CN105022057B - 基于改进Radon变换与多帧联合处理的目标检测方法 - Google Patents
基于改进Radon变换与多帧联合处理的目标检测方法 Download PDFInfo
- Publication number
- CN105022057B CN105022057B CN201510316081.0A CN201510316081A CN105022057B CN 105022057 B CN105022057 B CN 105022057B CN 201510316081 A CN201510316081 A CN 201510316081A CN 105022057 B CN105022057 B CN 105022057B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- target
- clutter
- distance image
- 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.)
- Expired - Fee Related
Links
- 229910052704 radon Inorganic materials 0.000 title claims abstract description 45
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 title abstract 3
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 230000035485 pulse pressure Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种基于改进Radon变换与多帧联合处理的目标检测方法，以抑制杂波和消除虚假航迹，实现低速微弱目标的有效检测。该方法包括以下步骤：采用滤波器对雷达回波数据进行杂波抑制，形成第一时间‑距离像对应的数据；将第一时间‑距离像对应的数据进行合并，形成第二时间‑距离像对应的数据；将第二时间‑距离像对应的数据进行处理，得到联合时间‑距离像对应的数据；将联合时间‑距离像对应的数据进行N倍的二次采样；对N幅子图对应的数据进行平滑处理，得到；将进行Radon变换；设置幅度门限，设置角度偏移量门限，变换域矩阵中检测出目标运动轨迹对应的峰值点，根据目标运动轨迹对应的峰值点的θ坐标确定目标的运动轨迹。
Description
技术领域
本发明属于信号处理技术领域，具体涉及基于改进Radon变换与多帧联合处理的目标检测方法，可用于雷达低空慢速小目标的检测。
背景技术
对于现代雷达，特别是警戒雷达，近程指示雷达和战场监视雷达，检测与跟踪是最基本的任务。然而，随着电子对抗技术的不断发展、新型目标的不断涌现以及更具挑战性的目标探测任务也对雷达技术的发展提出了更高的要求。对低空慢速弱小目标(“低、慢、小”目标)进行有效探测便是新时期雷达所面临的挑战之一。
低空慢速弱小目标具有“受控性好、隐蔽性好、机动性强、攻击性强”的特点，存在“侦察难、管控难、打击难”的问题。目前，防范和处置低空慢速弱小目标的干扰破坏，是重大安保活动和防空作战的世界性难题。
目前对低空慢速弱小目标的检测十分困难，主要有以下两方面的原因。一方面杂波背景复杂，由地面、海面以及天气环境如云雨等产生的地杂波、海杂波、气象杂波的能量一般比回波信号的能量大的多，目标往往被噪声和杂波所淹没，并且无人机、掠海飞行的导弹和隐身飞行器等目标的RCS非常小，使得目标的回波幅度进一步降低，这些目标在频域上与地杂波的频谱混在一起，传统的依靠能量检测和依靠频域检测的方法性能有所下降，因此单帧回波图像上几乎不可能检测出目标，即使检测出目标也常常伴随着大量的虚假目标，而无法满足所要求的检测概率和虚警概率；另一方面，对于低分辨率雷达，由于目标运动速度非常低，目标在单帧的时间-距离像中通常不会发生距离单元走动，目标的运动轨迹与杂波的运动轨迹都表现出一条连续的直线，使得目标和杂波难以分辨。以上两方面内容使得对低空慢速弱小目标的检测变得极为困难，因此如何根据杂波特性设计滤波器抑制杂波以及消除检测过程中产生的大量虚假航迹以实现目标的有效检测是本发明研究的重点和难点。
发明内容
针对上述缺点，本发明的目的在于提出了一种基于改进Radon变换与多帧联合处理的目标检测方法，以抑制杂波和消除虚假航迹，实现低空慢速弱小目标的有效检测。
为实现上述目的，本发明采用如下技术方案予以实现。
一种基于改进Radon变换与多帧联合处理的目标检测方法，包括以下步骤：
步骤1，采用自适应动目标显示滤波器对脉压后的雷达回波数据进行杂波抑制，形成第一时间-距离像对应的数据SM×L(k)，其中M是脉冲数目，L是距离单元个数，k表示第k帧数据；
步骤2，将经过步骤1处理的K帧所述第一时间-距离像对应的数据SM×L(k)进行合并，形成第二时间-距离像对应的数据SMK×L，其中，K为总的数据帧数；
步骤3，将合并后的所述第二时间-距离像对应的数据SMK×L进行有序统计恒虚警处理，得到联合时间-距离像对应的数据；
步骤4，将经过有序统计恒虚警处理后的所述联合时间-距离像对应的数据沿时间维进行N倍的二次采样，得到N幅子图对应的数据其中，n＝1,2,…,N；
步骤5，对所述N幅子图对应的数据进行平滑，得到平滑后的子图对应的数据
其中，
步骤6，将所述平滑后的子图对应的数据进行Radon变换，得到Radon变换后的变换域矩阵R(ρ,θ)，其中，ρ为极坐标下的极径，θ为极坐标下的极角；
步骤7，设置幅度门限，从所述变换域矩阵R(ρ,θ)中提取出目标所对应的峰值点和杂波所对应的峰值点；
步骤8，设置角度偏移量门限，从经幅度门限滤除杂波后的变换域矩阵R(ρ,θ)中检测出目标运动轨迹对应的峰值点，根据目标运动轨迹对应的峰值点的θ坐标确定目标的运动信息。
本发明技术方案的特点和进一步的改进为：
(1)步骤2具体为：
将经过步骤1处理的K帧所述第一时间-距离像对应的数据SM×L(k)按照时间维进行顺序合并，形成第二时间-距离像对应的数据SMK×L。
(2)步骤3具体为：
将合并后的所述第二时间-距离像对应的数据SMK×L按照各个距离单元的数据从小到大进行排序，选取第p个值作为杂波功率门限，再将小于所述杂波功率门限的各个距离单元的数据进行杂波抑制，得到所述联合时间-距离像对应的数据。
(3)步骤6具体为：
将所述平滑处理后的子图对应的数据沿各个离散角度分别进行积分，得到与所述各个离散角度对应的Radon变换值。
(4)步骤7中的幅度门限具体为：
T1＝mean(R(ρ,θ))+K std(R(ρ,θ))，
其中，mean(R(ρ,θ))和std(R(ρ,θ))是R(ρ,θ)的全局均值和标准差，K是修正系数。
本发明具有如下优点。本发明由于根据杂波的统计特性设计AMTI滤波器，既对单帧数据中的地杂波进行有效抑制，又在最大程度上保留了低空慢速弱小目标；同时，采用抗干扰性能更好的有序统计恒虚警(OS-CFAR)检测器对多帧时间-距离数据进行处理，从而对剩余杂波进行抑制；此外，本发明采用二次采样和平滑处理，增大低速微弱目标运动轨迹在Radon变换域对应峰值点的θ坐标相对于中心角度的偏移量的同时也减小了地杂波在Radon变换域的幅度，从而可以很好地对低速微弱目标和杂波进行区分，进而实现低速微弱目标的有效检测。
实测数据处理结果表明，本发明不仅可以检测出低速微弱目标的运动速度，还能对雷达常规检测后结果剔除航迹，显示真实的运动轨迹。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于改进Radon变换与多帧联合处理的目标检测方法流程示意图；
图2是未进行AMTI处理的回波数据结果示意图；
图3是经过AMTI处理以后的回波数据结果示意图；
图4是未进行AMTI处理的Radon变换域结果示意图；
图5是经过AMTI处理以后的Radon变换域结果示意图；
图6是用本发明在抽取因子N＝7时的检测结果示意图；
图7是用本发明在抽取因子N＝14时的检测结果示意图；
图8是用本发明在抽取因子N＝28时的检测结果示意图；
图9是用本发明在抽取因子N＝56时的检测结果示意图；
图10是用传统方法得到的低速微弱目标航迹结果示意图；
图11是用本发明得到的低速微弱目标航迹结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，本发明的具体实施过程如下：
步骤1，采用自适应动目标显示滤波器对脉压后的雷达回波数据进行杂波抑制，形成第一时间-距离像对应的数据SM×L(k)。
具体的，AMTI(自适应动目标显示)滤波器的设计方法参见图书：吴顺君,梅晓春等.雷达信号处理和数据处理技术[M].北京：电子工业出版社,2008。
根据杂波特性，采用AMTI滤波器，对经过脉压后的回波数据进行初步的杂波抑制，形成单帧的第一时间-距离像对应的数据SM×L(k)，其中M是脉冲数目，L是距离单元个数，k表示第k帧数据。
步骤2，将经过步骤1处理的K帧第一时间-距离像对应的数据SM×L(k)进行合并，形成第二时间-距离像对应的数据SMK×L，其中K为总的数据帧数。
具体的，将经过步骤1处理的K帧第一时间-距离像对应的数据SM×L(k)按照时间维进行顺序合并，得到第二时间-距离像对应的数据SMK×L。
步骤3，将合并后的第二时间-距离像对应的数据SMK×L进行有序统计恒虚警处理，得到联合时间-距离像对应的数据。
将合并后的第二时间-距离像对应的数据SMK×L进行有序统计恒虚警(OS-CFAR)处理，得到联合时间-距离像对应的数据。具体的，有序恒虚警处理的方法参见图书：何友,关键,彭应宁等.雷达自动检测与恒虚警处理[M].北京：清华大学出版社,1999。
有序统计恒虚警处理即将参考单元的数据从小到大进行排序，选取第p个值作为杂波功率水平估计来设置门限，再将检测单元的数据与门限比较进行判决。
步骤4，将经过有序统计恒虚警处理后的联合时间-距离像对应的数据沿时间维进行N倍的二次采样，得到N幅子图对应的数据其中n＝1,2,…,N。
将经过有序统计恒虚警(OS-CFAR)处理后的联合时间-距离像沿时间维进行N倍的二次采样(每隔N-1个脉冲进行一次采样)，得到N幅子图对应的数据其中n＝1,2,…,N。
由于每一幅子图都是对联合时间-距离像的一次N倍抽取，因此每幅子图所对应的PRF变为fr的1/N。对雷达回波数据的时间-距离像进行Radon变换后，目标的运动轨迹在Radon变换域的极角θ可以表示为：其中，Δr(Δr＝c/2B，c是光速，B是带宽)是雷达距离分辨单元,Vr是低速微弱目标径向速度。
对于实测数据，低速微弱目标的径向速度和雷达距离分辨单元是固定，降低PRF可以增大低速微弱目标运动轨迹在Radon变换域对应峰值点的θ坐标相对于中心角度的偏移量，该过程虽然也增大了杂波运动轨迹在Radon变换域对应峰值点的θ坐标相对于中心角度的偏移量，但减少了杂波持续时间内的采样点数，使其在Radon变换域对应峰值点的幅度减小，而低速微弱目标运动轨迹对应峰值点的幅度不变。
步骤5，对N幅子图对应的数据进行平滑处理，得到平滑处理后的子图其中，
由于地杂波的幅度具有随机性，该过程可以平滑掉N幅子图对应的数据中的地杂波，使地杂波的轨迹在Radon变换域对应峰值点的幅度进一步减小，而低速微弱目标运动轨迹对应峰值点的幅度受影响较小。
步骤6，将平滑处理后的子图对应的数据进行Radon变换，得到Radon变换后的变换域矩阵R(ρ,θ)。
其中，ρ为极坐标下的极径，θ为极坐标下的极角。
将平滑处理后的子图对应的数据进行Radon变换，得到Radon变换后的变换域矩阵R(ρ,θ)，即对每一个可能的角度，将平滑处理后的子图沿这个角度进行积分，即可得到与此角度对应的Radon变换值。
Radon变换域矩阵R(ρ,θ)中峰值点能量的位置与图像域对应直线的斜率有关，峰值点的大小与其在图像域对应直线的长度有关。Radon变换实际上是在时间-距离平面沿着目标的准确路径进行非相干积累，运用目标所有可以运用的能量。理论上，Radon变换域的SCR比图像域提高M倍，M为积累时间内的回波个数。但实际中由于杂波的遮挡，经边缘检测处理提取的低速微弱目标运动轨迹是断断续续的直线，使SCR的提高率降低。
步骤7，设置幅度门限，从变换域矩阵R(ρ,θ)中提取出目标所对应的峰值点和杂波所对应的峰值点。
选取合适的幅度门限(第一门限)，从变换域矩阵R(ρ,θ)中提取出目标所对应的峰值点和杂波所对应的峰值点。
第一门限T1可以表示如下：T1＝mean(R(ρ,θ))+Kstd(R(ρ,θ))。
其中，mean(R(ρ,θ))和std(R(ρ,θ))是R(ρ,θ)的全局均值和标准差，K是修正系数，由实验方法确定。第一门限T1的选取有助于在变换域矩阵R(ρ,θ)中滤除掉一部分杂波：R(ρi,θj)<T1→R(ρi,θj)＝0，即将在变换域矩阵R(ρ,θ)中小于第一门限T1的杂波滤除。
其中R(ρi,θj)是R(ρ,θ)中的任意一点。
步骤8，设置角度偏移量门限，从经幅度门限滤除杂波后的变换域矩阵R(ρ,θ)中检测出目标运动轨迹对应的峰值点，根据目标运动轨迹对应的峰值点的θ坐标确定目标的运动轨迹。
利用角度偏移量门限(第二门限θthr)从经第一门限滤除杂波后的变换域数据中检测出低速微弱目标运动轨迹对应的多个峰值点，根据多个峰值点对应的θ坐标还原微弱目标的运动轨迹。对于低速微弱目标和运动速度很低的强杂波的运动轨迹，在Radon变换域无法从能量上区分，但低速微弱目标运动轨迹的θ坐标相对中心角度偏移量较大，因此通过合适的角度偏移量门限θthr就可以检测出微弱目标。假设地杂波的最大运动速度不会超过5m/s，如果对合成的数据不进行抽取，可估计得到地杂波的最大偏移量：θw＝0.12°，为了降低虚警率，第二门限通常略大于θw，值得注意的是，不同的抽取因子N，滤除地杂波的偏移门限也是不同的。
本发明的效果可通过以下实验进一步说明：
1、实验环境和内容
实验环境：实验环境：MATLAB R2010b，Intel(R)Pentium(R)2 CPU2.7GHz。
实验内容：采用某地基雷达录取的复杂城市背景下的数据，应用本发明进行低速微弱目标的检测。
2、实验结果
图2是没有经过AMTI滤波处理的回波数据结果。图3是进行AMTI滤波处理以后的回波数据结果。分别对图2和图3的结果进行常规的Radon变换得到的结果如图4和图5所示。应用本发明方法在抽取因子N分别是N＝7、N＝14、N＝28、N＝56时进行检测，得到的结果如图6-9所示。应用传统方法得到的目标航迹如图10所示，应用本发明得到的目标航迹如图11所示。
从图2可以看出，在帧数较小时，低速微弱目标淹没在地杂波中，我们已经无法区分低速微弱目标的运动轨迹，随着帧数的增加，由于低速微弱目标附近的地杂波减少，低速微弱目标在后几帧的运动轨迹可以显示出来。从图3可以看出，经过AMTI滤波处理，低速微弱目标的运动轨迹明显的显示在联合时间-距离像中，这说明本发明设计的AMTI滤波器对杂波进行了很好的抑制。从图4和图5可以看出，经常规Radon变换后，加入的低速微弱目标和强地杂波轨迹对应峰值点的θ坐标全部位于0°附近。在没有任何先验信息的情况下，只根据常规Radon变换域的检测结果，无法判断0°附近的峰值点是由低速微弱目标产生，还是由地杂波产生。从图6-图9可以看出，虽然经过时域的抽取，低速微弱目标和杂波在Radon变换域的峰值点仍然在0°附近，但是随着抽取因子的增加，低速微弱目标运动轨迹的倾斜度越来越大，对应在Radon变换域就是峰值点偏离0°的程度也越来越大。经过两级门限(幅度门限和角度偏移量门限)的检测，运动目标在Radon变换域被明显的检测出来，从而验证了本文方法的有效性。从图10和图11可以看出，经过前期的杂波抑制和后期Radon变换域的两级检测(幅度门限和角度偏移量门限)，低速微弱目标的航迹很清楚的恢复了出来，并且没有虚假航迹，因此本发明方法能有效地消除虚假航迹，实现“低、慢、小”目标的检测。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种基于改进Radon变换与多帧联合处理的目标检测方法，其特征在于，包括以下步骤：
步骤1，采用自适应动目标显示滤波器对脉压后的雷达回波数据进行杂波抑制，形成第一时间-距离像对应的数据SM×L(k)，其中M是脉冲数目，L是距离单元个数，k表示第k帧数据；
步骤2，将经过步骤1处理的K帧所述第一时间-距离像对应的数据SM×L(k)进行合并，形成第二时间-距离像对应的数据SMK×L，其中，K为总的数据帧数；
步骤3，将合并后的所述第二时间-距离像对应的数据SMK×L进行有序统计恒虚警处理，得到联合时间-距离像对应的数据；
步骤4，将经过有序统计恒虚警处理后的所述联合时间-距离像对应的数据沿时间维进行N倍的二次采样，得到N幅子图对应的数据其中，
步骤5，对所述N幅子图对应的数据进行平滑处理，得到平滑处理后的子图对应的数据
其中，
步骤6，将所述平滑处理后的子图对应的数据进行Radon变换，得到Radon变换后的变换域矩阵R(ρ,θ)，其中，ρ为极坐标下的极径，θ为极坐标下的极角；
步骤7，设置幅度门限，从所述变换域矩阵R(ρ,θ)中提取出目标所对应的峰值点和杂波所对应的峰值点；
步骤8，设置角度偏移量门限，从经幅度门限滤除杂波后的变换域矩阵R(ρ,θ)中检测出目标运动轨迹对应的峰值点，根据目标运动轨迹对应的峰值点的θ坐标确定目标的运动轨迹。
2.根据权利要求1所述的基于改进Radon变换与多帧联合处理的目标检测方法，其特征在于，步骤2具体为：
将经过步骤1处理的K帧所述第一时间-距离像对应的数据SM×L(k)按照时间维进行顺序合并，形成第二时间-距离像对应的数据SMK×L。
3.根据权利要求1所述的基于改进Radon变换与多帧联合处理的目标检测方法，其特征在于，步骤3具体为：
将合并后的所述第二时间-距离像对应的数据SMK×L按照各个距离单元的数据从小到大进行排序，选取第p个值作为杂波功率门限，再将小于所述杂波功率门限的各个距离单元的数据进行杂波抑制，得到所述联合时间-距离像对应的数据。
4.根据权利要求1所述的基于改进Radon变换与多帧联合处理的目标检测方法，其特征在于，步骤6具体为：
将所述平滑处理后的子图对应的数据沿各个离散角度分别进行积分，得到与所述各个离散角度对应的Radon变换值。
5.根据权利要求1所述的基于改进Radon变换与多帧联合处理的目标检测方法，其特征在于，步骤7中的幅度门限具体为：
T1＝mean(R(ρ,θ))+K′std(R(ρ,θ))，
其中，mean(R(ρ,θ))和std(R(ρ,θ))是R(ρ,θ)的全局均值和标准差，K′是修正系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510316081.0A CN105022057B (zh) | 2015-06-10 | 2015-06-10 | 基于改进Radon变换与多帧联合处理的目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510316081.0A CN105022057B (zh) | 2015-06-10 | 2015-06-10 | 基于改进Radon变换与多帧联合处理的目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105022057A CN105022057A (zh) | 2015-11-04 |
| CN105022057B true CN105022057B (zh) | 2018-02-02 |
Family
ID=54412161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510316081.0A Expired - Fee Related CN105022057B (zh) | 2015-06-10 | 2015-06-10 | 基于改进Radon变换与多帧联合处理的目标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105022057B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678737B (zh) * | 2015-12-24 | 2019-03-01 | 华北电力大学（保定） | 一种基于Radon变换的数字图像角点检测方法 |
| CN107045120B (zh) * | 2017-01-20 | 2019-10-11 | 南京航空航天大学 | 一种基于因子分析模型的一维距离像自适应分帧方法 |
| CN109839621A (zh) * | 2017-11-24 | 2019-06-04 | 西安艾索信息技术有限公司 | 一种改进的tbd算法 |
| CN108169726B (zh) * | 2017-12-20 | 2020-07-14 | 中国空间技术研究院 | 一种基于星载sar回波的电离层总电子含量反演非迭代方法 |
| CN108919204A (zh) * | 2018-07-03 | 2018-11-30 | 西安电子工程研究所 | 情报雷达杂波识别一体化处理方法 |
| CN109466442B (zh) * | 2018-10-26 | 2020-11-27 | 北京宝驰新风科技有限公司 | 一种校车学生滞留报警系统 |
| CN110263646A (zh) * | 2019-05-21 | 2019-09-20 | 华中科技大学 | 一种基于卷积神经网络的海面弱目标探测方法和系统 |
| CN110208766B (zh) * | 2019-05-31 | 2023-03-24 | 零八一电子集团有限公司 | 海面漂浮类微弱目标检测方法 |
| CN111856411B (zh) * | 2020-07-28 | 2023-09-29 | 北京环境特性研究所 | 一种双门限目标检测方法及装置 |
| CN112230220B (zh) * | 2020-09-22 | 2023-12-01 | 南京理工大学 | 基于Radon变换的Deramp-STAP动目标检测方法 |
| CN113093180B (zh) * | 2021-03-20 | 2023-10-13 | 中国人民解放军空军工程大学 | 一种基于聚类外推的慢速弱目标检测方法 |
| CN113960580B (zh) * | 2021-10-14 | 2023-04-07 | 电子科技大学 | 一种真假目标一维距离像的变换域不变特征提取方法 |
| CN115015905A (zh) * | 2022-05-25 | 2022-09-06 | 北京理工雷科雷达技术研究院有限公司 | 一种基于多帧轨迹关联的一维距离像船只检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104215951A (zh) * | 2014-08-20 | 2014-12-17 | 上海无线电设备研究所 | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 |
-
2015
- 2015-06-10 CN CN201510316081.0A patent/CN105022057B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104215951A (zh) * | 2014-08-20 | 2014-12-17 | 上海无线电设备研究所 | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| "Application of the Radon transform to detect small-targets in sea clutter";J. Carretero-Moya et al.;《IET Radar Sonar Navig.》;20090228;第3卷(第2期);第155-166页 * |
| "基于改进Hough变换的海面微弱目标检测";左磊等;《电子与信息学报》;20120430;第34卷(第4期);第923-928页 * |
| "强杂波下微弱目标检测算法研究";黄红平;《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》;20110430(第4期);第4、24、35-36、51页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105022057A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105022057B (zh) | 基于改进Radon变换与多帧联合处理的目标检测方法 | |
| CN101718870B (zh) | 图像域的高速、微弱目标航迹检测方法 | |
| CN101676744B (zh) | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 | |
| EP1485730B1 (en) | An adaptive system and method for radar detection | |
| CN100565244C (zh) | 多模多目标精密跟踪装置和方法 | |
| CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
| CN109975780B (zh) | 基于脉冲多普勒雷达时域回波的直升机型号识别算法 | |
| CN104133211B (zh) | 一种多普勒频率变换雷达目标分类识别方法 | |
| CN110231615B (zh) | 基于海面目标空间约束的距离测量异常判别方法 | |
| CN109597065B (zh) | 一种用于穿墙雷达检测的虚警抑制方法、装置 | |
| CN111948657B (zh) | 一种基于多模粒子滤波的机动弱目标检测前跟踪方法 | |
| CN111123212A (zh) | 一种基于复杂杂波背景下的场面监视雷达的信号处理方法 | |
| CN111323756B (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
| CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
| CN109100696A (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
| CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
| CN116990773A (zh) | 基于自适应门限的低慢小目标检测方法、装置和存储介质 | |
| Arii | Improvement of ship-sea clutter ratio of SAR imagery using standard deviation filter | |
| CN116542885A (zh) | 一种红外舰船尾迹图像增强方法 | |
| CN115616502A (zh) | 无人飞行器机载雷达目标检测的杂波抑制方法 | |
| Faramarzi et al. | Infrared dim and small targets detection based on multi-scale local contrast measure utilizing efficient spatial filters | |
| CN109816683B (zh) | 一种航海雷达图像中海浪信息反演的预处理方法 | |
| JP2011185719A (ja) | 追尾レーダ装置 | |
| Liu et al. | An automatic ship detection system using ERS SAR images | |
| Wang et al. | Track Before Detect for Low Frequency Active Towed Array Sonar |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180202 Termination date: 20180610 |