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
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
收藏
页码:34 / 54
页数:21
相关论文
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].
李健伟 ;
曲长文 ;
彭书娟 ;
邓兵 .
系统工程与电子技术, 2018, 40 (09) :1953-1959
[9]   基于单极化SAR图像的舰船目标检测与分类方法 [J].
王兆成 ;
李璐 ;
杜兰 ;
徐丰 .
科技导报, 2017, 35 (20) :86-93
[10]   基于卷积神经网络的高分辨率SAR图像飞机目标检测方法 [J].
王思雨 ;
高鑫 ;
孙皓 ;
郑歆慰 ;
孙显 .
雷达学报, 2017, (02) :195-203