合成孔径雷达图像
合成孔径雷达图像的相关文献在2000年到2022年内共计488篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文260篇、会议论文50篇、专利文献517120篇;相关期刊120种,包括系统工程与电子技术、西安电子科技大学学报(自然科学版)、中国图象图形学报等;
相关会议24种,包括《第三届高分辨率对地观测学术年会》、中国计算机用户协会网络应用分会2014年第十八届网络新技术与应用年会、第六届中国信息融合大会等;合成孔径雷达图像的相关文献由1177位作者贡献,包括王宇、朱磊、付琨等。
合成孔径雷达图像—发文量
专利文献>
论文:517120篇
占比:99.94%
总计:517430篇
合成孔径雷达图像
-研究学者
- 王宇
- 朱磊
- 付琨
- 张云华
- 李东
- 尤红建
- 邓云凯
- 崔宗勇
- 曹宗杰
- 焦李成
- 皮亦鸣
- 胡炎
- 计科峰
- 陈杰
- 关键
- 周越
- 孙洪
- 张腊梅
- 张钧萍
- 杨学志
- 水鹏朗
- 王超
- 邓磊
- 邹斌
- 侯彪
- 单子力
- 孙增国
- 张翰墨
- 李京
- 李刚
- 李宁
- 李昱彤
- 杨建宇
- 王学谦
- 禹卫东
- 粟毅
- 董张玉
- 陆萍萍
- 陈云浩
- 高峰
- 高贵
- 仇晓兰
- 刘亚波
- 匡纲要
- 吴一戎
- 周斯斯
- 孙真真
- 宋建社
- 张向荣
- 张弓
-
-
陈前;
刘本永
-
-
摘要:
针对非局部均值算法在合成孔径雷达(Synthetic Aperture Radar,SAR)图像的边缘和纹理区域去噪效果较模糊的问题,探讨改进了非局部均值算法的权重部分,把高斯加权的空间距离与非局部均值算法的权重系数相结合,构造新的权重系数,提出了一种基于改进非局部均值算法的SAR图像去噪算法。首先,使用对数变换处理图像;其次,进行高斯滤波;再次,利用了所提出的算法将高斯滤波结果去噪;最后,采用指数变换方法处理去噪结果。去噪结果表明,所提算法在抑制散斑噪声和保持图像结构信息方面有较好的性能。
-
-
岳冰莹;
陈亮;
师皓;
盛青青
-
-
摘要:
近年来,深度学习方法在合成孔径雷达(SAR)图像目标检测中得到了广泛的应用。船舶出现在近海、港口、岛礁、远洋等各种场景中,同时海洋环境复杂多变,使得船舶目标检测很难排除混乱背景的干扰。对于大纵横比、任意方向、密集分布的目标,精确定位变得更加复杂。本文基于深度学习的方法提出用于SAR图像目标检测的改进RetinaNet模型,使用深度残差网络自主获取图像特征,利用基于圆形平滑标签(Circular Smooth Label,CSL)的旋转框检测方法实现精准定位,在分类与定位网络中加入了注意力机制以增强网络特征提取能力。经SSDD数据集实验验证,本文方法目标检测精度达到88.63%,比传统RetinaNet模型提高了8.74%,表现出了良好的检测效果。
-
-
范越;
解锋
-
-
摘要:
针对合成孔径雷达图像边缘、纹理与形状信息丰富,图像尺度大难以处理的问题,提出了一种基于显著性检测的合成孔径雷达目标检测算法.将合成孔径雷达图像表示成超像素,来构建超像素间的关联关系图从而解耦整张图像.同时基于人眼视觉系统对多尺度图像进行非均匀采样的特点,分别提取图像的局部对比度显著性、像素紧凑度显著性和全局唯一性显著性映射,并使用贝叶斯估计得到SAR图像的精确显著性映射,融合三种显著性映射得到最终的显著性图实现目标检测.在各种SAR图像显著性检测实验的定性与定量结果表明,所提方法明显优于现有方法.
-
-
郑彤;
雷鹏;
王俊
-
-
摘要:
由于合成孔径雷达(SAR)图像可读性较差,所以对其进行目标检测与识别处理的难度也较大。近年来,随着深度学习(DL)方法的不断发展,许多学者将其引入SAR图像目标检测与识别研究中。该类方法以数据为驱动。其中,监督学习方法更以已标注的数据为基础。但是,SAR图像目标的标注通常是昂贵且耗时的。鉴于此,本文对已公开的SAR图像目标数据集进行了归纳总结。首先,对典型的SAR系统平台进行了介绍,具体包括星载SAR和机载SAR。其次,按照是否包含目标类型信息将已公开的SAR图像目标数据集分为两类,并分别对其进行了介绍。最后,为了说明上述数据集的建立具有现实意义,对近年来基于DL方法的SAR图像目标数据集的应用情况进行了总结。这也从侧面说明国内外公开的SAR图像目标数据集可助力基于DL的SAR图像目标检测与识别方法的研究。本文能够为后续展开基于DL方法的SAR图像目标的检测与识别方法研究提供数据和研究思路的参考。
-
-
薛远亮;
金国栋;
侯笑晗;
谭力宁;
许剑锟
-
-
摘要:
针对单次多盒检测算法(SSD)对复杂背景下合成孔径雷达(SAR)图像舰船目标的检测容易出现误检或漏检情况,提出一种基于融合注意力机制与改进的SSD算法的目标检测方法。首先在SSD算法上引入ResNet网络并进行改进,以提供丰富的语义信息和细节信息,提高算法的鲁棒性;其次融合通道和空间注意力增强对舰船目标的辨认能力,抑制海杂波等干扰信息;同时改进损失函数来解决舰船密集分布时的漏检问题,提高网络训练效果。数据集上的实验表明,该方法平均准确率(mAP)为87.6%,比SSD算法提高了4.2个百分点,目标的漏检和误检明显减少。相比SSD算法,该算法对复杂背景下的舰船目标有较好的辨别能力和鲁棒性,抗干扰能力有所提升。
-
-
凡文俊;
赵曙光;
郭力争
-
-
摘要:
目前基于深度学习算法的目标检测技术在合成孔径雷达(SAR)图像船舶检测中取得了显著的成果,然而仍存在着小目标船舶和近岸密集排列船舶检测效果差的问题。针对上述问题,提出了基于改进RetinaNet的船舶检测算法。在传统RetinaNet算法的基础上,首先,将特征提取网络残差块中的卷积改进为分组卷积,以增加网络宽度,从而提高网络的特征提取能力;其次,在特征提取网络的后两个阶段加入注意力机制,让网络更加专注于目标区域,从而提升目标检测能力;最后,将软非极大值抑制(Soft-NMS)加入到算法中,降低算法对于近岸密集排列船舶检测的漏检率。在高分辨率SAR图像数据集(HRSID)和SAR船舶检测数据集(SSDD)上的实验结果表明,所提改进算法对于小目标船舶和近岸船舶的检测效果得到了有效提升,与当前优秀的目标检测模型FasterR-CNN、YOLOv3和CenterNet等相比,在检测精度和速度上更加优越。
-
-
王钦炜;
李璋;
江云天;
卞一杰;
赵宏;
叶熠彬
-
-
摘要:
可见光-SAR(合成孔径雷达)遥感图像的高精度匹配是视觉导航、图像融合等典型遥感应用的基础,现有匹配方法主要聚焦在非线性辐射失真(NRD)等成像差异的问题,并未充分考虑遥感图像的场景差异,导致匹配方法的场景适应性有限。为解决可见光-SAR图像匹配中成像场景广域多样、成像差异等挑战,文章提出了一种结合遥感图像场景分类的广域场景异源图像的匹配方法。该方法首先使用广域图像匹配场景分类算法按照纹理特征对遥感图像进行四个典型场景(重复纹理、非均匀纹理、弱纹理和混合类别)的分类,然后在统一的特征匹配框架中为每类场景选择合适特征描述符。将该方法在异源图像匹配数据集上与两种常用的可见光-SAR匹配方法进行比较,通过实验验证,文章的方法可以在不增加计算时间的前提下,在所有类别上取得最优的匹配结果。该方法为广域场景下的可见光-SAR遥感图像匹配提供了一种可行的解决方法。
-
-
贾晓雅;
汪洪桥;
杨亚聃;
崔忠马;
熊斌
-
-
摘要:
面向合成孔径雷达(synthetic aperture radar,SAR)多目标检测应用,提出了一种基于YOLO(you only look once)框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端,通过采用无锚框方法更好适应所检测目标的大小,便于多尺度目标使用。在此基础上,给CSPDarknet53网络增加了注意力机制作为特征提取网络,然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network,FPN)后,把特征图传给无锚框检测头,有效提升了目标类别和位置的预测精度。实验证明,所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8%,达到了94.8%,虚警率降低4.8%。
-
-
赵紫稷
-
-
摘要:
为了对舰船图像进行有效检测并及时输出合成孔径雷达(Synthetic Aperture Radar,SAR)图像的目标位置和方位角信息,文章以改进YOLOv3的任意方向为基础,构建舰船目标检测模型。文章主要分析了面向合成孔径雷达图像技术的应用现状,探索了YOLOv3模型算法的损失函数以及数据集构建情况,以掌握YOLOv3模型的改进思路,模拟分析YOLOv3模型的输入范围。经过研究可以确定,改进模型可应用于纯海洋背景下的SAR图像目标检测过程,可以满足监察目标检测的实时性需求。
-
-
雷钰;
刘帅奇;
张璐瑶;
刘彤;
赵杰
-
-
摘要:
传统的合成孔径雷达图像去噪算法在细节保存能力和运行时间上存在局限性,而深度学习方法具有独特优势。通过对国内外有关文献的归纳和总结,分析了基于深度学习的合成孔径雷达图像去噪算法的理论基础和优缺点,阐述了网络模型的具体实现细节。从监督模型和自监督模型方面对合成孔径雷达去噪算法进行分类。叙述了去噪算法的训练及测试过程,包括训练及测试数据的、训练过程中常用的损失函数和分析、模拟及具体测试数据评价指标;展望了合成孔径雷达图像散斑抑制的研究方向。
-
-
Zhang Pengpeng;
张朋朋;
Wang Shanfeng;
王善峰;
Gong Maoguo;
公茂果;
Zhang Mingyang;
张明阳;
Wu Yue;
武越
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
多时相遥感影像的变化检测是遥感应用的重要方面,已经在国民经济和国防建设领域得到广泛的应用.为了抑制SAR图像中的相干斑噪声,解决变化检测结果图中含有较多噪点的问题,提高变化检测精度,本文首先引入改进的三维块匹配去噪技术对SAR图像进行去噪处理,然后利用模糊C均值聚类将均值比差异图分割成变化类和未变化类,得到初始变化检测二值图,最后根据均值比差异图和初始变化检测二值图建立全连接条件随机场,采用最大后验概率对全连接条件随机场进行标记,得到最终的变化检测结果图.实验结果表明,改进的三维块匹配去噪算法可以有效抑制SAR图像中的相干斑噪声,使得生成的均值比差异图中变化区域和未变化区域具有更高的对比度;同时,全连接条件随机场利用了像素点周围的邻域信息,减少了初始变化检测二值图中的噪声点,进一步提高了变化检测的精度.
-
-
Zhang Pengpeng;
张朋朋;
Wang Shanfeng;
王善峰;
Gong Maoguo;
公茂果;
Zhang Mingyang;
张明阳;
Wu Yue;
武越
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
多时相遥感影像的变化检测是遥感应用的重要方面,已经在国民经济和国防建设领域得到广泛的应用.为了抑制SAR图像中的相干斑噪声,解决变化检测结果图中含有较多噪点的问题,提高变化检测精度,本文首先引入改进的三维块匹配去噪技术对SAR图像进行去噪处理,然后利用模糊C均值聚类将均值比差异图分割成变化类和未变化类,得到初始变化检测二值图,最后根据均值比差异图和初始变化检测二值图建立全连接条件随机场,采用最大后验概率对全连接条件随机场进行标记,得到最终的变化检测结果图.实验结果表明,改进的三维块匹配去噪算法可以有效抑制SAR图像中的相干斑噪声,使得生成的均值比差异图中变化区域和未变化区域具有更高的对比度;同时,全连接条件随机场利用了像素点周围的邻域信息,减少了初始变化检测二值图中的噪声点,进一步提高了变化检测的精度.
-
-
Zhang Pengpeng;
张朋朋;
Wang Shanfeng;
王善峰;
Gong Maoguo;
公茂果;
Zhang Mingyang;
张明阳;
Wu Yue;
武越
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
多时相遥感影像的变化检测是遥感应用的重要方面,已经在国民经济和国防建设领域得到广泛的应用.为了抑制SAR图像中的相干斑噪声,解决变化检测结果图中含有较多噪点的问题,提高变化检测精度,本文首先引入改进的三维块匹配去噪技术对SAR图像进行去噪处理,然后利用模糊C均值聚类将均值比差异图分割成变化类和未变化类,得到初始变化检测二值图,最后根据均值比差异图和初始变化检测二值图建立全连接条件随机场,采用最大后验概率对全连接条件随机场进行标记,得到最终的变化检测结果图.实验结果表明,改进的三维块匹配去噪算法可以有效抑制SAR图像中的相干斑噪声,使得生成的均值比差异图中变化区域和未变化区域具有更高的对比度;同时,全连接条件随机场利用了像素点周围的邻域信息,减少了初始变化检测二值图中的噪声点,进一步提高了变化检测的精度.
-
-
Zhang Pengpeng;
张朋朋;
Wang Shanfeng;
王善峰;
Gong Maoguo;
公茂果;
Zhang Mingyang;
张明阳;
Wu Yue;
武越
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
多时相遥感影像的变化检测是遥感应用的重要方面,已经在国民经济和国防建设领域得到广泛的应用.为了抑制SAR图像中的相干斑噪声,解决变化检测结果图中含有较多噪点的问题,提高变化检测精度,本文首先引入改进的三维块匹配去噪技术对SAR图像进行去噪处理,然后利用模糊C均值聚类将均值比差异图分割成变化类和未变化类,得到初始变化检测二值图,最后根据均值比差异图和初始变化检测二值图建立全连接条件随机场,采用最大后验概率对全连接条件随机场进行标记,得到最终的变化检测结果图.实验结果表明,改进的三维块匹配去噪算法可以有效抑制SAR图像中的相干斑噪声,使得生成的均值比差异图中变化区域和未变化区域具有更高的对比度;同时,全连接条件随机场利用了像素点周围的邻域信息,减少了初始变化检测二值图中的噪声点,进一步提高了变化检测的精度.
-
-
Xiangguang Leng;
冷祥光;
Kefeng Ji;
计科峰;
Shilin Zhou;
周石琳
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
方位模糊是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像中的一种固有现象,通常容易出现在平静无风的海面上.方位模糊会降低SAR图像的质量,并对舰船目标检测等SAR海上应用造成困扰.SAR图像的方位模糊是由于以有限的采样频率对多普勒频谱采样造成的.本文对方位模糊的位置、强度、形态以及相位等特点进行了总结,并按照所需数据类型的不同,将方位模糊去除方法分为基于幅度/强度数据的方法、基于单视复数(single-look complex,SLC)数据的方法以及基于全极化数据的方法,然后对这些方法进行了研究和比较.最后,针对近岸海域方位模糊严重且较难去除的问题,本文展示了作者提出的一种基于多时相SAR数据的去除方法,实验结果表明其可以有效去除近岸海域方位模糊.随着SAR海洋监视应用的进一步发展,本文研究将对其它研究者具有积极的作用.
-
-
Xiangguang Leng;
冷祥光;
Kefeng Ji;
计科峰;
Shilin Zhou;
周石琳
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
方位模糊是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像中的一种固有现象,通常容易出现在平静无风的海面上.方位模糊会降低SAR图像的质量,并对舰船目标检测等SAR海上应用造成困扰.SAR图像的方位模糊是由于以有限的采样频率对多普勒频谱采样造成的.本文对方位模糊的位置、强度、形态以及相位等特点进行了总结,并按照所需数据类型的不同,将方位模糊去除方法分为基于幅度/强度数据的方法、基于单视复数(single-look complex,SLC)数据的方法以及基于全极化数据的方法,然后对这些方法进行了研究和比较.最后,针对近岸海域方位模糊严重且较难去除的问题,本文展示了作者提出的一种基于多时相SAR数据的去除方法,实验结果表明其可以有效去除近岸海域方位模糊.随着SAR海洋监视应用的进一步发展,本文研究将对其它研究者具有积极的作用.
-
-
Xiangguang Leng;
冷祥光;
Kefeng Ji;
计科峰;
Shilin Zhou;
周石琳
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
方位模糊是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像中的一种固有现象,通常容易出现在平静无风的海面上.方位模糊会降低SAR图像的质量,并对舰船目标检测等SAR海上应用造成困扰.SAR图像的方位模糊是由于以有限的采样频率对多普勒频谱采样造成的.本文对方位模糊的位置、强度、形态以及相位等特点进行了总结,并按照所需数据类型的不同,将方位模糊去除方法分为基于幅度/强度数据的方法、基于单视复数(single-look complex,SLC)数据的方法以及基于全极化数据的方法,然后对这些方法进行了研究和比较.最后,针对近岸海域方位模糊严重且较难去除的问题,本文展示了作者提出的一种基于多时相SAR数据的去除方法,实验结果表明其可以有效去除近岸海域方位模糊.随着SAR海洋监视应用的进一步发展,本文研究将对其它研究者具有积极的作用.
-
-
Xiangguang Leng;
冷祥光;
Kefeng Ji;
计科峰;
Shilin Zhou;
周石琳
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
方位模糊是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像中的一种固有现象,通常容易出现在平静无风的海面上.方位模糊会降低SAR图像的质量,并对舰船目标检测等SAR海上应用造成困扰.SAR图像的方位模糊是由于以有限的采样频率对多普勒频谱采样造成的.本文对方位模糊的位置、强度、形态以及相位等特点进行了总结,并按照所需数据类型的不同,将方位模糊去除方法分为基于幅度/强度数据的方法、基于单视复数(single-look complex,SLC)数据的方法以及基于全极化数据的方法,然后对这些方法进行了研究和比较.最后,针对近岸海域方位模糊严重且较难去除的问题,本文展示了作者提出的一种基于多时相SAR数据的去除方法,实验结果表明其可以有效去除近岸海域方位模糊.随着SAR海洋监视应用的进一步发展,本文研究将对其它研究者具有积极的作用.
-
-
Yue Zhang;
张跃;
Xian Sun;
孙显;
Guangluan Xu;
许光銮;
Kun Fu;
付琨
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
合成孔径雷达(SAR)图像已广泛应用于舰船监视.近年来,深度学习方法开始逐渐应用于SAR图像舰船检测任务中,然而该类方法在处理尺寸较小的舰船时会产生较多漏警,并且对于包括水面和近岸的多场景SAR图像,它不能有效区分近岸复杂背景和舰船,从而产生大量虚警.本文提出了一种稠密连接端到端的多尺度神经网络,以解决SAR图像舰船检测的目标尺寸不一和多场景问题.在生成候选目标时,该方法不再使用一个单一的特征图,而是自顶向下将每一个特征图密集地连接起来,从每个融合后的特征图中生成候选目标.此外,本文提出了一种自适应分配样本权重的训练策略,以减少容易样本在损失函数中的权重,从而使训练过程更关注难例,以便减少虚警.公开数据集SSDD上的实验结果验证了该方法在多尺度、多场景SAR舰船检测中的优越性.
-
-
Yue Zhang;
张跃;
Xian Sun;
孙显;
Guangluan Xu;
许光銮;
Kun Fu;
付琨
- 《第五届高分辨率对地观测学术年会》
| 2018年
-
摘要:
合成孔径雷达(SAR)图像已广泛应用于舰船监视.近年来,深度学习方法开始逐渐应用于SAR图像舰船检测任务中,然而该类方法在处理尺寸较小的舰船时会产生较多漏警,并且对于包括水面和近岸的多场景SAR图像,它不能有效区分近岸复杂背景和舰船,从而产生大量虚警.本文提出了一种稠密连接端到端的多尺度神经网络,以解决SAR图像舰船检测的目标尺寸不一和多场景问题.在生成候选目标时,该方法不再使用一个单一的特征图,而是自顶向下将每一个特征图密集地连接起来,从每个融合后的特征图中生成候选目标.此外,本文提出了一种自适应分配样本权重的训练策略,以减少容易样本在损失函数中的权重,从而使训练过程更关注难例,以便减少虚警.公开数据集SSDD上的实验结果验证了该方法在多尺度、多场景SAR舰船检测中的优越性.