Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2014, Vol. 54 Issue (4): 453-457    
  本期目录 | 过刊浏览 | 高级检索 |
改进的功率极化交叉熵舰船检测方法
游彪1,杨健1(),叶春茂2,宋建设3
2. 北京无线电测量研究所, 北京 100854
3. 第二炮兵工程大学, 西安 710025
Improved ship detection method based on span polarimetric cross entropy
Biao YOU1,Jian YANG1(),Chunmao Yeh2,Jianshe Song3
1. Department of Electronic Engineering, Tsinghua University, Beijing 100084, China
2. Beijing Institute of Radio Measurement, Beijing 100854, China
3. Xi'an Research Institute of Hi-Technology, Xi'an 710025, China
全文: PDF(1316 KB)   HTML
输出: BibTeX | EndNote (RIS)      
摘要 

针对极化交叉熵定义的缺陷,提出了一个新的替代参数。首先逐点计算各个像素与三种基本散射体之间的相似性参数,分析了目标与海杂波极化性质的差异,在此基础上对极化交叉熵重新定义。然后与功率相乘得到功率极化交叉熵。该参数既能反映目标与杂波像素功率的差异,也能反映极化性质的不同。最后,采用Parzen窗杂波拟合方法获得判决阈值。利用Radarsat-2数据进行实验比较,验证了所提参数用于CFAR舰船检测的有效性。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 合成孔径雷达极化检测    
Abstract

The paper describes a parameter to replace the polarimetric cross entropy (PCE) for improved ship detection. The method calculates the similarity parameters between the target and three canonical scattering mechanisms. The different scattering mechanisms between the target and cluster are analyzed based on the similarity parameter. Then, the PCE is redefined based on the similarity parameter. The span polarimetric cross entropy (SPCE) is calculated to describe the span and polarimetric difference between the target and a cluster. Finally, a Parzen window is used to estimate the cluster distribution. The effectiveness of this parameter is demonstrated using the Radarsat-2 data for CFAR ship detection.

Key wordssynthetic aperture radar    polarization    detection
收稿日期: 2013-11-12      出版日期: 2014-04-15
基金资助:国家自然科学基金面上项目 (41171317);国家自然科学基金重点项目 (61132008);清华大学海洋培育基金 (2011Z07125)
引用本文:   
游彪,杨健,叶春茂,宋建设. 改进的功率极化交叉熵舰船检测方法[J]. 清华大学学报(自然科学版), 2014, 54(4): 453-457.
Biao YOU,Jian YANG,Chunmao Yeh,Jianshe Song. Improved ship detection method based on span polarimetric cross entropy. Journal of Tsinghua University(Science and Technology), 2014, 54(4): 453-457.
链接本文:  
http://jst.tsinghuajournals.com/CN/  或          http://jst.tsinghuajournals.com/CN/Y2014/V54/I4/453
  典型的CFAR检测窗
  散射特性的三维表示
  图像与三种基本散射体的相似性参数
  实验现场
  杂波区域ln SPCE分布
  两种检测方法结果比较
[1] Novak L M, Burl M C. Optimal speckle reduction in polarimetric SAR imagery [J]. IEEE Trans on AES, 1990, 26(2): 293-305.
[2] Touzi R, Charbonneau F, Hawkins R K, et al. Ship-sea contrast optimization when using polarimetric SARs [C]// Proceedings of International Geoscience and Remote Sensing Symposium. Sydney, Australia: IEEE Press, 2001: 426-428.
[3] Liu C, Vachon P W, Geling G W. Improved ship detection with airborne polarimetric SAR data[J]. Can J Remote Sensing, 2005, 31(1): 122-131.
[4] Chen J, Chen Y L, Yang J. Ship detection using polarization cross-entropy[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(4): 723-727.
[5] Huynen J R. Phenomenological Theory of Radar Target [D]. Delft Netherlands: Technical University, 1970.
[6] Cloude S R, Pottier E. A review of target decomposition theorems in radar polarimetry[J]. IEEE Trans Geosci Remote Sens, 1996, 34(2): 498-518.
[7] Cloude S R, Pottier E. An entropy based classification scheme for land applications of polarimetric SAR[J]. IEEE Trans Geosci Remote Sens, 1997, 35(1): 68-78.
[8] Yang J, Peng Y N, Lin S M. Similarity between two scattering matrices[J].Electronics Letters, 2001, 37(3): 193-194.
[9] An W T, Zhang W J, Yang J, et al.Similarity between two targets and its application to polarimetric target detection for sea area [C]// Progress in Electromagnetics Research Symposium, MA, USA: Cambridge, 2008: 515-520.
[10] Cameron W L, Youssef N N, Leung L K. Simulated polarimetric signatures of primitive geometrical shapes[J]. IEEE Trans Geosci Remote Sens, 1996, 34(3): 793-803.
[11] 崔一. 基于SAR 图像的目标检测研究 [D]. 北京: 清华大学, 2011. CUI Yi. Study onTarget Detection in Synthetic Aperture Radar Images [D]. Beijing: Tsinghua University, 2011. (in Chinese)
[12] Yang J, Zhang H, Yamaguchi Y. GOPCE based approach to ship detection[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(6): 1089-1093.
[1] 吕淼, 安雪晖, 李鹏飞, 张京斌, 白皓. 自密实混凝土全过程智能生产研究进展[J]. 清华大学学报(自然科学版), 2022, 62(8): 1270-1280.
[2] 周恺, 张睿哲, 叶宽, 李鸿达, 王哲, 黄松岭. 基于同步压缩小波变换的接地扁钢缺陷电磁超声SH导波检测方法[J]. 清华大学学报(自然科学版), 2022, 62(12): 2013-2020.
[3] 王泽英, 陈涛, 张继伟, 陈金奇, 冯政恒. 基于仿生结构流场的质子交换膜燃料电池的性能[J]. 清华大学学报(自然科学版), 2022, 62(10): 1697-1705.
[4] 高扬, 王梦丽, 楚恒林. 卫星导航信号畸变模型威胁空间减小方法[J]. 清华大学学报(自然科学版), 2021, 61(9): 1008-1014.
[5] 梅杰, 李庆斌, 陈文夫, 邬昆, 谭尧升, 刘春风, 王东民, 胡昱. 基于目标检测模型的混凝土坯层覆盖间歇时间超时预警[J]. 清华大学学报(自然科学版), 2021, 61(7): 688-693.
[6] 周晓桐, 张嵘. 环形二极管电容检测电路特性[J]. 清华大学学报(自然科学版), 2021, 61(6): 653-658.
[7] 刘仁杰, 孙跃文, 刘锡明, 苗积臣, 周立业, 丛鹏. 基于螺旋CT的高温气冷堆石墨构件及碳砖缺陷检测方法[J]. 清华大学学报(自然科学版), 2021, 61(4): 367-376.
[8] 高洋, 任望, 吴润浦, 王卫苹, 伊胜伟, 韩白静. 信息物理系统的攻击检测与安全状态估计[J]. 清华大学学报(自然科学版), 2021, 61(11): 1234-1239.
[9] 管志斌, 王晓萌, 辛伟, 王嘉捷. 源代码缺陷检测数据生成及标注方法[J]. 清华大学学报(自然科学版), 2021, 61(11): 1240-1245.
[10] 王晓萌, 管志斌, 辛伟, 王嘉捷. 基于深度卷积神经网络的源代码缺陷检测方法[J]. 清华大学学报(自然科学版), 2021, 61(11): 1267-1272.
[11] 张展博, 王振雷, 王昕. 基于正交局部慢性特征的故障检测方法[J]. 清华大学学报(自然科学版), 2020, 60(8): 693-700.
[12] 王志国, 章毓晋. 监控视频异常检测:综述[J]. 清华大学学报(自然科学版), 2020, 60(6): 518-529.
[13] 何敬涛, 梁漫春, 陈安滢, 岳峰, 何水军. 利用脱气膜技术检测水中14C[J]. 清华大学学报(自然科学版), 2020, 60(4): 341-347.
[14] 赵阳, 王树博, 李微微, 谢晓峰. 质子交换膜燃料电池电压损耗[J]. 清华大学学报(自然科学版), 2020, 60(3): 254-262.
[15] 梁杰, 陈嘉豪, 张雪芹, 周悦, 林家骏. 基于独热编码和卷积神经网络的异常检测[J]. 清华大学学报(自然科学版), 2019, 59(7): 523-529.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn