SAR作為一種主動(dòng)式微波成像傳感器,以其全天時(shí)、全天候、作用距離遠(yuǎn)等獨(dú)特的技術(shù)優(yōu)勢(shì),成為當(dāng)前對(duì)地觀測(cè)的主要手段之一,在軍事和民用領(lǐng)域發(fā)揮著十分重要的作用。隨著SAR遙感技術(shù)的發(fā)展,高分辨率、高質(zhì)量的SAR圖像不斷產(chǎn)生,僅依靠人工手段對(duì)感興趣的目標(biāo)進(jìn)行檢測(cè)、識(shí)別費(fèi)時(shí)費(fèi)力,因此亟需發(fā)展SAR自動(dòng)目標(biāo)識(shí)別（ATR）技術(shù)。典型的SAR ATR系統(tǒng)主要包括檢測(cè)、鑒別、分類/識(shí)別3個(gè)階段,其中,檢測(cè)和鑒別階段是整個(gè)SAR ATR系統(tǒng)的基礎(chǔ),是國(guó)內(nèi)外雷達(dá)界一直開展的SAR應(yīng)用基礎(chǔ)研究之一。針對(duì)單通道SAR圖像,簡(jiǎn)單場(chǎng)景下目標(biāo)檢測(cè)與鑒別已經(jīng)取得了不錯(cuò)的結(jié)果;而在復(fù)雜場(chǎng)景下,雜波散射強(qiáng)度相對(duì)高、雜波背景非均勻和目標(biāo)散射強(qiáng)度相對(duì)弱、分布密集等情況,使得SAR目標(biāo)檢測(cè)和鑒別依然是一個(gè)難點(diǎn)。該文對(duì)近十年左右復(fù)雜場(chǎng)景下單通道SAR目標(biāo)檢測(cè)及鑒別方法的研究進(jìn)展進(jìn)行了歸納總結(jié),并分析了各類方法的特點(diǎn)及存在的問題,展望了未來復(fù)雜場(chǎng)景下單通道SAR目標(biāo)檢測(cè)與鑒別方法的發(fā)展趨勢(shì)。 

【文章來源】：雷達(dá)學(xué)報(bào). 2020,9(01)北大核心CSCD

【文章頁(yè)數(shù)】：21 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于半監(jiān)督學(xué)習(xí)的SAR目標(biāo)檢測(cè)網(wǎng)絡(luò)[J]. 杜蘭,魏迪,李璐,郭昱辰.  電子與信息學(xué)報(bào). 2020(01)
[2]AIR-SARShip-1.0：高分辨率SAR艦船檢測(cè)數(shù)據(jù)集[J]. 孫顯,王智睿,孫元睿,刁文輝,張躍,付琨.  雷達(dá)學(xué)報(bào). 2019(06)
[3]多模式遙感智能信息與目標(biāo)識(shí)別：微波視覺的物理智能[J]. 金亞秋.  雷達(dá)學(xué)報(bào). 2019(06)
[4]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的大場(chǎng)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)
[5]基于生成對(duì)抗網(wǎng)絡(luò)和線上難例挖掘的SAR圖像艦船目標(biāo)檢測(cè)[J]. 李健偉,曲長(zhǎng)文,彭書娟,江源.  電子與信息學(xué)報(bào). 2019(01)
[6]A coupled convolutional neural network for small and densely clustered ship detection in SAR images[J]. Juanping ZHAO,Weiwei GUO,Zenghui ZHANG,Wenxian YU.  Science China（Information Sciences）. 2019(04)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像艦船目標(biāo)檢測(cè)[J]. 李健偉,曲長(zhǎng)文,彭書娟,鄧兵.  系統(tǒng)工程與電子技術(shù). 2018(09)
[8]基于單極化SAR圖像的艦船目標(biāo)檢測(cè)與分類方法[J]. 王兆成,李璐,杜蘭,徐豐.  科技導(dǎo)報(bào). 2017(20)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率SAR圖像飛機(jī)目標(biāo)檢測(cè)方法[J]. 王思雨,高鑫,孫皓,鄭歆慰,孫顯.  雷達(dá)學(xué)報(bào). 2017(02)
[10]深度學(xué)習(xí)在SAR目標(biāo)識(shí)別與地物分類中的應(yīng)用[J]. 徐豐,王海鵬,金亞秋.  雷達(dá)學(xué)報(bào). 2017(02)

博士論文
[1]復(fù)雜場(chǎng)景下SAR圖像目標(biāo)檢測(cè)及鑒別方法研究[D]. 王兆成.西安電子科技大學(xué) 2018
[2]SAR圖像目標(biāo)ROI自動(dòng)獲取技術(shù)研究[D]. 高貴.國(guó)防科學(xué)技術(shù)大學(xué) 2007

碩士論文
[1]基于復(fù)雜場(chǎng)景SAR圖像的多目標(biāo)智能檢測(cè)算法研究[D]. 聶春霞.南京航空航天大學(xué) 2017
[2]背景干擾情況下高分SAR圖像車輛目標(biāo)檢測(cè)方法研究[D]. 代夢(mèng).上海交通大學(xué) 2017
[3]復(fù)雜場(chǎng)景下的SAR目標(biāo)檢測(cè)[D]. 余文毅.西安電子科技大學(xué) 2015
[4]特征變換方法及其在SAR目標(biāo)鑒別上的應(yīng)用[D]. 王斐.西安電子科技大學(xué) 2014
[5]SAR目標(biāo)鑒別算法研究[D]. 徐恒.西安電子科技大學(xué) 2012



本文編號(hào)：3226908