APP下载

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

2021-04-06李睿安王旭东张劲东朱岱寅

电子与信息学报 2021年3期
关键词:特征检测

闫 贺 黄 佳 李睿安 王旭东 张劲东 朱岱寅

(南京航空航天大学电子信息工程学院 南京 210000)

1 引言

视频合成孔径雷达(Video Synthetic Aperture Radar, ViSAR)具备高帧率分辨率的成像能力[1],可在云层、沙尘、烟雾等恶劣作战环境下,实现对地面运动目标全天时全天候的持续观测,并获取目标的运动参数等重要信息[2]。因此,视频SAR一经提出就成为研究热点。美国桑迪亚实验室利用重叠模式下的回波信息,实现了Ku频段视频SAR的实时高分辨率成像[3]。美国国防部高级研究计划局也已经研制出了235 GHz的视频SAR成像系统。此外,美国喷气推进实验室、德国Fraunhofer研究所等研究机构,近年也研制出了不同频率、不同体制的太赫兹雷达成像系统[2]。目前,国内视频SAR系统的研制与国外仍具有较大差距。

由于视频SAR一般工作于太赫兹波段,运动目标极易产生多普勒频移,从而在目标真实位置处留下阴影[4]。国内外学者对视频SAR中出现的阴影现象,提出了很多处理方法。文献[5]利用Hough变换,检测在SAR图像中呈现条纹形状的运动目标阴影。文献[6]通过对序列图像进行背景补偿,利用混合高斯背景模型提取运动目标阴影。文献[7]将相干变换检测方法拓展到视频SAR中,通过实测数据验证了此方法在处理视频SAR数据上的优势。上述研究方法大多是建立在视频SAR帧间图像高度配准情况下的,如果未得到有效配准,则会带来较多的虚警。文献[8]借助美国桑迪亚实验室获取的对地视频SAR数据,采用了深度神经网络对运动目标阴影进行检测,并结合滑动密度聚类算法和双向长短期记忆网络减少漏警,取得了较好的效果。……

登录APP查看全文

猜你喜欢

特征检测
新型冠状病毒及其流行病学特征认识
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
线性代数的应用特征