第２９卷第９期 ２０１３年９月 信 号 处 理
ＪＯＵＲＮＡＬ ＯＦ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ Ｖ０ｌＩ ２９ Ｎｏ．９
Ｓｅｐ．２０１３
复杂场景下的极化ＳＡＲ图像机场跑道检测
韩萍徐建飒
（中国民航大学智能信号与图像处理天津市重点实验室，天津３００３００）
摘要：提出一种基于极化分解分类与结构特征相结合的复杂场景全极化ＳＡＲ图像机场跑道检测方法。首先利
用先验信息粗选图像中各类样本目标进行Ｈ／ａ分解提取图像中各类训练样本，然后根据极化ＳＡＲ图像的统计特
性，利用贝叶斯分类器对图像进行分类，提取图像中机场跑道疑似区域，再结合机场跑道的五种结构特征用二
叉树法进行判别，最终确定机场跑道区域。利用美国ＵＡＶＳＡＲ系统采集的多组全极化实测数据对算法进行实验，
结果表明，该算法能够有效地检测出跑道，且检测的跑道结构完整，轮廓清晰，虚警率低。
关键词：极化合成孔径雷达；跑道检测；Ｈ／ａ分解；图像分类；二叉树
中图分类号：ＴＰ７５３ 文献标识码：Ａ 文章编号：１００３—０５３０（２０１３）０９—１２２０—０７
Ｒｕｎｗａｙｓ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｃｏｍｐｌｅｘ Ｓｃｅｎｅｓ ｏｆ Ｐｏｌａｒｉｍｅｔｒｉｃ Ｓｙｎｔｈｅｔｉｃ
Ａｐｅｒｔｕｒｅ Ｒａｄａｒ Ｉｍａｇｅ
ＨＡＮ Ｐｉｎｇ ＸＵ Ｊｉａｎ－ｓａ
（Ｔｉａｎｊｉｎ Ｋｅｙ Ｌａｂ ｆｏｒ Ａｄｖａｎｃｅｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ＣＡＵＣ，Ｔｉａｎｊｉｎ ３００３００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｏｆ ｒｕｎｗａｙｓ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｐｏｌａｒｉｍｅｔｒｉｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ｓｔｒｕｃｔｕｒａｌ ｃｈａｒ－
ａｃｔｅｒｉｓｔｉｃｓ ｉｎ ｃｏｍｐｌｅｘ ｓｃｅｎｅｓ ｏｆ ｆｕｌｌｙ ｐｏｌａｒｉｍｅｔｒｉｃ ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ｒａｄａｒ ｉｍａｇｅ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｒａｉｎｉｎｇ ｓａｍｐｌｅｓ ａｒｅ
第２２卷 ２Ｏ０７经 第６期 １２月 山东建筑大学学报 ＯＵＲＮＡＬ ０Ｆ ＳＨＡＮＤＯＮＧ ＪＩＡＮＺⅫＵ ＵＮⅣＥＲＳⅡＹ Ｖｏ１．２２ Ｎｏ．６ Ｄｅｃ．２００ｒ７
文章编号：１６７３—７６４４（２（Ｄ７）０６—０５５７—０４
一种复杂场景下位置改变运动目标的检测方法
乔彩风 ，宋世军 ，何忠 ，曾庆贵
（１．山东建筑大学机电工程学院，山东济南２５０１０１；２．广东伟雄集团，广东顺德５２８３００）
摘要：针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开，本文提出了一种
三帧差分法的改进方案，该方案首先利用三帧差分法检测出场景中所有运动的物体，然后利用背景辅助识别的方法
将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。
关键词：目标检测；图像分割；三帧差分；视频监控
中图分类号．．ＴＰ２ 文献标识码：Ａ
Ａ ｍｅｔｈｏｄ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ ｉｎ ｃｏｍｐｌｉｃａｔｅｄ ｆｉｘｅｄ ｂａｃｋｇｒｏｕｎｄ
ＱＩＡＯ Ｃａｉ。ｆｅｎｇ ，ＳＯＮＧ Ｓｈｉ。ｊｕｎ ，眦Ｚｈｏｎｇ２，ｅｔ ａ１．
（１．Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ＆Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｄｏｎｇ Ｊｉａｎｚｈｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ ２５０１０１，Ｃｈｉｎａ；２．Ｇｕａｎｇｄｏｎｇ Ｗｅｉｘｉｏｎｇ
Ｇｒｏｕｐ，Ｓｈｕｎ＆５２８３００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｎｏｒｍａｌｌｙ ｕｓｅｄ ｍｅｔｈｏｄ，ｔｈｒｅｅ－ｆｒａｍｅ ｄｉｆｅｒｅｎｃｅ，ｃａｎ ｎｏｔ ｆｕｎｃｔｉｏｎ ｐｍｐｅｄｙ ｉｎ ｄｅｔｅｃｔｉｎｇ ｍｏｖｉｎｇ ｏｂ－
ｊｅｃｔｓ ｆｒｏｍ ａ ｃｏｍｐｌｉｃａｔｅｄ ｆⅨｅｄ ｂａｃｋｇｒｏｕｎｄ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａｎ ｉｍｐｒｏｖｏｄ ｓｃｈｅｍｅ ｏｎ ｔｈｅ ｔｈｒｅｅ ｆｒａｍｅ ｄｉｆｅｒ—
基于深度学习的SAR图像目标检测算法加速研究
摘要：合成孔径雷达（SAR）成像技术具有在夜间、云层密布和浓雾环境中进行监测识别的能力，因此被广泛应用于海洋、林业、城市规划等领域。SAR图像目标检测是SAR应用中的核心问题之一。传统SAR图像目标检测算法的性能受到许多因素的影响，如噪声、背景复杂度和目标尺寸变化等因素。为了提高SAR图像目标检测算法的性能和速度，本文提出了一种基于深度学习的SAR图像目标检测算法。该算法利用卷积神经网络（CNN）进行特征提取和目标检测，通过优化网络结构和设计合适的损失函数，提高了算法的检测精度和鲁棒性。此外，本文还研究了一些加速算法技术，如基于GPU的并行计算、计算复杂度优化和中间结果缓存等，加速了深度学习的实现过程。实验结果表明，该算法具有较高的准确性和检测速度，可有效应用于SAR图像的实际应用场景中。
关键词：SAR图像；目标检测；深度学习；卷积神经网络；加速算法
1. 引言
合成孔径雷达（SAR）是一种基于微波辐射的无人机遥感技术，具有在夜间、云层密布和浓雾环境中进行目标检测的能力。在海洋、林业、城市规划等领域中得到广泛应用。SAR图像目标检测是SAR应用中的核心问题之一。传统的SAR图像目标检测方法是基于特征提取和分类器的组合，这种算法的性能受到许多因素的影响，如噪声、背景复杂度和目标尺寸变化等。
深度学习是近年来发展迅速的一种机器学习方法，可以自动提取数据中的特征并进行分类。深度学习在计算机视觉领域中取得了很大的进展。深度学习算法可以通过卷积神经网络（CNN）进行SAR图像目标检测，CNN可以从SAR图像中学习到特定的特征，进而实现目标检测。
为了提高SAR图像目标检测算法的性能和速度，本文提出了一种基于深度学习的SAR图像目标检测算法。该算法利用卷积神经网络进行特征提取和目标检测，通过优化网络结构和设计合适的损失函数，提高了算法的检测精度和鲁棒性。此外，本文还研究了一些加速算法技术，如基于GPU的并行计算、计算复杂度优化和中间结果缓存等，加速了深度学习的实现过程。实验结果表明，该算法具有较高的准确性和检测速度，可有效应用于SAR图像的实际应用场景中。
南京航空航天大学
硕士学位论文
SAR图像的目标检测与分类研究
姓名：徐晶
申请学位级别：硕士
专业：通信与信息系统
指导教师：张弓
2010-12南京航空航天大学硕士学位论文
I摘 要
作为微波遥感领域的典型代表，合成孔径雷达(Synthetic Aperture Radar，SAR)以其独特的对
地观测优势，广泛应用于军事侦察、测绘以及国民经济各领域中。随着SAR技术的日益发展，
给SAR图像的自动解译工作带来了新挑战，而SAR自动目标识别(Automatic Target Recognition,
ATR)系统正是当前各国的研究热点。本文基于恒虚警检测技术、模糊理论、水平集技术、支撑
向量机理论等，开展了针对SAR图像中地面军事目标（车辆、坦克等）的检测与分类技术的一
系列研究工作，主要内容概况如下：
1. 提出了一种基于模糊CFAR的SAR图像目标检测新算法。该算法引入模糊逻辑的概念，
基于Weibull分布，分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数，并根据相应的模
糊融合准则进行融合处理，得到模糊CFAR检测器。实验结果表明，模糊CFAR检测算法在非
均匀背景的SAR图像目标检测中，具有较高的检测概率，且虚警少，并具备一定的实时处理能
力。
2. 针对高分辨率SAR图像中车辆、坦克等目标的特点和相干斑的影响，深入研究分析了水
平集理论和抗噪性较强的Chan-Vese模型，实现了SAR图像中地面军事目标的检测提取。结合
Chan-Vese模型，利用水平集技术，以高一维的隐式方法来控制目标轮廓曲线演化，最终提取出
完整的目标数据信息，实验结果表明，该方法具有良好的目标提取能力，并且具有优越的抗噪
性能，以及较高的鲁棒性。
3. 提出了一种基于目标数据提取的SAR图像目标分类识别方法。结合基于水平集技术提取
目标信息的方法，利用支撑向量机较强的泛化分类能力，实现SAR图像不同类型目标的分类识
别。实验使用MSTAR数据库数据集进行测试，结果证明，其能有效剔除背景数据干扰，充分利
