為了解決利用相關(guān)參數(shù)進(jìn)行極化合成孔徑雷達(dá)目標(biāo)檢測(cè)時(shí)無法很好地去除強(qiáng)地物雜波和建筑物等強(qiáng)反射物的問題,引入了Span來描述目標(biāo)的后向散射總功率。首先提取極化特征參數(shù),然后使用相關(guān)系數(shù)分類器來產(chǎn)生潛在目標(biāo),最后用Span來進(jìn)行距離鑒別。實(shí)驗(yàn)結(jié)果表明,本文所用的方法可以有效排除上述干擾,實(shí)現(xiàn)了復(fù)雜地面車輛目標(biāo)的檢測(cè)任務(wù)。此外,通過全面對(duì)比相關(guān)系數(shù)在極化合成孔徑雷達(dá)目標(biāo)檢測(cè)中的應(yīng)用,發(fā)現(xiàn)相似性參數(shù)相比于其他極化SAR特征參數(shù)更有效。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1極化白化濾波和OS-CFAR檢測(cè)流程

為了將CFAR檢測(cè)用于極化SAR數(shù)據(jù),需要進(jìn)行多通道信息融合,為此可以選用PWF處理極化數(shù)據(jù)。為了適應(yīng)地面的多目標(biāo)情景,可以選用OS-CFAR對(duì)處理好的數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè),檢測(cè)流程如圖1所示。具體步驟如下:

圖2極化特征參數(shù)和相關(guān)系數(shù)的檢測(cè)流程

在提取極化特征參數(shù)后,可以用相關(guān)系數(shù)實(shí)現(xiàn)車輛目標(biāo)檢測(cè),具體流程如圖2所示。1)步驟1:從輸入的極化SAR數(shù)據(jù)中提取有效的極化特征參數(shù),并在全圖設(shè)置滑動(dòng)窗口得到測(cè)試集;之后計(jì)算訓(xùn)練集正類和測(cè)試集之間的相關(guān)系數(shù)。為了提高算法的計(jì)算速度,可以通過設(shè)置高閾值把與正類非常相似的測(cè)試集候選....

圖3相關(guān)系數(shù)和Span的檢測(cè)流程

為了更進(jìn)一步考慮目標(biāo)的后向散射能量信息,可以將相關(guān)系數(shù)和Span結(jié)合起來,這樣就可以既考慮高分辨率圖像目標(biāo)的空間結(jié)構(gòu)信息,又結(jié)合極化SAR數(shù)據(jù)的后向散射能量信息。具體流程如圖3所示。1)步驟1:取測(cè)試集。通過在全圖設(shè)置滑動(dòng)窗口的方法得到測(cè)試集。

圖4全極化Pauli分解圖

實(shí)驗(yàn)所用的數(shù)據(jù)是來自機(jī)載極化SAR系統(tǒng)。成像區(qū)域是中國喀什地區(qū),分辨率為0.2m×0.2m,數(shù)據(jù)的格式是單視復(fù)數(shù)據(jù)。在圖像中選取25張包含車輛目標(biāo)的圖像作為正樣本,對(duì)正類樣本進(jìn)行平移來獲得擴(kuò)展數(shù)據(jù)集。隨后,在圖像中選擇234張不包含車輛的背景圖像作為負(fù)樣本。這樣就獲得了225....

本文編號(hào)：3891798