基于无训练单样本有效特征的SAR目标检测

曾丽娜 周德云 李枭扬 张堃

曾丽娜, 周德云, 李枭扬, 张堃. 基于无训练单样本有效特征的SAR目标检测[J]. 雷达学报, 2017, 6(2): 177-185. doi: 10.12000/JR16114
引用本文: 曾丽娜, 周德云, 李枭扬, 张堃. 基于无训练单样本有效特征的SAR目标检测[J]. 雷达学报, 2017, 6(2): 177-185. doi: 10.12000/JR16114
Zeng Lina, Zhou Deyun, Li Xiaoyang, Zhang Kun. Novel SAR Target Detection Algorithm Using Free Training[J]. Journal of Radars, 2017, 6(2): 177-185. doi: 10.12000/JR16114
Citation: Zeng Lina, Zhou Deyun, Li Xiaoyang, Zhang Kun. Novel SAR Target Detection Algorithm Using Free Training[J]. Journal of Radars, 2017, 6(2): 177-185. doi: 10.12000/JR16114

基于无训练单样本有效特征的SAR目标检测

doi: 10.12000/JR16114
基金项目: 

国家自然科学基金 61401363

详细信息
    作者简介:

    曾丽娜 (1982–), 河北昌黎人, 女, 西北工业大学博士研究生, 研究方向为SAR图像特征分析、SAR目标检测、SAR图像配准。E-mail:zenglina@mail.nwpu.edu.cn

    周德云 (1964–), 浙江义乌人, 男, 教授, 博士生导师, 西北工业大学电子信息学院院长, 中国航空学会航空武器系统专业分会委员兼秘书长, 研究方向为航空火力与指挥控制、先进综合控制理论及应用。E-mail:dyzhou@nwpu.edu.cn

    李枭扬 (1989–), 陕西西安人, 男, 西北工业大学博士研究生, 研究方向为指挥控制、SAR图像检测。E-mail:winnerlxylee@126.com

    张堃 (1982–), 陕西西安人, 男, 西北工业大学博士, 副教授, 中国航空学会航空武器系统分会干事, 研究方向为威胁评估、任务规划、图像处理。E-mail:kunzhang@nwpu.edu.cn

    通讯作者:

    曾丽娜, E-mail:zenglina@mail.nwpu.edu.cn

  • 中图分类号: TN959

Novel SAR Target Detection Algorithm Using Free Training

Funds: 

The National Natural Science Foundation of China 61401363

  • 摘要: 该文提出了一种基于单样本特征提取的SAR感兴趣目标检测方法,充分利用选取的单个目标样本的有效特征实现SAR图像中同类目标的检测。该方法首先检测SAR图像中的潜在感兴趣目标,然后分别提取目标样本和潜在目标中的面积特征和纹理描述特征,并通过不同的匹配方式逐步剔除潜在兴趣目标中的虚假目标。文中提出的纹理描述通过提取具有一定旋转不变性的区域特征描述的方式来适应目标的不同方位,并对SAR噪声和形变具有一定的抑制作用。与多种特征描述方式的对比测试表明了该文提出方法的可行性和有效性。

     

  • 图  1  SAR目标检测系统原理图

    Figure  1.  The theory of the SAR target detection system

    图  2  SURF特征点描述

    Figure  2.  The SURF descriptor of each keypoint

    图  3  PSURF描述符建立

    Figure  3.  The construction of PSURF descriptor

    图  4  图像坐标变换

    Figure  4.  The transformation of coordinates of the SAR image

    图  5  图像的Haar响应

    Figure  5.  The Haar respondence of the image

    图  6  目标检测过程

    Figure  6.  The process of target detection

    图  7  本文方法与CFAR检测对比结果

    Figure  7.  The experiment results comparing the proposed method with CFAR detector

    图  8  几种对比特征的检测结果

    Figure  8.  The detection results by different feature descriptors

    图  9  包含装甲车的SAR图像

    Figure  9.  The SAR image with armored cars

    图  10  不同特征描述符的装甲车检测结果

    Figure  10.  The armored car detection results by different descriptors

    图  11  包含飞机目标的双基SAR图像

    Figure  11.  The bistatic SAR image with airplanes

    图  12  不同特征描述符的飞机检测结果

    Figure  12.  The airplane detection results by different descriptors

    表  1  不同特征提取方法的检测结果

    Table  1.   The detection results by different feature extraction methods

    特征提取 虚警率 检测率 目标与非目标分离度
    SURF+upright 0.22 0.54 ■○○○○○○■○○○○○○■■■○■
    SURF 0.22 0.54 ■○○○○○○■○○○○○○■■■○■
    SIFT 0.22 0.54 ■○○○○○■○○○○○○○■■■○■
    DAISY 0.20 0.62 ■○○○○○○■○○○○○○■○■■■
    PSURF 0 0.92 ○○○○○○○○○○○○■■■■○■■
    注:○表示目标;■表示非目标
    下载: 导出CSV

    表  2  不同特征提取方法的装甲车检测结果

    Table  2.   The armored car detection results by different feature extraction methods

    特征提取 虚警率 检测率
    SURF 0.27 0.76
    SIFT 0.26 0.80
    DAISY 0.27 0.76
    PSURF 0.23 0.88
    下载: 导出CSV

    表  3  不同特征提取方法的飞机检测结果

    Table  3.   The airplane detection results by different feature extraction methods

    特征提取 虚警率 检测率
    SURF 0 0.750
    SIFT 0 0.875
    DAISY 0 0.875
    PSURF 0 1.000
    下载: 导出CSV
  • [1] Liu Shuo and Cao Zong-jie. SAR image target detection in complex environments based on improved visual attention algorithm[J]. EURASIP Journal on Wireless Communications and Networking, 2014, 2014(1): 2–8. doi: 10.1186/1687-1499-2014-2
    [2] Cui S, Dumitru C, and Datcu M. Ratio-detector-based feature extraction for very high resolution SAR image patch indexing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 10(5): 1175–1179. doi: 10.1109/LGRS.2012.2235406
    [3] Kreithen D, Halversen S, and Owirka G. Discriminating targets from clutter[J]. The Lincoln Laboratory Journal, 1993, 6(1): 25–52.
    [4] Kaplan L M. Improved SAR target detection via extended fractal features[J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(2): 436–451. doi: 10.1109/7.937460
    [5] Rohling H. Radar CFAR thresholding in clutter and multiple target situations[J]. IEEE Transactions on Aerospace and Electronic Systems, 1983, 19(4): 608–621.
    [6] Rickard J T and Dillard G M. Adaptive detection algorithms for multiple target Situations[J]. IEEE Transactions on Aerospace and Electronic Systems, 1977, 13(4): 338–343.
    [7] Smith M E and Varshney P K. Intelligent CFAR processor based on data variability[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(3): 837–847. doi: 10.1109/7.869503
    [8] Farrouki A and Barkat M. Automatic censoring CFAR detector based on ordered data variability for nonhomogeneous environments[J]. IET Proceedings-Radar, Sonar and Navigation, 2005, 152(1): 43–51. doi: 10.1049/ip-rsn:20045006
    [9] 周德云, 曾丽娜, 张堃.基于多尺度SIFT特征的SAR目标检测[J].西北工业大学学报, 2015, 33(5): 867–873. http://www.cnki.com.cn/Article/CJFDTOTAL-XBGD201505034.htm

    Zhou De-yun, Zeng Li-na, and Zhang Kun. A Novel SAR target detection algorithm via multi-scale SIFT features[J].Journal of Northwestern Polytechnical University, 2015, 33(5): 867–873. http://www.cnki.com.cn/Article/CJFDTOTAL-XBGD201505034.htm
    [10] Zhang Qiang, Wu Yan, Wang Fan, et al.. Anisotropic-scalespace-based salient-region detection for SAR images[J]. IEEE Geoscience Remote Sensing Letter, 2016, 13(3): 457–461.
    [11] Bhattacharya J, Sanyal G, and Majumder S. A Robust biometric image texture descripting approach[J]. International Journal of Computer Applications, 2012, 53(3): 30–36. doi: 10.5120/8403-2466
    [12] 曾丽娜, 周德云, 邢孟道, 等.一种多特征联合的地面SAR目标分层检测方法[J].西安电子科技大学学报 (自然科学版), 2016, 43(2): 89–94. http://www.cnki.com.cn/Article/CJFDTOTAL-XDKD201602017.htm

    Zeng Li-na, Zhou De-yun, Xing Mengdao, et al.. Novel SAR target detection algorithm via multiple features[J]. Journal of Xidian University, 2016, 43(2): 89–94. http://www.cnki.com.cn/Article/CJFDTOTAL-XDKD201602017.htm
    [13] Liu Shuai-qi, Hu Shao-hai, Xiao Yang, et al.. SAR image edge detection using sparse representation and LS-SVM[J]. Journal of Information & Computational Science, 2014, 11(11): 3941–3947. http://manu35.magtech.com.cn/Jwk_ics/CN/abstract/abstract2476.shtml
    [14] Uhlmann S and Kiranyaz S. Integrating color features in polarimetric SAR image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(4): 2197–2216. doi: 10.1109/TGRS.2013.2258675
    [15] Srinivas U, Monga V, and Raj R G. SAR automatic target recognition using discriminative graphical models[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(1): 591–606. doi: 10.1109/TAES.2013.120340
    [16] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91–110. doi: 10.1023/B:VISI.0000029664.99615.94
    [17] Bay H, Ess A, Tuytelaars T, et al.. Speeded-Up Robust Features (SURF)[J]. Computer Vision and Image Understanding, 2008, 110(3): 346–359. doi: 10.1016/j.cviu.2007.09.014
    [18] Tola E, Lepetit V, and Fua P. DAISY: An efficient dense descriptor applied to wide-baseline stereo[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2009, 32(5): 815–830.
  • 加载中
图(12) / 表(3)
计量
  • 文章访问数:  2393
  • HTML全文浏览量:  598
  • PDF下载量:  1118
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-10-12
  • 修回日期:  2016-11-29
  • 网络出版日期:  2017-04-28

目录

    /

    返回文章
    返回