隨著合成孔徑雷達(dá)的出現(xiàn),使得利用合成孔徑雷達(dá)圖像實(shí)現(xiàn)海洋目標(biāo)檢測(cè),成為海洋遙感領(lǐng)域的研究重點(diǎn)。由于合成孔徑雷達(dá)遙感圖像中存在大量的背景像素,為從圖像中對(duì)目標(biāo)信息進(jìn)行有效提取,需要借助頂帽運(yùn)算提高圖像的信雜比,并利用恒虛警率算法實(shí)現(xiàn)目標(biāo)快速檢測(cè)。鑒于此,文章從利用頂帽運(yùn)算增強(qiáng)遙感圖像的信雜比分析入手,對(duì)基于頂帽運(yùn)算的遙感圖像恒虛警率艦船目標(biāo)檢測(cè)算法進(jìn)行論述。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(06)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

結(jié)構(gòu)元素g值變化曲線Fig.1Structuralelementgvaluecurve

）從SAR艦船目標(biāo)檢測(cè)的總體情況上看，當(dāng)海雜波分布模型為已知時(shí)，通過恒虛警率能夠?qū)δ繕?biāo)進(jìn)行快速檢測(cè)。然而，在實(shí)際中，想要對(duì)海雜波的分布模型進(jìn)行確定具有一定的難度，特別是在不同的海況下，很難得到一個(gè)標(biāo)準(zhǔn)的海雜波分布模型。為了解決這一問題，可對(duì)SAR圖像中目標(biāo)像素的數(shù)量比雜波少的特點(diǎn)加以利用，以直方圖作為基礎(chǔ)，通過擬合的方法，引入最小均方誤差準(zhǔn)則，對(duì)海雜波的分布情況進(jìn)行確定，從而完成模型的構(gòu)建，為恒虛警率的應(yīng)用提圖1結(jié)構(gòu)元素g值變化曲線Fig.1Structuralelementgvaluecurve圖2CFAR識(shí)別率Fig.2CFARrecognitionrate·68·艦船科學(xué)技術(shù)第42卷

海雜波的分布情況Fig.3Distributionofseaclutter

【參考文獻(xiàn)】：
期刊論文
[1]聯(lián)合深度學(xué)習(xí)和條件隨機(jī)場的遙感影像云檢測(cè)[J]. 么嘉棋,陳繼溢,陳赟,劉超鎮(zhèn),李國元.  測(cè)繪科學(xué). 2019(12)
[2]一種基于深層次多尺度特征融合CNN的SAR圖像艦船目標(biāo)檢測(cè)算法[J]. 楊龍,蘇娟,黃華,李響.  光學(xué)學(xué)報(bào). 2020(02)
[3]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的大場景遙感圖像艦船目標(biāo)快速檢測(cè)方法[J]. 陳慧元,劉澤宇,郭煒煒,張?jiān)鲚x,郁文賢.  雷達(dá)學(xué)報(bào). 2019(03)
[4]面向深度學(xué)習(xí)的遙感圖像目標(biāo)樣本生成方法[J]. 王敏,陳金勇,王港,高峰,孫康,許妙忠.  國外電子測(cè)量技術(shù). 2019(04)

碩士論文
[1]基于深度學(xué)習(xí)的光學(xué)遙感影像海上艦船目標(biāo)檢測(cè)研究[D]. 王浩君.杭州師范大學(xué) 2019



本文編號(hào)：3556937