,K是考虑用于计算MI的SAR图像的数目,而IK(i,j)是第k个SAR图像中的像素(i,j)的幅度。
因此,根据以下公式来计算基于所计算的平均值MI的标准偏差σM:
因此,检测阈值T被设置为等于
而且,在本发明的另一个可能的实施例中,也可以基于考虑几个表示相同海域的SAR图像来计算参考量(块14),并且可以非常接近及时地获取该计算参考量(块14)。因此,在这种情况下,无目标参考分布是以期望值等于所计算的平均值MI来表征的泊松分布。在这种情况下,如果MI是整数,则无目标参考统计分布的模M*等于MI-1,否则,该模M*等于
因此,如果结果是
M*-IM≤T
相对于检测(块17),则认为无目标参考统计分布和真实统计分布是相等的,而如果结果是
M*-IM>T
则认为无目标参考统计分布和真实统计分布是不相等的,然后检测由所选择的像素表示的子海域中的目标。
在这种情况下,检测阈值T被设置为等于
通过以上所述可以立即了解到:本发明允许借助于轻计算(computationally-light)处理来对SAR成像海域中的目标进行可靠和高性能的检测,而不需要SAR图像的例如斑点噪声的减少或去除的任何种类的预处理以及成像的海域的地面状况的任何先验知识。
最后,清楚的是:可以对本发明做出许多修改和变化,所有修改和变化都落入如所附权利要求中限定的本发明的保护范围内。
Claims (3)
1.一种基于合成孔径雷达图像检测所考虑的海域中的目标的方法,所述合成孔径雷达图像表示所述所考虑的海域,所述方法包括:
●选择所述合成孔径雷达图像的子图像,所述子图像表示所述所考虑的海域的子海域;
所述方法的特征在于,还包括:
●提供无目标海域的合成孔径雷达图像中的像素的幅度的无目标参考分布,所述无目标参考分布为泊松分布;
●基于多个所述合成孔径雷达图像中的像素的幅度计算表示期望值的第一参考量,所述多个合成孔径雷达图像中的每个表示相应时刻的所述所考虑的海域,所述期望值表征所述无目标参考分布,所述第一参考量表示所述多个合成孔径雷达图像中的像素的幅度的平均值;
●基于所述第一参考量和泊松分布数学模型,计算表示所述无目标参考分布中最频繁出现的幅度的第二参考量;
●基于所述第一参考量和所述泊松分布数学模型,计算表示所述无目标参考分布的标准偏差的第三参考量;
●通过计算所选择的子图像中的所有像素的幅度的直方图以及通过基于所计算的直方图提供表示真实统计分布中最频繁出现的幅度的真实量,计算所选择的子图像中的像素的幅度的真实统计分布;
●通过借助于基于所述第三参考量的感测误差相关检测阈值执行所述第二参考量与所述真实量的比较来比较所述无目标参考分布与所述真实统计分布;以及
●如果所述第二参考量和所述真实量之差大于所述感测误差相关检测阈值,则检测所述子海域中的目标。
2.根据权利要求1所述的方法,其中,所述感测误差相关检测阈值等于所述第三参考量的三分之一。
3.一种基于合成孔径雷达图像检测所考虑的海域中的目标的设备,所述合成孔径雷达图像表示所述所考虑的海域,所述设备包括:
用于选择所述合成孔径雷达图像的子图像的装置,所述子图像表示所述所考虑的海域的子海域;
所述设备的特征在于,还包括:
用于提供无目标海域的合成孔径雷达图像中的像素的幅度的无目标参考分布的装置,所述无目标参考分布为泊松分布;
用于基于多个所述合成孔径雷达图像中的像素的幅度计算表示期望值的第一参考量的装置,所述多个合成孔径雷达图像中的每个表示相应时刻的所述所考虑的海域,所述期望值表征所述无目标参考分布,所述第一参考量表示所述多个合成孔径雷达图像中的像素的幅度的平均值;
用于基于所述第一参考量和泊松分布数学模型而计算表示所述无目标参考分布中最频繁出现的幅度的第二参考量的装置;
用于基于所述第一参考量和所述泊松分布数学模型而计算表示所述无目标参考分布的标准偏差的第三参考量的装置;
用于通过计算所选择的子图像中的所有像素的幅度的直方图以及通过基于所计算的直方图提供表示真实统计分布中最频繁出现的幅度的真实量而计算所选择的子图像中的像素的幅度的真实统计分布的装置;
用于通过借助于基于所述第三参考量的感测误差相关检测阈值执行所述第二参考量与所述真实量的比较来比较所述无目标参考分布与所述真实统计分布的装置;以及
用于如果所述第二参考量和所述真实量之差大于所述感测误差相关检测阈值则检测所述子海域中的目标的装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IT2008/000357 WO2009144754A1 (en) | 2008-05-29 | 2008-05-29 | Target detection in a sar-imaged sea area |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102144173A CN102144173A (zh) | 2011-08-03 |
CN102144173B true CN102144173B (zh) | 2014-08-20 |
Family
ID=40293623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880130470.2A Active CN102144173B (zh) | 2008-05-29 | 2008-05-29 | 合成孔径雷达成像的海域中的目标检测 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8665131B2 (zh) |
EP (1) | EP2283380B1 (zh) |
CN (1) | CN102144173B (zh) |
ES (1) | ES2519469T3 (zh) |
RU (1) | RU2472174C2 (zh) |
WO (1) | WO2009144754A1 (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010001440B4 (de) * | 2010-02-01 | 2014-01-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Mess-System zur Messung des Wasserstands eines Gewässers |
US8842035B2 (en) * | 2010-04-08 | 2014-09-23 | L-3 Communications Security And Detection Systems, Inc. | Sensor head |
CN101894261B (zh) * | 2010-06-29 | 2012-05-02 | 武汉大学 | 一种多对比度模式直方图纹理描述子提取方法 |
CN102565772B (zh) * | 2010-12-20 | 2013-07-24 | 中国科学院电子学研究所 | 基于sar子孔径序列图像的海洋动态信息提取方法 |
US9110168B2 (en) * | 2011-11-18 | 2015-08-18 | Farrokh Mohamadi | Software-defined multi-mode ultra-wideband radar for autonomous vertical take-off and landing of small unmanned aerial systems |
CN103164686B (zh) * | 2011-12-12 | 2017-05-17 | 中国科学院对地观测与数字地球科学中心 | 一种根据船只的高分辨率sar图像识别船只类型的方法 |
BR102012010659B1 (pt) * | 2012-05-04 | 2022-04-12 | Oil-Finder - Serviços De Sensoriamento Remoto E Modelagem Computacional Ltda | Processo para identificação e classificação de áreas de exsudações de óleo no fundo do mar através de modelagem inversa |
RU2536183C2 (ru) * | 2013-03-12 | 2014-12-20 | Федеральное государственное бюджетное учреждение науки Институт физического материаловедения Сибирского отделения Российской академии наук (ИФМ СО РАН) | Способ определения горизонтальной структуры древостоя |
CN103308910B (zh) * | 2013-05-11 | 2015-02-04 | 国家海洋局第一海洋研究所 | 利用高频地波雷达检测海上非航行状态船只目标的方法 |
CN104240183B (zh) * | 2013-06-08 | 2017-03-29 | 富士通株式会社 | 图像处理过程中的滤波方法和装置 |
KR101526688B1 (ko) * | 2013-09-27 | 2015-06-05 | 현대자동차주식회사 | 초음파 시스템의 노이즈 제거 장치 및 방법 |
CN103714339B (zh) * | 2013-12-30 | 2017-01-18 | 武汉大学 | 基于矢量数据的sar影像道路损毁信息提取方法 |
CN104268429A (zh) * | 2014-10-15 | 2015-01-07 | 湖北大学 | 基于星载sar的近海岸海上风能资源遥感方法及系统 |
US10088555B2 (en) | 2014-12-15 | 2018-10-02 | Airbus Singapore Private Limited | Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery |
US10613214B2 (en) * | 2015-07-08 | 2020-04-07 | Conocophillips Company | Terrestrial imaging using multi-polarization Synthetic Aperture Radar |
CN107423705A (zh) * | 2017-07-21 | 2017-12-01 | 西安电子科技大学 | 基于多层概率统计模型的sar图像目标识别方法 |
CN107862271B (zh) * | 2017-10-31 | 2021-05-25 | 西安电子科技大学 | 一种舰船目标的检测方法 |
CN113205029B (zh) * | 2021-04-26 | 2023-04-07 | 中国科学院空天信息创新研究院 | 机载合成孔径雷达海面船只实时检测方法 |
CN113759375B (zh) * | 2021-09-15 | 2024-02-09 | 云南师范大学 | 基于统计特性的sar图像非局部均值去噪方法 |
CN114415181B (zh) * | 2022-03-31 | 2022-07-12 | 南方海洋科学与工程广东省实验室(广州) | 一种合成孔径雷达的原始回波生成方法和装置 |
CN114755654B (zh) * | 2022-06-14 | 2022-11-18 | 中达天昇(江苏)电子科技有限公司 | 一种基于图像拟态技术的残损雷达信号修复方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141560A (zh) * | 2007-10-11 | 2008-03-12 | 上海交通大学 | 基于独立成分分析基图像的合成孔径雷达图像消噪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2166774C2 (ru) * | 1999-06-01 | 2001-05-10 | Тамбовский военный авиационный инженерный институт | Способ и устройство формирования поляризационного портрета земной или морской поверхности в двухчастотной цифровой рса |
RU2194288C2 (ru) * | 2000-12-15 | 2002-12-10 | Открытое акционерное общество "Корпорация "Фазотрон - научно-исследовательский институт радиостроения" | Радиолокационная система |
US7269538B1 (en) * | 2004-06-01 | 2007-09-11 | The United States Of America As Represented By The Secretary Of The Navy | Method for sparse data two-stage stochastic mensuration |
JP4613316B2 (ja) * | 2005-01-07 | 2011-01-19 | 国立大学法人 新潟大学 | 画像処理方法、画像処理装置および画像処理プログラムを記録した記録媒体 |
JP5011817B2 (ja) * | 2006-05-18 | 2012-08-29 | 日本電気株式会社 | 合成開口レーダの画像処理装置及び方法 |
-
2008
- 2008-05-29 RU RU2010154096/07A patent/RU2472174C2/ru active
- 2008-05-29 CN CN200880130470.2A patent/CN102144173B/zh active Active
- 2008-05-29 ES ES08789968.8T patent/ES2519469T3/es active Active
- 2008-05-29 WO PCT/IT2008/000357 patent/WO2009144754A1/en active Application Filing
- 2008-05-29 US US12/994,538 patent/US8665131B2/en active Active
- 2008-05-29 EP EP08789968.8A patent/EP2283380B1/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141560A (zh) * | 2007-10-11 | 2008-03-12 | 上海交通大学 | 基于独立成分分析基图像的合成孔径雷达图像消噪方法 |
Non-Patent Citations (10)
Title |
---|
"Algorithms for ship detection and tracking using satellite imagery";J.K.E. Tunaley;《Geoscience and Remote Sensing Symposium,2004.IGARSS 04.Proceedings.2004 IEEE International》;20040924;第3卷;第1804-1807页 * |
"An Automatic Ship and Ship Wake Detection System for Spaceborne SAR Images in Coastal Regions";Knut Eldhuset;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;19960731;第34卷(第4期);第1010-1019页 * |
"Detection of Targets in Non-Gaussian Sea Clutter";G.V.TRUNK et.al.;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;19700930;第AES-6卷(第5期);第620-628页 * |
"Ship Detection by the RADARSAT SAR:Validation of Detection Model Predictions";P.W.Vachon et.al.;《CANADIAN JOURNAL OF REMOTE SENSING》;19970301;第23卷(第1期);第48-59页 * |
D.J.Crisp et.al.."The State-of-the-Art in Ship Detection in Synthetic Aperture Radar Imagery".《DSTO INFORMATION SCIENCES LABORATORY,EDINBURGH,SOUTH AUSTRALIA》.2004,第26-55页. |
D.J.Crisp et.al.."The State-of-the-Art in Ship Detection in Synthetic Aperture Radar Imagery".《DSTO INFORMATION SCIENCES LABORATORY,EDINBURGH,SOUTH AUSTRALIA》.2004,第26-55页. * |
G.V.TRUNK et.al.."Detection of Targets in Non-Gaussian Sea Clutter".《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》.1970,第AES-6卷(第5期),第620-628页. |
J.K.E. Tunaley."Algorithms for ship detection and tracking using satellite imagery".《Geoscience and Remote Sensing Symposium,2004.IGARSS 04.Proceedings.2004 IEEE International》.2004,第3卷第1804-1807页. |
Knut Eldhuset."An Automatic Ship and Ship Wake Detection System for Spaceborne SAR Images in Coastal Regions".《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》.1996,第34卷(第4期),第1010-1019页. |
P.W.Vachon et.al.."Ship Detection by the RADARSAT SAR:Validation of Detection Model Predictions".《CANADIAN JOURNAL OF REMOTE SENSING》.1997,第23卷(第1期),第48-59页. |
Also Published As
Publication number | Publication date |
---|---|
US20110169686A1 (en) | 2011-07-14 |
EP2283380B1 (en) | 2014-08-06 |
WO2009144754A1 (en) | 2009-12-03 |
US8665131B2 (en) | 2014-03-04 |
RU2010154096A (ru) | 2012-07-10 |
RU2472174C2 (ru) | 2013-01-10 |
CN102144173A (zh) | 2011-08-03 |
ES2519469T3 (es) | 2014-11-07 |
EP2283380A1 (en) | 2011-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102144173B (zh) | 合成孔径雷达成像的海域中的目标检测 | |
Singh et al. | A Review on SAR Image and its Despeckling | |
KR102067242B1 (ko) | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 | |
US20170016987A1 (en) | Processing synthetic aperture radar images for ship detection | |
Crisp | The state-of-the-art in ship detection in synthetic aperture radar imagery | |
CN108387896B (zh) | 一种基于探地雷达回波数据的自动汇聚成像方法 | |
US20110012778A1 (en) | Method and system for forming very low noise imagery using pixel classification | |
JP2008292449A (ja) | 水中で対象物を検知し分類する自動目標識別システム | |
Cheng et al. | Implementation of S-band marine radar for surface wave measurement under precipitation | |
Iehara et al. | Detection of ships using cross-correlation of split-look SAR images | |
Fitriani et al. | Fishing-vessel detection using synthetic aperture radar (SAR) Sentinel-1 (Case study: Java Sea) | |
Kalaiyarasi et al. | A survey on: De-speckling methods Of SAR image | |
Kurekin et al. | New method for generating site-specific clutter map for land-based radar by using multimodal remote-sensing images and digital terrain data | |
Liu et al. | Shadowing-analysis-based wave height measurement from ship-borne X-band nautical radar images | |
Worthmann et al. | Clutter distributions for tomographic image standardization in ground-penetrating radar | |
CN111369507B (zh) | 基于归一化灰度霍夫变换和局部cfar的尾迹检测方法 | |
CN115700739A (zh) | 一种全极化sar图像舰船检测方法 | |
Bouaraba et al. | Drastic improvement of change detection results with multilook complex SAR images approach | |
Kaspersen | Marine radar properties, analysis and applications | |
Schimpf et al. | Analysis of ATR features for non-cooperative ground-based classification of ships | |
Padhye et al. | Feature extraction from microwave data using backscatter coefficient | |
Heinzel et al. | Extraction of Small Objects from Ground-based Multi-static SAR Images using CFAR Algorithm with Generalized Gamma Distribution | |
Belak et al. | Quality control of Doppler spectra from a vertically pointing, S-band profiling radar | |
Kurekin et al. | Site-specific land clutter modelling based on radar remote sensing images and digital terrain data | |
Blasco Coll | Segmentation of polsar images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |