复杂场景下单通道SAR目标检测及鉴别研究进展综述

被引：44

作者：

杜兰 ^{[1
]}

王兆成 ^{[2
]}

王燕 ^{[1
]}

魏迪 ^{[1
]}

李璐 ^{[1
]}

机构：

[1] 西安电子科技大学雷达信号处理国家重点实验室

[2] 河北工业大学电子信息工程学院

来源：

雷达学报 | 2020年 / 9卷 / 01期

关键词：

合成孔径雷达; 复杂场景; 目标检测; 目标鉴别;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。

引用

页码：34 / 54

页数：21

共 34 条

[1]

雷达目标检测与恒虚警处理.[M].何友; 等著.清华大学出版社.2011,

[2] 基于半监督学习的SAR目标检测网络 [J].

杜兰 ;

魏迪 ;

李璐 ;

郭昱辰 .

电子与信息学报, 2020, 42 (01) :154-163

[3] AIR-SARShip-1.0：高分辨率SAR舰船检测数据集 [J].

孙显 ;

王智睿 ;

孙元睿 ;

刁文辉 ;

张跃 ;

付琨 .

雷达学报, 2019, 8 (06) :852-862

[4] 多模式遥感智能信息与目标识别：微波视觉的物理智能 [J].

金亚秋 .

雷达学报, 2019, 8 (06) :710-716

[5] 基于级联卷积神经网络的大场景遥感图像舰船目标快速检测方法 [J].

陈慧元 ;

刘泽宇 ;

郭炜炜 ;

张增辉 ;

郁文贤 .

雷达学报, 2019, (03) :413-424

[6] 基于生成对抗网络和线上难例挖掘的SAR图像舰船目标检测 [J].

李健伟 ;

曲长文 ;

彭书娟 ;

江源 .

电子与信息学报, 2019, 41 (01) :143-149

[7]

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

[8] 基于卷积神经网络的SAR图像舰船目标检测 [J].