|
海军工程大学杨子渊10月30日在SAR应用技术分论坛做了题为《极化SAR图像舰船目标检测关键技术》的学术报告。 报告简介 课题组归纳梳理了PolSAR图像舰船目标检测的四类主流方法：目标极化特征检测、慢动目标检测、舰船尾迹检测以及基于深度学习的舰船目标检测。该工作已发表在《雷达学报》2021年第1期“极化SAR图像舰船目标检测研究综述”（刘涛，杨子渊，蒋燕妮，高贵） ①针对多样的雷达平台参数和复杂的海况条件，恒虚警检测中统计建模和参数估计的难题比较突出。为解决此问题,提出了雷达极化对数空间理论，解决了全域全平面的极化SAR统计建模及其参数估计难题，并成功应用到恒虚警检测（CFAR）处理，通过数学推导得到了几乎目前所有已知分布的所有统计模型的解析表达形式,主要成果发表在IEEETGRS、中国科学和电子学报等期刊。 ②极化SAR目标检测中,存在港口等区域近岸密集目标的恒虚警检测难题，主要原因在于杂波统计特性的受到舰船等密集目标的严重污染。为解决此问题,提出了采用截断的方法排除目标污染，然后进行杂波极化协方差矩阵估计的解决方案，推导得出截断协方差矩阵与真实协方差矩阵具有相同的矩阵结构，给出了协方差矩阵估计的最优方法，并应用到了近岸密集目标的恒虚警检测中，取得了满意的结果，主要成果发表在IEEE TGRS。 ③针对极化SAR目标检测中小目标检测困难的难题,基于海洋自身散射的空间相关特性,SAR固有的旁瓣信息和舰船本体改变周边海洋散射特性的物理事实，提出了基于邻域极化协方差矩阵的极化SAR图像舰船目标检测新方法，取得了检测领域的突破性进展，通过实验对比,证明该方法是目前已有检测方法的最佳方法，基本达到了最佳性能,主要成果发表在IEEE TGRS。 ④针对目前表现突出的极化凹口滤波器，从物理本质出发提出了新的极化凹口检测器，得到了原作者的肯定，结果发表在IEEE GRSL；同时针对小目标检测困难的难题,从机器学习的角度出发,考虑类间距离和类内方差的约束条件,提出了最优极化优化滤波器的检测方法,其原理在于使得信噪比和杂波起伏度的比值最小,并给出了两种最优矩阵线性变换方法,实验表明该方法在复杂海况下效果优于理想条件下的最优极化检测器,其为检测性能的理论上限。主要成果发表在IEEE TGRS。 目前最优极化技术逐渐与可解释性机器学习方法相结合，采取最优化准则进行目标检测，可能是提高小目标检测性能的新方法，可作为后续极化优化检测技术的发展方向。将不同极化分解模型的不同分量系数重新构成新的特征矢量，采取Fisher分类准则或者其他的特征矢量空间，亦可提高目标的检测性能，这也是当前基于极化分解理论的舰船目标检测的发展趋势。 报告视频 报告PPT 本报告PPT共30张。
博士简介
杨子渊(1997-)，男，湖北人，海军工程大学博士研究生。主要研究方向为雷达极化信息处理、合成孔径雷达运动目标检测、新体制雷达等。 － The End － |
|
|
