CN104318572A - 基于极化方向角补偿的polsar图像海上目标检测方法 - Google Patents
基于极化方向角补偿的polsar图像海上目标检测方法 Download PDFInfo
- Publication number
- CN104318572A CN104318572A CN201410605591.5A CN201410605591A CN104318572A CN 104318572 A CN104318572 A CN 104318572A CN 201410605591 A CN201410605591 A CN 201410605591A CN 104318572 A CN104318572 A CN 104318572A
- Authority
- CN
- China
- Prior art keywords
- direction angle
- theta
- target
- prime
- matrix
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于极化方向角补偿的POLSAR图像海上目标检测方法,该方法利用海上人造金属目标的极化散射特性进行检测,针对海浪扰动产生的方向角偏移对海杂波反射对称性影响的问题,通过对POLSAR影像进行方向角补偿,来提高海上目标检测精度。首先获取全极化影像,进行相关预处理操作;然后通过相干矩阵计算出极化方向角,并对相干矩阵进行方向角补偿;最后提取出方向角补偿后的相干矩阵中T′13元素的强度值,进行海上人造金属目标检测。该方法克服了常规海上目标检测算法理论复杂、难于实现及稳健性差等缺陷,同时从目标的极化散射特性出发,较准确的从海杂波、目标旁瓣中分离出海上目标。该检测方法原理直观,算法简洁,便于编程实现和扩展。
Description
技术领域
本发明涉及POLSAR图像领域,特别涉及一种基于极化方向角补偿的POLSAR图像海上目标检测方法。
背景技术
海洋这一蓝色国土,拥有丰富的各类资源,在国民经济发展、环境气候变化以及军事国防中有着极其重要的战略意义。
近年来,有关海洋问题频发不断,预防和解决这些问题就迫切需求对海洋进行监测。海上人造金属目标(包括舰船、钻井平台等,以下简称海上目标)与人类生活生产有着紧密关联,因而成为海洋监测的重点。
目前,常规的海上目标监测方法包括岸基、舰载探测装置,光学遥感等。岸基、舰载探测装置存在着成本高、周期长及监测范围小等缺陷,在海上目标监测应用中受到了极大的限制。对于光学遥感,由于其受天气条件影响十分严重,而海洋中天气又经常恶劣多变,致使光学遥感很难做到对海上目标进行实时动态的监测。因此,如何实时、精确、高效的对海上目标进行监测对准确决策、高效管理有着重大意义。
极化合成孔径雷达(Polarimetric SAR,简称POLSAR)技术,集成了极化散射机理、后向散射介质信息及对目标物理特性敏感为一体的优点,具有全天时、全天候、观测周期短,范围大,精度高的特点,在海上目标检测领域有着巨大潜力。
目前基于极化SAR图像的海上目标检测方法主要有:1)相干目标分解(Coherent targetdecomposition,CTD),其通过引入对称散射特征方法(Symmetric Scattering CharacterizationMethod,简称SSCM),较好的从相干散射结构框架中提取对称散射成分信息来进行海上目标检测;2)极化交叉熵(Polarimetric cross entropy,PCE),它是基于海杂波和海上目标所呈现出不同的极化熵值来进行海上目标检测的;3)反射对称性(XC),其基于海杂波和海上目标所呈现出不同的反射对称性来进行目标检测。在极化SAR影像中,反射对称性是通过同极化通道与交叉极化通道间的相关性来呈现出的。经过大量实验验证,基于反射对称性方法(XC)已经被证明是比较简单优越的检测方法,它适用于X、C和L等不同波段的极化数据,增强了目标与海面之间的差异,同时不受地物的散射机理、风向风况及大范围的入射角的影响,并且检测结果明显优于PCE、CTD的检测结果。为此,该方法是目前检测精确度较高的方法,其理论清晰明了,流程简洁高效。但是该方法忽略了受海浪扰动导致的方向角变化对海杂波反射对称性的影响问题,从而一定程度上影响了目标检测效果。
发明内容
本发明的目的在于提出一种基于极化方向角补偿的POLSAR图像海上目标检测方法。利用海杂波满足反射对称性,而海上目标满足反射非对称性的特点来检测海上目标。同时通过极化方向角补偿解决由于海浪扰动产生的方向角偏移对海杂波反射对称性影响的问题。
一种基于极化方向角补偿的POLSAR图像海上目标检测方法,包括如下步骤:
步骤1:获取海上待检测场景全极化影像数据即POLSAR数据;
所述全极化影像数据包括HH、HV、VH和VV四种极化通道数据;
步骤2:对POLSAR数据进行预处理操作;
所述预处理操作包括辐射校正、几何校正及陆地掩膜操作;
【采用不同的传感器获取POLSAR数据时,对POLSAR数据的预处理方式会不一样,但是所有的预处理方式均属于本领域普通技术人员熟知的技术;】
步骤3:从预处理后的海上待检测场景对应的POLSAR数据中依次提取每个像素对应的S矩阵;
其中,所述S矩阵满足互易对称定律:Shv=Svh,Shh表示水平方式发射水平方式接收的极化通道数据,Shv表示水平方式发射垂直方式接收的极化通道数据,Svh表示垂直方式发射水平方式接收的极化通道数据,Svv表示垂直方式发射垂直方式接收的极化通道数据;
步骤4:通过Pauli基进行共轭相乘,将S矩阵转换为相干矩阵T:
其中,
其中,上标H表示共轭转置,*表示复共轭,<·>表示邻域平均;
步骤5:采用精致Lee滤波,对相干矩阵T进行滤波处理,得到滤波后的相干矩阵T0;
【消除斑点噪声对影像的影响】;
步骤6:利用滤波后的相干矩阵T0计算极化方向角:
其中, 若 则 表示的实部;θ∈(-π/4,π/4];
【极化方向角θ为将入射平面围绕雷达视线旋转直到与表面法线重合所旋转的角度;】
步骤7:利用步骤6中求取出的极化方向角对滤波后的相干矩阵T矩阵进行方向角补偿,得到补偿方向角后的相干矩阵T0:
其中,T0表示补偿方向角后的相干矩阵,Q为旋转矩阵;
【极化方向角补偿即为将入射平面围绕雷达视线旋转直到与表面法线重合,从而使得目标同极化响应达到最大;】
步骤8:提取补偿方向角后的相干矩阵T0中的元素T′13,计算T′13的强度值I;
【 和均表示滤波及方向角补偿后的同极化通道与交叉极化通道之间的相关性;】
【由于目标的反射非对称性反映到极化SAR影像中表现为同极化通道与交叉极化通道之间的相关性。海杂波通常满足反射对称性特点,而舰船及钻井平台等人造金属目标通常满足反射非对称性特点,因此可以利用T′13的强度值I来进行海上目标检测。】
步骤9:采用恒虚警率检测器求取每个像素的检测阈值N;
步骤10:遍历海上待检测场景中的每一个像素,计算每个像素对应的T′13的强度值I,比较I与阈值N,若I大于阈值N,则当前像素为海上目标,否则为杂波。
【由于海浪扰动产生的方向角偏移影响着海杂波的反射对称性,因此利用海杂波满足反射对称性的特点检测海上目标的效果同样受其影响。通过极化方向角补偿来消除该现象的影响。】
【人造金属目标的反射非对称性在极化SAR影像中是通过同极化通道与交叉极化通道之间的相关性非零来呈现的,即
元素包含了极化SAR影像中同极化通道与交叉极化通道之间的相关性的所有存在情况,并进行了等权组合。相比单独使用或T′13能够更好的描述目标的反射非对称性,适合于海上目标的精确检测。】
在所述步骤9中采用双参数恒虚警率检测器进行局部CFAR检测获得每个像素的比较阈值N,局部CFAR检测中所使用的滑动窗口以待检测像素为中心的环形窗口,包括目标窗口、保护窗口、背景窗口,其中,所述目标窗口大小为能包含最小检测目标所占像素个数大小,所述保护窗口为能包含最大检测目标所占像素个数大小,所述背景窗口大小为保护窗口大小的1.5-2.5倍;
【最大最小目标是根据实际现实情况来判断的,如最大舰船目标的长轴不会超过500米;最大目标的像素不会超出保护窗口,背景窗口是用于海杂波统计,越大统计越详细,但是太大就有可能其他目标落入背景窗口中,影响统计效果,所以一般约为保护窗口的两倍;】
N=ub+σb·n
其中,ub表示背景窗口的灰度均值,σb表示背景窗口的灰度标准差,其中,n表示检测器设计参数,由公式计算获得;Pfa为给定的虚警率,小于10-8的正数。
【双参数恒虚警率检测器的主旨是寻找出比周围区域异常明亮的像素,基于杂波服从高斯统计模型及给定的虚警概率来求出阈值,进行目标检测。】
有益效果
本发明提供了一种基于极化方向角补偿的POLSAR图像海上目标的检测方法,将极化中的方向角补偿与目标反射非对称特性相结合,利用补偿方向角后的相干矩阵中的T′13元素来描述反射非对称性,消除海浪扰动导致的方向角变化影响海杂波反射对称性的问题,更准确地描述了目标的反射非对称性,提高了极化SAR图像海上目标检测的效果。其原理直观,算法简洁,稳定性强,易于实现,存在着实用价值。该方法充分利用考虑海杂波及目标的极化散射特性,有效的消除目标方位模糊和旁瓣的影响,高效地检测出海上目标,并同时减少检测虚警率。
附图说明
图1为本发明的处理流程图;
图2为极化方向角的示意图;
图3为环形窗口的示意图;
图4为原始全极化影像灰度图和检测结果图,其中,(a)为原始全极化影像灰度图,(b)为检测结果图,图中矩形框为检测目标,椭圆框为虚假检测,三角形为漏检目标;
图5为极化方向角补偿前后比较图,其中,(a)为从海上场景全极化影像中提取的局部区域灰度图,(b)为对(a)未进行方向角补偿时得到的检测结果图,(c)为对(a)进行方向角补偿的检测结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明了,以下结合附图及实施事例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施事例仅仅用以解释本发明,并不用于限定本发明。
对于获取的全极化SAR影像,用极化散射矩阵(S矩阵)来表达四个通道影像数据,如下式所示。该式中Spq表示q极化方式发射、p极化方式接收时目标的后向散射,p、q为水平h或垂直v极化方式。一般而言,对互易介质,根据单站互易原理,S矩阵将满足Shv=Svh的条件,此时散射矩阵为对称矩阵。
如图1所示,为本发明所述方法的流程示意图,一种基于极化方向角补偿的POLSAR图像海上目标检测方法,包括如下步骤:
步骤1:获取海上待检测场景全极化影像数据即POLSAR数据;
所述全极化影像数据包括HH、HV、VH和VV四种极化通道数据;
步骤2:对POLSAR数据进行预处理操作;
所述预处理操作主要包括辐射校正、几何校正及陆地掩膜等操作;
【采用不同的传感器获取POLSAR数据时,对POLSAR数据的预处理方式会不一样,但是所有的预处理方式均属于本领域普通技术人员熟知的技术;】
步骤3:从预处理后的海上待检测场景对应的POLSAR数据中依次提取每个像素对应的S矩阵;
其中,所述S矩阵满足互易对称定律:Shv=Svh,Shh表示水平方式发射水平方式接收的极化通道数据,Shv表示水平方式发射垂直方式接收的极化通道数据,Svh表示垂直方式发射水平方式接收的极化通道数据,Svv表示垂直方式发射垂直方式接收的极化通道数据;
步骤4:通过Pauli基进行共轭相乘,将S矩阵转换为相干矩阵T:
其中,
其中,上标H表示共轭转置,*表示复共轭,<·>表示邻域平均;
步骤5:采用精致Lee滤波,对相干矩阵T进行滤波处理,得到滤波后的相干矩阵T0;
【精致Lee滤波采用了边沿对齐窗口和最小均方误差(MMSE,Minimum Mean SquareError)方法,能够避免交叉串扰效应,保持好极化信息和影像的清晰度,消除斑点噪声对影像的影响】;
步骤6:利用滤波后的相干矩阵T0计算极化方向角:
其中, 若 则 表示的实部;θ∈(-π/4,π/4];
【如图2所示,极化方向角θ为将入射平面围绕雷达视线旋转直到与表面法线重合所旋转的角度;】
由于海浪扰动产生的方向角偏移对海杂波的反射对称性影响问题,这将影响采用反射非对称性进行目标检测的检测效果。通过方向角补偿消除该影响,从而改善目标检测效果。
步骤7:利用步骤6中求取出的极化方向角对滤波后的相干矩阵T矩阵进行方向角补偿,得到补偿方向角后的相干矩阵T0:
其中,T0表示补偿方向角后的相干矩阵,Q为旋转矩阵;
【极化方向角补偿即为将入射平面围绕雷达视线旋转直到与表面法线重合,使得海面小波面法线与雷达波入射平面在同一平面内,从而使得目标同极化响应达到最大;】
步骤8:提取补偿方向角后的相干矩阵T0中的元素T′13,计算T′13的强度值I;
【 和均表示滤波及方向角补偿后的同极化通道与交叉极化通道之间的相关性;】
【由于目标的反射非对称性反映到极化SAR影像中表现为同极化通道与交叉极化通道之间的相关性。海杂波通常满足反射对称性特点,而舰船及钻井平台等人造金属目标通常满足反射非对称性特点,因此可以利用T′13的强度值I来进行海上目标检测。】
步骤9:采用双参数恒虚警率检测器进行局部CFAR检测获得每个像素的比较阈值N,局部CFAR检测中所使用的滑动窗口以待检测像素为中心的环形窗口,如图3所示,包括目标窗口、保护窗口、背景窗口,其中,所述目标窗口大小为能包含最小检测目标所占像素个数大小,所述保护窗口为能包含最大检测目标所占像素个数大小,所述背景窗口大小约为保护窗口大小的2倍;
【最大最小目标是根据实际现实情况来判断的,如最大舰船目标的长轴不会超过500米;最大目标的像素不会超出保护窗口,背景窗口是用于海杂波统计,越大统计越详细,但是太大就有可能其他目标落入背景窗口中,影响统计效果,所以一般为保护窗口的两倍多一点;】
N=ub+σb·n
其中,ub表示背景窗口的灰度均值,σb表示背景窗口的灰度标准差,其中,n表示检测器设计参数,由公式计算获得;Pfa为给定的虚警率,小于10-8的正数。
【双参数恒虚警率检测器的主旨是寻找出比周围区域异常明亮的像素,基于杂波服从高斯统计模型及给定的虚警概率来求出阈值,进行目标检测。】
步骤10:遍历海上待检测场景中的每一个像素,计算每个像素对应的T′13的强度值I,比较I与阈值N,若I大于阈值N,则当前像素为海上目标,否则为杂波。
【由于海浪扰动产生的方向角偏移影响着海杂波的反射对称性,因此利用海杂波满足反射对称性的特点检测海上目标的效果同样受其影响。通过极化方向角补偿来消除该现象的影响。】
【人造金属目标的反射非对称性在极化SAR影像中是通过同极化通道与交叉极化通道之间的相关性非零来呈现的,即
元素包含了极化SAR影像中同极化通道与交叉极化通道之间的相关性的所有存在情况,并进行了等权组合。相比单独使用或T′13能够更好的描述目标的反射非对称性,适合于海上目标的精确检测。】
应用本发明所述的方法进行海上目标检测,其检测结果如图4所示。为具体呈现本发明的优越性,开辟局部区域,进行分析,如图5所示。从图中可以看出采用方向角补偿前,目标与海杂波难以分离,检测效果差;采用方向角补偿后,目标与海杂波分离明显,该区域的目标全部检测出。
Claims (2)
1.一种基于极化方向角补偿的POLSAR图像海上目标检测方法,其特征在于,包括如下步骤:
步骤1:获取海上待检测场景全极化影像数据即POLSAR数据;
所述全极化影像数据包括HH、HV、VH和VV四种极化通道数据;
步骤2:对POLSAR数据进行预处理操作;
所述预处理操作包括辐射校正、几何校正及陆地掩膜操作;
步骤3:从预处理后的海上待检测场景对应的POLSAR数据中依次提取每个像素对应的S矩阵;
其中,所述S矩阵满足互易对称定律:Shv=Svh,Shh表示水平方式发射水平方式接收的极化通道数据,Shv表示水平方式发射垂直方式接收的极化通道数据,Svh表示垂直方式发射水平方式接收的极化通道数据,Svv表示垂直方式发射垂直方式接收的极化通道数据;
步骤4:通过Pauli基进行共轭相乘,将S矩阵转换为相干矩阵T:
其中,
其中,上标H表示共轭转置,*表示复共轭,<·>表示邻域平均;
步骤5:采用精致Lee滤波,对相干矩阵T进行滤波处理,得到滤波后的相干矩阵T0;
步骤6:利用滤波后的相干矩阵T0计算极化方向角:
其中, 若 则 表示的实部;θ∈(-π/4,π/4];
步骤7:利用步骤6中求取出的极化方向角对滤波后的相干矩阵T矩阵进行方向角补偿,得到补偿方向角后的相干矩阵T0:
其中,T0表示补偿方向角后的相干矩阵,Q为旋转矩阵;
步骤8:提取补偿方向角后的相干矩阵T0中的元素T′13,计算T′13的强度值I;
步骤9:采用恒虚警率检测器求取每个像素的检测阈值N;
步骤10:遍历海上待检测场景中的每一个像素,计算每个像素对应的T′13的强度值I,比较I与阈值N,若I大于阈值N,则当前像素为海上目标,否则为杂波。
2.根据权利要求1所述的基于极化方向角补偿的POLSAR图像海上目标检测方法,其特征在于,在所述步骤9中采用双参数恒虚警率检测器进行局部CFAR检测获得每个像素的比较阈值N,局部CFAR检测中所使用的滑动窗口以待检测像素为中心的环形窗口,包括目标窗口、保护窗口、背景窗口,其中,所述目标窗口大小为能包含最小检测目标所占像素个数大小,所述保护窗口为能包含最大检测目标所占像素个数大小,所述背景窗口大小为保护窗口大小的1.5-2.5倍;
N=ub+σb·n
其中,ub表示背景窗口的灰度均值,σb表示背景窗口的灰度标准差,其中,n表示检测器设计参数,由公式计算获得;Pfa为给定的虚警率,小于10-8的正数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410605591.5A CN104318572B (zh) | 2014-10-31 | 2014-10-31 | 基于极化方向角补偿的polsar图像海上目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410605591.5A CN104318572B (zh) | 2014-10-31 | 2014-10-31 | 基于极化方向角补偿的polsar图像海上目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318572A true CN104318572A (zh) | 2015-01-28 |
CN104318572B CN104318572B (zh) | 2017-11-21 |
Family
ID=52373798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410605591.5A Active CN104318572B (zh) | 2014-10-31 | 2014-10-31 | 基于极化方向角补偿的polsar图像海上目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318572B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676203A (zh) * | 2016-01-23 | 2016-06-15 | 中国人民解放军国防科学技术大学 | 一种全极化雷达目标极化相干特征的可视化方法 |
CN105866778A (zh) * | 2016-05-30 | 2016-08-17 | 西安电子科技大学 | 基于极化合成孔径雷达数据的舰船检测方法 |
CN108710816A (zh) * | 2018-02-11 | 2018-10-26 | 河南科技大学 | 一种基于概率融合的极化sar图像建筑物检测方法 |
CN112308811A (zh) * | 2019-07-24 | 2021-02-02 | 江西理工大学 | 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 |
CN112949395A (zh) * | 2021-01-29 | 2021-06-11 | 复旦大学 | 基于广义相干散射子改进模型杂波仿真的目标检测方法 |
CN114674256A (zh) * | 2022-04-02 | 2022-06-28 | 四川豪智融科技有限公司 | 一种基于雷达极化方向判定目标旋转角度的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169175A (zh) * | 2010-12-08 | 2011-08-31 | 关键 | 基于frft域非相参积累的海杂波抑制和动目标检测方法 |
WO2011154804A1 (en) * | 2010-06-07 | 2011-12-15 | Universitat Politècnica De Catalunya | Method for estimating the topography of the earth's surface in areas with plant cover |
CN102663736A (zh) * | 2012-03-16 | 2012-09-12 | 江苏科技大学 | 交轨干涉sar图像中畸形波的检测方法 |
CN102938150A (zh) * | 2012-11-20 | 2013-02-20 | 西安电子科技大学 | 基于自适应海杂波统计的sar图像舰船检测方法 |
CN103413296A (zh) * | 2013-07-13 | 2013-11-27 | 西安电子科技大学 | 在特征域内对极化sar目标的检测方法 |
EP2767849A2 (en) * | 2014-01-13 | 2014-08-20 | Institute of Electronics, Chinese Academy of Sciences | Method and apparatus for processing polarimetric synthetic aperture radar image |
-
2014
- 2014-10-31 CN CN201410605591.5A patent/CN104318572B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011154804A1 (en) * | 2010-06-07 | 2011-12-15 | Universitat Politècnica De Catalunya | Method for estimating the topography of the earth's surface in areas with plant cover |
CN102169175A (zh) * | 2010-12-08 | 2011-08-31 | 关键 | 基于frft域非相参积累的海杂波抑制和动目标检测方法 |
CN102663736A (zh) * | 2012-03-16 | 2012-09-12 | 江苏科技大学 | 交轨干涉sar图像中畸形波的检测方法 |
CN102938150A (zh) * | 2012-11-20 | 2013-02-20 | 西安电子科技大学 | 基于自适应海杂波统计的sar图像舰船检测方法 |
CN103413296A (zh) * | 2013-07-13 | 2013-11-27 | 西安电子科技大学 | 在特征域内对极化sar目标的检测方法 |
EP2767849A2 (en) * | 2014-01-13 | 2014-08-20 | Institute of Electronics, Chinese Academy of Sciences | Method and apparatus for processing polarimetric synthetic aperture radar image |
Non-Patent Citations (5)
Title |
---|
"A Four-Component Decomposition of POLSAR Images Based on the Coherency Matrix";Yoshio Yamaguchi et al.;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》;20060731;第3卷(第3期);第292-296页 * |
"ASYMMETRIC DECOMPOSITION METHOD BASED ON ORIENTATION-ANGLE COMPENSATED COHERENCY MATRIX";Bin Zou et al.;《2012 IEEE International Geoscience and Remote Sensing Symposium》;20120727;第5907-5910页 * |
BIN ZOU ET AL.: ""ASYMMETRIC DECOMPOSITION METHOD BASED ON ORIENTATION-ANGLE COMPENSATED COHERENCY MATRIX"", 《2012 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
YOSHIO YAMAGUCHI ET AL.: ""A Four-Component Decomposition of POLSAR Images Based on the Coherency Matrix"", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
安文韬: ""基于极化SAR的目标极化分解与散射特征提取研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676203A (zh) * | 2016-01-23 | 2016-06-15 | 中国人民解放军国防科学技术大学 | 一种全极化雷达目标极化相干特征的可视化方法 |
CN105676203B (zh) * | 2016-01-23 | 2018-03-02 | 中国人民解放军国防科学技术大学 | 一种全极化雷达目标极化相干特征的可视化方法 |
CN105866778A (zh) * | 2016-05-30 | 2016-08-17 | 西安电子科技大学 | 基于极化合成孔径雷达数据的舰船检测方法 |
CN105866778B (zh) * | 2016-05-30 | 2018-04-17 | 西安电子科技大学 | 基于极化合成孔径雷达数据的舰船检测方法 |
CN108710816A (zh) * | 2018-02-11 | 2018-10-26 | 河南科技大学 | 一种基于概率融合的极化sar图像建筑物检测方法 |
CN108710816B (zh) * | 2018-02-11 | 2021-05-18 | 河南科技大学 | 一种基于概率融合的极化sar图像建筑物检测方法 |
CN112308811A (zh) * | 2019-07-24 | 2021-02-02 | 江西理工大学 | 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 |
CN112949395A (zh) * | 2021-01-29 | 2021-06-11 | 复旦大学 | 基于广义相干散射子改进模型杂波仿真的目标检测方法 |
CN112949395B (zh) * | 2021-01-29 | 2022-10-18 | 复旦大学 | 基于广义相干散射子改进模型杂波仿真的目标检测方法 |
CN114674256A (zh) * | 2022-04-02 | 2022-06-28 | 四川豪智融科技有限公司 | 一种基于雷达极化方向判定目标旋转角度的方法 |
CN114674256B (zh) * | 2022-04-02 | 2023-08-22 | 四川豪智融科技有限公司 | 一种基于雷达极化方向判定目标旋转角度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104318572B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318572A (zh) | 基于极化方向角补偿的polsar图像海上目标检测方法 | |
CN102096070B (zh) | 一种全极化合成孔径雷达海面溢油检测方法 | |
Rosenberg et al. | Application of the K+ Rayleigh distribution to high grazing angle sea-clutter | |
Liu et al. | Comparison of algorithms for wind parameters extraction from shipborne X-band marine radar images | |
CN102608604B (zh) | 基于共极化特征功率图的海面溢油检测方法 | |
CN107507209B (zh) | 极化sar图像的素描图提取方法 | |
CN105403885A (zh) | 一种基于广义多子视相干的极化sar海面船只目标检测方法 | |
Liu et al. | Comparison of wave height measurement algorithms for ship-borne X-band nautical radar | |
CN104199009A (zh) | 一种基于时域特性的雷达图像杂波抑制方法 | |
Huang et al. | Ocean remote sensing using X-band shipborne nautical radar—Applications in eastern Canada | |
Chen et al. | Determination of nearshore sea surface wind vector from marine X-band radar images | |
CN111105419B (zh) | 一种基于极化sar图像的车辆船舶检测方法及装置 | |
Sun et al. | A Wave Texture Difference Method for Rainfall Detection Using X‐Band Marine Radar | |
Gao | Design and implementation of marine automatic target recognition system based on visible remote sensing images | |
CN112836638B (zh) | 高海况sar船只检测方法及应用 | |
Ji-yang et al. | On-board ship targets detection method based on multi-scale salience enhancement for remote sensing image | |
CN106908791B (zh) | 基于全极化圆迹sar数据的输电线提取方法 | |
Zhou et al. | High-squint SAR imaging for noncooperative moving ship target based on high velocity motion platform | |
Avolio et al. | A Near Real Time CFAR Approach for Ship Detection on Sar Data Based on a Generalised-K Distributed Clutter Estimation | |
Yao et al. | High-resolution optical satellite image simulation of ship target in large sea scenes | |
CN105069432A (zh) | 一种基于极化目标分解的支持向量机舰船目标检测方法 | |
Zhang et al. | Ionospheric clutter extraction in HFSWR based on range-doppler spectral image processing | |
Ferrentino et al. | Monitoring waterline variation of the Monte Cotugno lake using dual-polarimetric SAR data | |
Liu et al. | Automatic ship detection from SAR images | |
Wen et al. | Optical flow-based method to estimate internal wave parameters from X-band marine radar 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |