CN105427301B - 基于直流分量比测度的海陆杂波场景分割方法 - Google Patents
基于直流分量比测度的海陆杂波场景分割方法 Download PDFInfo
- Publication number
- CN105427301B CN105427301B CN201510789304.5A CN201510789304A CN105427301B CN 105427301 B CN105427301 B CN 105427301B CN 201510789304 A CN201510789304 A CN 201510789304A CN 105427301 B CN105427301 B CN 105427301B
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- sea
- land
- component ratio
- 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
- 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
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于直流分量比测度的海陆杂波场景分割方法,主要解决现有技术分割质量差的问题,其技术方案是:1.利用雷达发射机发射脉冲信号,雷达接收机接收回波数据,回波数据的每个分辨单元中的回波序列为X;2.利用X计算每个分辨单元中的直流分量比,得到所有分辨单元的直流分量比矩阵W;3.将W转化为灰度图像H,并对其进行中值滤波;4.利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割,得到初分割后的图像B;5.对初分割后的图像B进行形态学滤波,得到最终的杂波场景分割结果Z。本发明提高了海陆杂波场景分割的质量,满足实时的场景分割要求,可用于岸基雷达条件下的海陆杂波场景分割。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种海陆杂波场景分割方法,可用于岸基雷达条件下的海陆杂波场景分割。
背景技术
海杂波背景下的目标检测技术是雷达应用技术中一个至关重要的研究方向,在军事和民用领域已经得到广泛应用。当雷达在对海模式下工作时,扫描场景复杂并且范围较大,雷达回波中往往包含着各种类型的杂波,包括海杂波、地杂波、岛礁杂波、近海杂波等。地杂波和岛礁杂波回波强度较强,严重影响着海杂波背景下的目标检测,复杂的杂波场景和杂波特性构成了海面目标检测的主要障碍。因此,在海面目标检测前,对海陆杂波场景进行分割是必须的预处理。通过海陆杂波场景分割将雷达回波杂波场景中陆地及岛礁部分给分离出去,在目标检测的过程中,地杂波和岛礁杂波被排除,减少了地杂波和大型岛礁杂波对海杂波背景下目标检测的影响。海陆杂波场景分割的质量将直接影响海杂波背景下目标检测性能的好坏。
海陆杂波场景分割是在分析雷达回波数据的基础上对杂波场景进行分割。不同于传统的图像分割方法,雷达杂波场景的分割包括了转化雷达数据成灰度图像和灰度图像分割两部分。在海陆混合的复杂杂波场景中,由于海态、水深、盐度、温度等环境因素和雷达波束入射角、波束宽度等雷达参数对杂波强度的影响,杂波回波功率在很大的动态范围内变化,仅仅依靠杂波功率测度进行海陆杂波场景分割是不可行的。由于载机运动,回波多普勒偏移随着方位角变化,依靠多普勒频率测度的海陆杂波场景分割往往是高计算代价的,难以满足实时海陆杂波场景分割的要求。如果利用人工的方法直接对杂波场景进行描绘分割,费时费力,将带来巨大的工作量,无法满足实时的场景分割要求。
近年来,很多研究者对海陆分割方法进行着深入的研究,提出了一些基于特定理论的海陆分割方法。文献“艾国红,万寿红,岳丽华.基于多特征动态融合模型的海陆分割算法[J].电子技术.2011,3:52-57.”中对图像的特征进行提取和融合得到综合特征图,然后对综合特征图像进行阈值分割和映射及边缘处理。该方法中提到的综合特征只包括纹理特征和灰度特征,当图像较为复杂时,即海面灰度值与陆地灰度值相近时,就很难从纹理特征和灰度特征中区分海面区域和陆地区域。文献“单子力,王超,张红.基于优化活动轮廓模型的SAR影像海陆分割方法研究[J].计算机应用研究.2011,28(6).”中提出了一种以活动轮廓模型为基础的海陆自动分割方法,将图像的边缘和区域统计信息融合到能量函数中,在此基础上进行图像分割,该方法是通过提取图像中的某些特征来进行海陆分割,但当海面情况较为复杂时,他们所提取出的图像特征都无法很好的区分陆地和海洋,很难得到较好的分割效果。
发明内容
本发明的目的在于提出一种基于直流分量比测度的海陆杂波场景分割方法,以实现岸基雷达条件下,海陆杂波场景的快速、实时分割,提高分割的质量。
为实现上述技术目的,本发明的技术方案包括如下步骤:
(1)利用雷达发射机发射脉冲信号,利用雷达接收机接收经过海面散射形成的回波数据,该回波数据的每个分辨单元中的回波序列为X:
X=[x1,x2,...,xi,...,xN],
其中xi表示第i个回波数据,N表示脉冲数;
(2)利用回波数据中每个分辨单元中的回波序列X计算每个分辨单元中的直流分量比,得到所有分辨单元的直流分量比矩阵W:
2a)计算回波数据中每个分辨单元的回波序列X的直流分量sjk:
其中|·|2表示模平方,j表示距离维,k表示波位维,M表示距离总数,L表示波位总数;
2b)计算回波数据中每个分辨单元的回波序列X的总能量ejk:
2c)计算每个分辨单元的直流分量sjk和总能量ejk的比值,得到每个分辨单元的直流分量比wjk:
2d)利用每个分辨单元的直流分量比wjk,得到所有分辨单元的直流分量比矩阵W:
(3)将直流分量比矩阵W转化为灰度图像H;
(4)对灰度图像H进行中值滤波,得到中值滤波后的图像H1;
(5)利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割,得到初分割后的图像B;
(6)对初分割后的图像B进行形态学滤波,得到最终的杂波场景分割结果Z。
本发明与现有技术相比具有以下优点:
1)由于本发明利用直流分量比作为海陆杂波场景分割的测度,充分体现了岸基雷达条件下海陆杂波的差异性,并且计算速度快,能够满足实际雷达系统的实时处理要求;
2)由于本发明利用最大类间方差阈值分割法对灰度图像进行初分割,其获取阈值的过程是自适应的,不需要人为的设定任何参数,运算速度快,在图像灰度直方图没有明显的双峰或波谷时,也能得到满意的分割效果;
3)由于本发明利用形态学滤波对初分割后的图像进行处理,保证了分割结果中陆地区域和海洋区域的连通性,提高了海陆杂波场景分割的质量。
附图说明
图1为本发明的实现流程图;
图2为采用本发明和现有测度得到的第一组数据的海陆杂波场景分割对比图;
图3为采用本发明和现有测度得到的第二组数据的海陆杂波场景分割对比图。
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,本发明的实现步骤如下:
步骤1,利用雷达发射机发射脉冲信号,利用雷达接收机接收经过海面散射形成的回波数据。
回波数据是一个包括脉冲维,距离维和波位维的三维矩阵,每个距离维和波位维构成一个分辨单元,每个分辨单元中的回波序列为X:
X=[x1,x2,...,xi,...,xN],
其中xi表示第i个回波数据,N表示脉冲数。
步骤2,利用回波数据计算直流分量比矩阵W。
(2.1)计算回波数据中每个分辨单元的回波序列X的直流分量sjk:
其中|·|2表示模平方,j表示距离维,k表示波位维,M表示距离总数,L表示波位总数;
(2.2)计算回波数据中每个分辨单元的回波序列X的总能量ejk:
(2.3)计算式<1>表示的直流分量sjk和式<2>的总能量ejk的比值,得到每个分辨单元的直流分量比wjk:
(2.4)利用式<3>表示的每个分辨单元的直流分量比wjk,得到所有分辨单元的直流分量比矩阵W:
步骤3,将直流分量比矩阵W转化为灰度图像H。
在MATLAB中调用H=mat2gray(W)命令,将直流分量比矩阵W转化为灰度图像H,在灰度图像H中,陆地部分的灰度值大于海洋部分的灰度值。
步骤4,对灰度图像H进行中值滤波,得到中值滤波后的图像H1。
中值滤波的关键是选择合适的窗口形状和大小,其步骤如下:
(4.1)将中值滤波的窗口设置为3×3的方形窗口;
(4.2)对灰度图像H中所有3×3的方形窗口内的所有像素灰度值进行排序;
(4.3)取排序结果的中间值作为3×3的方形窗口中心点处像素的灰度值,得到中值滤波后的图像H1。
步骤5,利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割,得到初分割后的图像B。
(5.1)取中值滤波后的图像H1中背景和目标两部分的类间方差最大时所对应的灰度值为最佳阈值;
(5.2)将中值滤波后的图像H1中灰度值比最佳阈值大的像素的灰度值设置为1,即陆地区域的灰度值为1;
(5.3)将中值滤波后的图像H1中比最佳阈值小的像素的灰度值设置为0,即海洋区域的灰度值为0,得到初分割后的图像B。
初分割后的图像B中,海洋区域含有大型目标或岛礁等孤立点需要被去除,陆地区域中有很多的孔洞需要填充。
步骤6,对初分割后的图像B进行形态学滤波,得到最终的杂波场景分割结果Z。
(6.1)在初分割后的图像B中,找出海洋区域中需要被去除的大型目标或岛礁等孤立点,找出陆地区域中需要填充的孔洞;
(6.2)设置形态学滤波中的结构元素为3×4的矩形结构元素;
(6.3)对初分割后的图像B进行形态学滤波中的开运算,将海洋区域中比结构元素小的毛刺、孤立点去除;
(6.4)对开运算后的图像进行形态学滤波中的闭运算,将陆地区域中比结构元素小的孔洞填充,得到最终的海陆杂波场景分割结果Z。
基于步骤1到步骤6,实现了基于直流分量比测度的海陆杂波场景分割。
下面结合仿真实验对本发明的效果做进一步说明。
1.仿真参数
仿真实验中采用的数据是岸基雷达获取的两组灵山岛的S波段的实测海杂波数据,每组数据包含71个距离单元,198个波位,每个波位有100个脉冲数。第一组数据为2013年12月7日上午9点采集的数据:201312070900.mat,第二组数据为2013年12月7日上午10点39分采集的数据:201312071039.mat。
2.仿真实验内容
仿真实验中分别采用本发明方法和基于相位线性度测度的海陆杂波场景分割方法得到灵山岛两组数据的海陆分割结果,通过分割结果图比较两种分割方法的分割质量。
仿真实验1,对第一组数据201312070900.mat,分别采用本发明方法和基于相位线性度测度的海陆杂波场景分割方法得到灵山岛的海陆分割结果,两种方法的结果对比如图2所示,图2中两幅子图的横轴均表示波位维,纵轴均表示距离维,白色表示陆地,黑色表示海洋,其中:
图2(a)表示采用本发明得到的海陆杂波场景分割结果;
图2(b)表示采用基于相位线性度测度的海陆杂波场景分割方法得到的分割结果。
从图2中可以看出,采用本发明方法得到的分割结果明显优于现有方法得到的分割结果。
仿真实验2,对第二组数据201312071039.mat,分别采用本发明方法和基于相位线性度测度的海陆杂波场景分割方法得到灵山岛的海陆分割结果,两种方法的结果对比如图3所示,图3中两幅子图的横轴均表示波位维,纵轴均表示距离维,白色表示陆地,黑色表示海洋,其中:
图3(c)表示采用本发明得到的海陆杂波场景分割结果;
图3(d)表示采用基于相位线性度测度的海陆杂波场景分割方法得到的分割结果;
从图3中可以看出,采用本发明方法得到的分割结果明显优于现有方法得到的分割结果。
综上所述,本发明提出的基于直流分量比测度的海陆杂波场景分割方法,可以提高岸基雷达条件下,海陆杂波场景分割的质量,并且计算速度快,能够满足实际雷达系统的实时处理要求,有利于后续的海杂波背景下目标检测性能的提高。
Claims (5)
1.一种基于直流分量比测度的海陆杂波场景分割方法,其特征在于,包括:
(1)利用雷达发射机发射脉冲信号,利用雷达接收机接收经过海面散射形成的回波数据,该回波数据的每个分辨单元中的回波序列为X:
X=[x1,x2,...,xi,...,xN],
其中xi表示第i个回波数据,N表示脉冲数;
(2)利用回波数据中每个分辨单元中的回波序列X计算每个分辨单元中的直流分量比,得到所有分辨单元的直流分量比矩阵W:
2a)计算回波数据中每个分辨单元的回波序列X的直流分量sjk:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>s</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msup>
<mi>N</mi>
<mn>2</mn>
</msup>
</mfrac>
<msup>
<mrow>
<mo>|</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中|·|2表示模平方,j表示距离维,k表示波位维,M表示距离总数,L表示波位总数;
2b)计算回波数据中每个分辨单元的回波序列X的总能量ejk:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
2c)计算每个分辨单元的直流分量sjk和总能量ejk的比值,得到每个分辨单元的直流分量比wjk:
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>|</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
2d)利用每个分辨单元的直流分量比wjk,得到所有分辨单元的直流分量比矩阵W:
(3)将直流分量比矩阵W转化为灰度图像H;
(4)对灰度图像H进行中值滤波,得到中值滤波后的图像H1;
(5)利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割,得到初分割后的图像B;
(6)对初分割后的图像B进行形态学滤波,得到最终的杂波场景分割结果Z。
2.如权利要求1所述的基于直流分量比测度的海陆杂波场景分割方法,其特征在于,步骤(1)中的回波数据是一个包括脉冲维,距离维和波位维的三维矩阵,每个距离维和波位维构成一个分辨单元。
3.如权利要求1所述的基于直流分量比测度的海陆杂波场景分割方法,其特征在于,步骤(4)中对灰度图像H进行中值滤波,得到中值滤波后的图像H1,按如下步骤进行:
4a)将中值滤波的窗口设置为3×3的方形窗口;
4b)对灰度图像H中所有3×3的方形窗口内的所有像素灰度值进行排序;
4c)取排序结果的中间值作为3×3的方形窗口中心点处像素的灰度值,得到中值滤波后的图像H1。
4.如权利要求1所述的基于直流分量比测度的海陆杂波场景分割方法,其特征在于,步骤(5)中利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割,是取图像中背景和目标两部分的类间方差最大时所对应的灰度值作为最佳阈值,并将图像中灰度值比最佳阈值大的像素的灰度值设置为1,即陆地区域的灰度值为1,将比最佳阈值小的像素的灰度值设置为0,即海洋区域的灰度值为0,得到初分割后的图像B。
5.如权利要求1所述的基于直流分量比测度的海陆杂波场景分割方法,其特征在于,步骤(6)中对初分割后的图像B进行形态学滤波,按如下步骤进行:
(6.1)在初分割后的图像B中,找出海洋区域中需要被去除的大型目标或岛礁孤立点,找出陆地区域中需要填充的孔洞;
(6.2)设置形态学滤波中的结构元素为3×4的矩形结构元素;
(6.3)对初分割后的图像B进行形态学滤波中的开运算,将海洋区域中比结构元素小的毛刺、孤立点去除;
(6.4)对开运算后的图像进行形态学滤波中的闭运算,将陆地区域中比结构元素小的孔洞填充,得到最终的海陆杂波场景分割结果Z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510789304.5A CN105427301B (zh) | 2015-11-17 | 2015-11-17 | 基于直流分量比测度的海陆杂波场景分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510789304.5A CN105427301B (zh) | 2015-11-17 | 2015-11-17 | 基于直流分量比测度的海陆杂波场景分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105427301A CN105427301A (zh) | 2016-03-23 |
CN105427301B true CN105427301B (zh) | 2018-03-06 |
Family
ID=55505482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510789304.5A Active CN105427301B (zh) | 2015-11-17 | 2015-11-17 | 基于直流分量比测度的海陆杂波场景分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427301B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844644B (zh) * | 2016-03-31 | 2018-11-16 | 西安电子科技大学 | 基于形态学中值导数的海陆杂波场景分割方法 |
CN107610130B (zh) * | 2017-08-21 | 2020-01-31 | 西安电子科技大学 | 基于幅度与相位线性度之比的海陆杂波场景分割方法 |
CN107909595A (zh) * | 2017-10-13 | 2018-04-13 | 西安电子科技大学 | 基于幅度与能量聚集度乘积的海陆杂波场景分割方法 |
CN109447163B (zh) * | 2018-11-01 | 2022-03-22 | 中南大学 | 一种面向雷达信号数据的移动对象检测方法 |
CN110736971B (zh) * | 2019-11-05 | 2022-03-25 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种岸基雷达海杂波测量区域非合作目标实时识别方法 |
CN113820680B (zh) * | 2021-08-13 | 2023-06-23 | 西安电子科技大学 | 一种基于协方差的多帧海陆雷达回波分割方法 |
CN116482678B (zh) * | 2023-03-14 | 2024-05-03 | 中国人民解放军63921部队 | 天基雷达海面探测波位优化方法、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203396947U (zh) * | 2013-09-05 | 2014-01-15 | 武汉大学 | 一种x波段测波雷达回波数据采集系统 |
CN104318593A (zh) * | 2014-09-30 | 2015-01-28 | 北京环境特性研究所 | 一种雷达海杂波的仿真方法和系统 |
-
2015
- 2015-11-17 CN CN201510789304.5A patent/CN105427301B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203396947U (zh) * | 2013-09-05 | 2014-01-15 | 武汉大学 | 一种x波段测波雷达回波数据采集系统 |
CN104318593A (zh) * | 2014-09-30 | 2015-01-28 | 北京环境特性研究所 | 一种雷达海杂波的仿真方法和系统 |
Non-Patent Citations (2)
Title |
---|
ANMF和CM_CFAR在K分布海杂波下的性能分析;时艳玲等;《西北大学学报(自然科学版)》;20120630;第42卷(第3期);第359-365页 * |
EXTENDED FRACTAL ANALYSIS FOR FLOATING TARGET DETECTION IN SEA CLUTTER;Dongchen Li等;《Geoscience and Remote Sensing Symposium》;20151112;第3139-3142页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105427301A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN101510309B (zh) | 基于复小波纹理区域合并的改进分水岭sar图像分割方法 | |
CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
CN105427314A (zh) | 基于贝叶斯显著性的sar图像目标检测方法 | |
CN108961255B (zh) | 基于相位线性度和功率的海陆噪声场景分割方法 | |
CN105741262B (zh) | 基于能量聚集度测度的海陆杂波场景分割方法 | |
CN105389826A (zh) | 珊瑚岛礁岸线高分sar遥感提取方法 | |
CN103886606B (zh) | 基于联合广义伽玛分布参数的sar图像分割方法 | |
CN106443593B (zh) | 基于相参雷达慢扫增强的自适应溢油信息提取方法 | |
CN101482969B (zh) | 基于同质点计算的sar图像去斑方法 | |
CN104331886A (zh) | 基于高分辨sar图像的港口区域舰船检测方法 | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN113570632B (zh) | 基于高时相星载sar序贯图像的运动小目标检测方法 | |
CN103971370A (zh) | 一种针对遥感大图像的海洋溢油智能检测方法 | |
CN109543589B (zh) | 基于初相-多普勒不变距离和knn的海陆场景分割方法 | |
CN107610130B (zh) | 基于幅度与相位线性度之比的海陆杂波场景分割方法 | |
CN105844644B (zh) | 基于形态学中值导数的海陆杂波场景分割方法 | |
CN107909595A (zh) | 基于幅度与能量聚集度乘积的海陆杂波场景分割方法 | |
CN102194224A (zh) | 一种光学遥感图像坦克群的识别方法 | |
CN107422320A (zh) | 一种消除降雨对x波段雷达观测海浪的影响的方法 | |
CN104036515A (zh) | 基于单幅sar图像的车辆目标高度估计方法 | |
CN106355576A (zh) | 基于mrf图像分割算法的sar图像配准方法 |
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 |