RU2472174C2 - Детектирование цели в изображаемом посредством sar морском районе - Google Patents
Детектирование цели в изображаемом посредством sar морском районе Download PDFInfo
- Publication number
- RU2472174C2 RU2472174C2 RU2010154096/07A RU2010154096A RU2472174C2 RU 2472174 C2 RU2472174 C2 RU 2472174C2 RU 2010154096/07 A RU2010154096/07 A RU 2010154096/07A RU 2010154096 A RU2010154096 A RU 2010154096A RU 2472174 C2 RU2472174 C2 RU 2472174C2
- Authority
- RU
- Russia
- Prior art keywords
- sar
- target
- distribution
- image
- reference value
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Изобретение относится к детектированию цели в морском районе на основе ее изображения Радаром с Синтезированной Апертурой (SAR). Изображение Радара с Синтезированной Апертурой (SAR) составлено из пикселей, причем каждый имеет соответствующую характеристику. Достигаемый технический результат - повышение точности детектирования цели. Способ содержит этапы, на которых рассчитывают первую опорную величину, которая характеризует распределение Пуассона, предполагаемое для характеристик, которые имели бы пиксели в изображении Радара с Синтезированной Апертурой (SAR), если бы морской район был свободен от целей. Способ дополнительно содержит этапы, на которых выбирают пиксели в изображении Радара с Синтезированной Апертурой (SAR), рассчитывают реальную величину, которая характеризует реальное статистическое распределение характеристик выбранных пикселей, и детектируют цель в морском районе на основе рассчитанной первой опорной и реальной величин. Выбранные пиксели находятся в одном и том же подизображении изображения Радара с Синтезированной Апертурой (SAR), детектирование содержит детектирование цели в морском подрайоне морского района, причем морской подрайон представляется подизображением. 3 н. и 1 з.п. ф-лы, 13 ил.
Description
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Настоящее изобретение относится к детектированию цели в изображаемом посредством Радара с Синтезированной Апертурой морском районе.
УРОВЕНЬ ТЕХНИКИ
Как известно, дистанционное зондирование является наукой и методом получения информации об объекте, районе или явлении с помощью анализа данных, собранных устройством, которое не находится в контакте с исследуемыми объектом, районом или явлением. На основе длины волны, на которой работает система, дистанционное зондирование принципиально классифицируется по двум различным группам, т.е. оптическое и микроволновое.
Оптическое дистанционное зондирование использует видимую и инфракрасную волны, тогда как микроволновое дистанционное зондирование использует радиоволны.
Как и микроволновая система дистанционного зондирования, система Радара с Синтезированной Апертурой (SAR) содержит радарный передатчик сигнала и радарный приемник сигнала, работающие на подвижной платформе, например на самолете или спутнике, и удаленную станцию обработки, соединенную по радиоканалу с подвижной платформой.
Передатчик посылает радарный сигнал на контролируемый земельный участок или морской район, и приемник принимает радарное эхо, обратнорассеянное районом, и передает его на удаленную станцию обработки, которая обрабатывает радарное эхо, чтобы получить двумерную карту контролируемого района. Передаваемый радарный сигнал содержит последовательность электромагнитных импульсов микроволнового диапазона, линейно модулированных по частоте, или так называемых CHIRP, модулируемых и передаваемых с регулярными временными интервалами.
Станция обработки когерентно объединяет радарное эхо, соответствующее переданным импульсам, чтобы получить карты обширных районов с высоким разрешением по азимуту, используя относительно малые передающие антенны. Импульсная модуляция CHIRP, с другой стороны, обеспечивает достижение высокого разрешения перпендикулярно азимутальному направлению.
Более конкретно, система SAR облучает место микроволнами посредством передатчика и записывает как амплитуду, так и фазу обратнорассеянного излучения посредством приемника, выполняя его процесс формирования когерентных изображений. Принятый сигнал дискретизируется и преобразуется в цифровое изображение станцией обработки.
В частности поле, записанное в пикселе x, обозначаемое как E(x), может быть записано в виде
где суммирование производится по рассеивающим элементам s, a(s) и φ(s) являются соответственно, амплитудой и фазой сигнала, принятого от рассеивающего элемента s, и h(s,x) является аппаратной функцией или функцией рассеяния точки. Значение h(s,x) близко к 1, когда рассеивающий элемент s находится в или вблизи разрешаемой ячейки, соответствующей пикселю x, и вблизи нуля - в другом случае. Предполагая, что аппаратная функция является трансляционно-инвариантной, то есть она не зависит от x, она может быть записана как функция h(s-x) с одним параметром.
Квадрат модуля поля E(x) называется детектируемой интенсивностью I(x); квадратный корень из интенсивности I(x) называется огибающей или амплитудой. Это не то же самое, что и амплитуда принятого сигнала a(s), поскольку принимаемое поле E(x) искажается аппаратной функцией h(s,x). Амплитуда принятого сигнала a(s) называется отражательной способностью, а ее квадрат называется поверхностным поперечным сечением.
По сравнению с оптическим дистанционным зондированием формирование изображения SAR имеет некоторые преимущества. Во-первых, в качестве активной системы она является системой сбора данных и днем, и ночью. Во-вторых, рассматривая поведение электромагнитных волн в диапазоне длины волн SAR, можно видеть, что характеристики атмосферы, такие как облачность, небольшой дождь, туман и дым, мало влияют на возможности системы SAR. Это делает SAR всепогодной системой дистанционного зондирования. Наконец, хотя и не в последнюю очередь, поскольку сигналы SAR частично проникают в почву и растительный покров, в дополнение к поверхностной информации система SAR может предоставить также и информацию о слоях под поверхностью.
К сожалению, в сравнении с оптическим дистанционным зондированием формирование изображений SAR имеет также и некоторые недостатки. В частности, в отличие от оптических изображений изображения SAR формируются когерентным взаимодействием передаваемых микроволн с целями. Следовательно, формирование изображений SAR подвержено влиянию спекл-шума, который возникает от когерентного суммирования сигналов, обратнорассеянных рассеивающими элементами s земли, распределенными хаотично в пределах каждого пикселя x. Таким образом, изображение SAR оказывается более зашумленным, чем оптическое изображение.
Более подробно, волны, испускаемые передатчиком, распространяются в фазе и минимально взаимодействуют на своем пути до целевого района. После взаимодействия с целевым районом эти волны больше не находятся в фазе из-за различных расстояний, по которым они распространяются от целей, или при одном расстоянии, но при рассеянии с многократным отражением. При несовпадении по фазе обратнорассеянные волны могут взаимодействовать, создавая светлые и темные пиксели. Этот эффект известен как спекл-шум.
Спекл-шум дает зернистость изображений SAR, уменьшает контраст изображения SAR и негативно влияет на основанный на текстуре анализ. Кроме того, поскольку спекл-шум изменяет пространственную статистику изображений SAR, то он затрудняет классификационную обработку изображения.
Фиг.1 показывает пример типичного зернистого изображения SAR.
Поэтому спекл-шум обычно подавляется применением фильтра удаления спекла на цифровом изображении перед его отображением и дальнейшим анализом.
Фиг.2 показывает зернистое изображение SAR с Фиг.1, отфильтрованное фильтром удаления спекла.
Как показано на фиг.1, изображение SAR обычно отображается как серое масштабное изображение. Интенсивность I(x) каждого пикселя x представляет участок микроволны, обратно рассеянной соответствующим целевым районом на земле, участок которой зависит от разнообразных факторов: типов, размеров, формы и ориентаций рассеивающих элементов s в целевом районе, влагосодержания целевого района, частоты и поляризации радарных импульсов, а также углов падения радарного луча. Значения интенсивности пикселя часто преобразуются в физическую величину, называемую коэффициентом обратного рассеяния или нормированным поперечным сечением радара, которое измеряется в единицах децибелах (dB) со значениями, лежащими в диапазоне от +5 dB для очень ярких объектов до -40 dB для очень темных поверхностей.
Интерпретация изображения SAR не является простой задачей. Очень часто при этом требуется некоторая информация о состояниях земли изображаемых районов. Практически полезное правило заключается в том, что чем больше интенсивность обратного рассеяния, тем более шероховатой является изображаемая поверхность.
Точнее, плоские поверхности, такие как мощеные дороги, взлетно-посадочные полосы или спокойная вода, обычно проявляются как темные районы на изображении SAR, поскольку большая часть падающих радарных импульсов зеркально отражается от них. Фиг.3 схематично показывает пример зеркального отражения. Точнее, как показано на фиг.3, гладкая поверхность 31 действует подобно зеркалу для падающего радарного импульса. Большая часть падающей радарной энергии отражается согласно закону зеркального отражения, то есть угол отражения α' при этом равен углу падения α. Очень малая часть энергии обратно рассеивается на датчик SAR.
И напротив, шероховатая поверхность отражает падающий радарный импульс во всех направлениях. Это явление называется диффузным отражением. В этом случае, часть радарной энергии обратно рассеивается на радарный датчик. Величина обратно рассеянной энергии зависит от свойств цели на земле. Фиг.4 схематично показывает пример диффузного отражения при наличии шероховатой поверхности 41.
Поэтому спокойные морские поверхности кажутся темными в изображениях SAR, тогда как поверхности с некоторым волнением могут казаться яркими, особенно когда угол падения мал и когда шероховатость морской поверхности обусловлена волнами, имеющими длину волны, меньшую длины волны радарных импульсов.
Кроме того, морскую поверхность сглаживает присутствие нефтяных пленок. При определенных условиях, когда морская поверхность достаточно шероховата, нефтяные пленки могут быть детектированы как темные пятна на ярком фоне.
Кроме того, деревья и другие растения обычно умеренно шероховаты относительно длины волны. Следовательно, они проявляются как умеренно яркие особенности изображения. Тропические дождевые леса имеют характеристический коэффициент обратного рассеяния между -6 и -7 dB, который пространственно однороден и остается стабильным во времени. Поэтому тропические дождевые леса использовались как калибровочные цели при выполнении радиометрической калибровки изображений SAR.
Очень яркие цели могут проявиться в изображении SAR вследствие явления, называемого угловым отражением или эффектом двукратного отражения. Фиг.5 схематично показывает пример эффекта двукратного отражения, когда радарный импульс отражается от горизонтальной поверхности земли 51 к цели 52 и затем отражается от одной вертикальной поверхности 52a цели 52 обратно на датчик SAR. Примерами таких целей являются суда в море, высотные здания и металлические объекты правильной формы, например грузовые контейнеры. Районы застройки и многие искусственные конструкции обычно проявляются как яркие пятна на изображении SAR вследствие эффекта углового отражения.
Фиг.6 показывает изображение SAR района моря вблизи оживленного порта, в котором многие суда могут быть видны как яркие пятна вследствие эффекта углового отражения. Море спокойно и, следовательно, суда могут быть легко детектированы на темном фоне.
Наконец, яркость районов, покрытых оголенной почвой, может варьироваться от очень темного до очень яркого в зависимости от ее шероховатости и влагосодержания. Как правило, шероховатая почва оказывается яркой на изображении. Для подобной шероховатости почвы поверхность с более высоким влагосодержанием будет казаться более яркой.
Фиг.7 схематично показывает пример взаимодействия радарного импульса с сухой почвой 71, причем часть падающей радарной энергии способна проникнуть в поверхность 71a почвы, приводя к меньшей интенсивности обратного рассеяния.
Фиг.8 схематично показывает пример взаимодействия радарного импульса с влажной почвой 81, причем большое различие электрических свойств между водой и воздухом приводит к более высокой интенсивности обратно рассеянного радарного излучения.
Фиг.9 схематично показывает пример взаимодействия радарного импульса с затопленной почвой 91, причем радарные импульсы зеркально отражаются от водной поверхности 92, приводя к малой интенсивности обратного рассеяния. Затопленный район будет казаться темным на изображении SAR.
ПРЕДМЕТ И СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Заявитель заметил, что в изображениях SAR спекл-шум сильно скоррелирован с полезным сигналом и, таким образом, любой процесс снижения/удаления спекл-шума также модифицирует и полезные характеристики сигнала.
Поэтому Заявитель выполнил всестороннее исследование, чтобы разработать инновационный способ детектирования целей в изображаемом посредством SAR морском районе, который не нуждается в какой-либо предварительной обработке изображения SAR, например в снижении или удалении спекл-шума и, кроме того, в любом априорном знании состояний земли визуализируемого морского района.
Целью настоящего изобретения, таким образом, является предоставление способа детектирования цели в изображаемом посредством SAR морском районе вышеупомянутого типа.
Эта цель достигается настоящим изобретением тем, что оно относится к способу, системе, устройству и программе системы программного обеспечения для детектирования цели, например судна, нефтяной пленки, айсберга, полузатопленной конструкции или любого другого возможного объекта, в изображаемом посредством SAR морском районе, как определено в приложенной формуле.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Для лучшего понимания настоящего изобретения, предпочтительные варианты осуществления, которые служат исключительно примером и не должны рассматриваться как ограничение, будут описаны ниже со ссылкой на приложенные чертежи (все приведены не в масштабе), на которых:
Фиг.1 показывает типичное зернистое изображение SAR;
Фиг.2 показывает изображение SAR из фиг.1, отфильтрованное фильтром удаления спекла;
Фиг.3 схематически показывает пример зеркального отражения;
Фиг.4 схематически показывает пример диффузного отражения;
Фиг.5 схематически показывает пример эффекта двукратного отражения;
Фиг.6 показывает изображение SAR моря;
Фиг.7 схематически показывает пример взаимодействия радарного импульса с сухой почвой;
Фиг.8 схематически показывает пример взаимодействия радарного импульса с влажной почвой;
Фиг.9 схематически показывает пример взаимодействия радарного импульса с затопленной почвой;
Фиг.10 показывает графические представления функций Пуассона для распределения вероятности дискретной величины;
Фиг.11 показывает гистограмму характеристик пикселей в типичном изображении SAR морского района, когда цель отсутствует;
Фиг.12 схематически показывает систему для детектирования цели в изображаемом посредством SAR морском районе в соответствии с настоящим изобретением; и
Фиг.13 показывает блок-схему последовательности операций способа детектирования цели в изображаемом посредством SAR морском районе в соответствии с настоящим изобретением.
ПОДРОБНОЕ ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ
Нижеследующее рассмотрение представлено, чтобы позволить специалисту в данной области техники реализовать и использовать изобретение. Различные модификации вариантов осуществления будут очевидны специалистам в данной области техники без отступления от объема заявленного настоящего изобретения.
Таким образом, настоящее изобретение не ограничивается только приведенными вариантами осуществления, но соответствует тому объему притязаний, который следует из раскрытых здесь принципов и признаков и который определен в приложенной формуле.
Кроме того, настоящее изобретение реализуется посредством программы системы программного обеспечения, загружаемой в память электронного процессора и содержащей кодовые участки программного обеспечения для реализации, когда программа системы программного обеспечения работает на процессоре, детектирования цели в изображаемом посредством SAR морском районе, описанном ниже.
Настоящее изобретение возникло из сделанного Заявителем наблюдения того, что в изображении SAR морского района, когда цель отсутствует, характеристики пикселей распределены в соответствии с распределением Пуассона. Характеристика может быть значением интенсивности, коэффициентом обратного рассеяния или любым другим типом характеристики пикселя, используемого в формировании изображения SAR.
Соответственно, вероятность P(I) характеристики I дается следующей функцией Пуассона для распределения вероятности дискретной величины:
причем λ является ожидаемым значением или средним значением характеристики I. Очевидно, e является основанием натурального логарифма, тогда как I! является факториалом характеристики I.
Как легко понять, заданием среднего значения λ однозначно идентифицируются функция Пуассона для распределения вероятности дискретной величины и затем распределение Пуассона характеристики I.
Как известно, для распределения Пуассона дисперсия σ2 и ожидаемое значение λ совпадают, то есть имеем
σ2 = λ.
Очевидно, что стандартное отклонение σ равно √λ.
Кроме того, мода для распределения Пуассона, то есть статистически наиболее вероятное значение или статистически наиболее часто встречающееся значение, равна λ-1, если λ является целым числом, или в другом случае - λ.
Фиг.10 показывает графическое представление трех функций Пуассона для распределения вероятности дискретной величины, каждая из которых имеет соответственное среднее значение λ.
Фиг.11 показывает гистограмму характеристик типичного изображения SAR морского района, когда цель отсутствует. В частности, ось абсцисс представляет коэффициенты обратного рассеяния, измеренные в децибелах (dB), а ось ординат представляет нормированные значения наступления события, то есть значения наступления события, разделенные на наибольшее значение наступления события. Как показано на Фиг.11, коэффициенты обратного рассеяния распределены в соответствии с распределением Пуассона, характеризующимся средним значением в 5 dB и моды в 4dB.
Фиг.12 схематично показывает электронную систему 10 для детектирования цели в изображаемом посредством SAR морском районе в соответствии с настоящим изобретением.
Подробнее, электронная система 10 содержит электронный процессор 11, связанный с системой 12 SAR, для сбора из нее данных. В частности, данные, собранные из системы 12 SAR, являются изображениями SAR, представляющими морские районы.
Кроме того, на электронном процессоре 11 устанавливается программа системы программного обеспечения, содержащая кодовые участки программного обеспечения для реализации детектирования цели в изображаемом посредством SAR морском районе, описанном ниже.
Фиг.13 показывает блок-схему последовательности операций способа детектирования 13 цели в морском районе, представленном изображением SAR в соответствии с настоящим изобретением.
В частности, детектирование 13 цели содержит:
расчет опорной величины (блок 14);
выбор пикселей в изображении SAR (блок 15);
расчет реальной величины (блок 16); и
детектирование (блок 17) цели в морском районе.
Подробнее, расчет опорной величины (блок 14) содержит расчет опорной величины, характеризующей распределение Пуассона, предполагаемое для характеристик, которые пиксели имели бы на изображении SAR, если бы морской район была свободен от целей.
Другими словами, расчет опорной величины (блок 14) содержит оценку среднего значения Ī характеристик I пикселей на изображении SAR, причем изображение SAR составлено из M×N пикселей и представляет морской район. Соответственно, опорная величина является оцененным средним значением Ī.
Более подробно, среднее значение Ī оценивается в соответствии со следующей формулой:
при этом I(i, j) является характеристикой пикселя (i, j).
В соответствии с идеологией, лежащей в основе настоящего изобретения, если нет никакой цели, например судна, нефтяной пленки, айсберга, полузатопленной конструкции или любого другого возможного объекта, в морском районе, представленном M×N пикселями, характеристики I M×N пикселей должны быть распределены в соответствии с нецелевым опорным статистическим распределением, которое является распределением Пуассона, характеризующимся ожидаемым значением, равным оцененному среднему значению Ī. Соответственно, нецелевая опорная вероятность P(I) характеристики I дается следующей функцией Пуассона для распределения вероятности дискретной величины:
Поэтому характеристика, которая встречается наиболее часто, то есть мода I* нецелевого опорного статистического распределения, равна Ī-1, если Ī является целым числом, или в другом случае - Ī.
Соответственно, стандартное отклонение σ нецелевого опорного статистического распределения равно √Ī.
Затем, выбор пикселей в изображении SAR (блок 15) содержит выбор подизображения в изображении SAR, подизображение составлено из m×n пикселей, причем m≤М и n≤N, и представляет соответствующий морской подрайон в морском районе.
Существенно то, что выбор пикселей в изображении SAR (блок 15) может быть выполнен обычным образом, используя окно выбора, подвижное внутри изображения SAR и содержащее m×n пикселей.
Кроме того, расчет реальной величины (блок 16) содержит расчет реальной величины, характеризующей реальное статистическое распределение характеристик выбранных пикселей.
Подробнее, расчет реальной величины (блок 16) содержит этапы, на которых:
рассчитывают гистограмму характеристик I выбранных пикселей, гистограмму, представляющую реальное статистическое распределение характеристик I выбранных пикселей; и
идентифицируют на гистограмме значение I M характеристики, которое встречается наиболее часто и которое представляет моду реального статистического распределения.
Соответственно, реальная величина является идентифицированной модой.
Кроме того, детектирование (блок 17) содержит этапы, на которых:
сравнивают нецелевое опорное статистическое распределение с реальным статистическим распределением, и
детектируют цель, такую как судно, нефтяная пленка, айсберг, полузатопленная конструкция или любой другой возможный объект, в морском подрайоне, представленном выбранными пикселями на основе сравнения.
В частности, сравнение учитывает ошибку зондирования, причем ошибка зондирования возникает из-за неидеального устройства системы зондирования, то есть системы SAR, и по многим другим причинам, таким как Доплеровский сдвиг из-за относительного движения подвижной платформы SAR и возможных целей на морской поверхности.
Подробнее, сравнение предполагает рассматривать нецелевое опорное статистическое распределение и реальное статистическое распределение как эквивалентные, если соответственные моды I* и I M различаются меньше, чем на порог T детектирования, представляющий ошибку зондирования, тогда как сравнение не предполагает рассматривать нецелевое опорное статистическое распределение и реальное статистическое распределение как эквивалентные и, следовательно, цель, которая должна быть детектирована в морском подрайоне, представленном выбранными пикселями, если соответственные моды I* и I M различаются больше, чем на порог T детектирования, представляющий ошибку зондирования.
Более подробно, нецелевое опорное статистическое распределение и реальное статистическое распределение рассматриваются как эквивалентные, если результатом является то, что
I*-I
M
≤T,
тогда как нецелевое опорное статистическое распределение и реальное статистическое распределение не рассматриваются как эквивалентные и, следовательно, цель детектируется в морском подрайоне, представленном выбранными пикселями, если результатом является то, что
I*-I M >T.
Обычно порог T детектирования может быть установлен равным σ/3.
Обычно ошибка зондирования, представленная порогом T детектирования, может быть более надежно оценена рассмотрением нескольких изображений SAR, представляющих тот же самый морской район и собранных очень близко по времени, чтобы иметь сильно коррелированные полезные сигналы и некоррелированный спекл-шум.
Соответственно, среднее значение M I характеристик пикселей в нескольких изображениях SAR рассчитывается в соответствии со следующей формулой:
при этом K является числом изображений SAR, рассматриваемых для расчета M I, и I k (i, j) является характеристикой пикселя (i, j) в k-том изображении SAR.
Поэтому стандартное отклонение σM на основе рассчитанного среднего значения M I рассчитывается в соответствии со следующей формулой:
Соответственно, порог T детектирования устанавливается равным σМ/3.
Кроме того, в другом возможном варианте осуществления настоящего изобретения, расчет опорной величины (блок 14) может быть также основан на рассмотрении нескольких изображений SAR, представляющих тот же самый морской район и собранных очень близко по времени. Поэтому, в этом случае, нецелевое опорное статистическое распределение является распределением Пуассона, характеризующимся ожидаемым значением, равным рассчитанному среднему значению M I. В этом случае, мода M* нецелевого опорного статистического распределения равна M I -1, если M I является целым числом, или в другом случае - M I.
Соответственно, относительно детектирования (блок 17) нецелевое опорное статистическое распределение и реальное статистическое распределение рассматриваются как эквивалентные, если результатом является то, что
M*-I
M
≤T
тогда как нецелевое опорное статистическое распределение и реальное статистическое распределение не рассматриваются как эквивалентные и, следовательно, цель детектируется в морском подрайоне, представленном выбранными пикселями, если результатом является то, что
M*-I M >T.
В этом случае, порог T детектирования устанавливается равным σМ/3.
Из вышесказанного легко можно видеть, что настоящее изобретение позволяет надежное и эффективное детектирование целей в изображаемых посредством SAR морских районах посредством нетрудной вычислительной обработки без необходимости в какой-либо предварительной обработке изображения SAR, например без снижения или удаления спекл-шума, и без какого-либо априорного знания состояний земли изображаемого морского района.
Таким образом, ясно, что могут быть реализованы многочисленные модификации и варианты настоящего изобретения, находящиеся в пределах объема изобретения, как это определено в приложенной формуле.
Claims (4)
1. Способ детектирования цели в рассматриваемом морском районе на основе данного изображения Радаром с Синтезированной Апертурой (SAR), представляющего упомянутый рассматриваемый морской район, причем способ содержит этапы, на которых:
выбирают подызображение данного изображения Радаром с Синтезированной Апертурой (SAR), упомянутое подызображение представляет подрайон рассматриваемого морского района;
причем способ отличается тем, что дополнительно содержит этапы, на которых:
предоставляют нецелевое опорное распределение для характеристик пикселей в изображении Радаром с Синтезированной Апертурой (SAR) свободного от целей морского района, упомянутое нецелевое опорное распределение является распределением Пуассона;
рассчитывают первую опорную величину, представляющую ожидаемое значение, характеризующее упомянутое нецелевое опорное распределение на основе характеристик пикселей в нескольких изображениях Радара с Синтезированной Апертурой (SAR), представляющих рассматриваемый морской район в разные моменты времени, упомянутая первая опорная величина указывает среднее значение характеристик пикселей в упомянутых нескольких изображениях Радара с Синтезированной Апертурой (SAR);
рассчитывают вторую опорную величину, представляющую наиболее часто встречающуюся характеристику в нецелевом опорном распределении на основе первой опорной величины и математической модели распределения Пуассона;
рассчитывают третью опорную величину, представляющую стандартное отклонение нецелевого опорного распределения на основе первой опорной величины и математической модели распределения Пуассона;
рассчитывают реальное статистическое распределение характеристик пикселей в выбранном подызображении посредством расчета гистограммы характеристик всех пикселей в выбранном подызображении и посредством предоставления реальной величины, указывающей наиболее часто встречающуюся характеристику в реальном статистическом распределении на основе рассчитанной гистограммы;
сравнивают нецелевое опорное распределение и реальное статистическое распределение посредством выполнения сравнения второй опорной величины с реальной величиной посредством порога детектирования, связанного с ошибкой зондирования, на основе третьей опорной величины; и
детектируют цель в подрайоне, если вторая опорная величина и реальная величина отличаются более, чем порог детектирования, связанный с ошибкой зондирования.
выбирают подызображение данного изображения Радаром с Синтезированной Апертурой (SAR), упомянутое подызображение представляет подрайон рассматриваемого морского района;
причем способ отличается тем, что дополнительно содержит этапы, на которых:
предоставляют нецелевое опорное распределение для характеристик пикселей в изображении Радаром с Синтезированной Апертурой (SAR) свободного от целей морского района, упомянутое нецелевое опорное распределение является распределением Пуассона;
рассчитывают первую опорную величину, представляющую ожидаемое значение, характеризующее упомянутое нецелевое опорное распределение на основе характеристик пикселей в нескольких изображениях Радара с Синтезированной Апертурой (SAR), представляющих рассматриваемый морской район в разные моменты времени, упомянутая первая опорная величина указывает среднее значение характеристик пикселей в упомянутых нескольких изображениях Радара с Синтезированной Апертурой (SAR);
рассчитывают вторую опорную величину, представляющую наиболее часто встречающуюся характеристику в нецелевом опорном распределении на основе первой опорной величины и математической модели распределения Пуассона;
рассчитывают третью опорную величину, представляющую стандартное отклонение нецелевого опорного распределения на основе первой опорной величины и математической модели распределения Пуассона;
рассчитывают реальное статистическое распределение характеристик пикселей в выбранном подызображении посредством расчета гистограммы характеристик всех пикселей в выбранном подызображении и посредством предоставления реальной величины, указывающей наиболее часто встречающуюся характеристику в реальном статистическом распределении на основе рассчитанной гистограммы;
сравнивают нецелевое опорное распределение и реальное статистическое распределение посредством выполнения сравнения второй опорной величины с реальной величиной посредством порога детектирования, связанного с ошибкой зондирования, на основе третьей опорной величины; и
детектируют цель в подрайоне, если вторая опорная величина и реальная величина отличаются более, чем порог детектирования, связанный с ошибкой зондирования.
2. Способ по п.1, в котором порог детектирования, связанный с ошибкой зондирования, равен трети третьей опорной величины.
3. Электронное устройство для детектирования цели в морском районе на основе изображения Радаром с Синтезированной Апертурой (SAR), выполненное с возможностью реализации способа по любому из предшествующих пунктов.
4. Память, имеющая хранящиеся в ней исполняемые процессором инструкции, чтобы вызывать выполнение процессором способа по любому из пп.1-2.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IT2008/000357 WO2009144754A1 (en) | 2008-05-29 | 2008-05-29 | Target detection in a sar-imaged sea area |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2010154096A RU2010154096A (ru) | 2012-07-10 |
RU2472174C2 true RU2472174C2 (ru) | 2013-01-10 |
Family
ID=40293623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2010154096/07A RU2472174C2 (ru) | 2008-05-29 | 2008-05-29 | Детектирование цели в изображаемом посредством sar морском районе |
Country Status (6)
Country | Link |
---|---|
US (1) | US8665131B2 (ru) |
EP (1) | EP2283380B1 (ru) |
CN (1) | CN102144173B (ru) |
ES (1) | ES2519469T3 (ru) |
RU (1) | RU2472174C2 (ru) |
WO (1) | WO2009144754A1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2536183C2 (ru) * | 2013-03-12 | 2014-12-20 | Федеральное государственное бюджетное учреждение науки Институт физического материаловедения Сибирского отделения Российской академии наук (ИФМ СО РАН) | Способ определения горизонтальной структуры древостоя |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010001440B4 (de) * | 2010-02-01 | 2014-01-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Mess-System zur Messung des Wasserstands eines Gewässers |
US8842035B2 (en) | 2010-04-08 | 2014-09-23 | L-3 Communications Security And Detection Systems, Inc. | Sensor head |
CN101894261B (zh) * | 2010-06-29 | 2012-05-02 | 武汉大学 | 一种多对比度模式直方图纹理描述子提取方法 |
CN102565772B (zh) * | 2010-12-20 | 2013-07-24 | 中国科学院电子学研究所 | 基于sar子孔径序列图像的海洋动态信息提取方法 |
US9110168B2 (en) * | 2011-11-18 | 2015-08-18 | Farrokh Mohamadi | Software-defined multi-mode ultra-wideband radar for autonomous vertical take-off and landing of small unmanned aerial systems |
CN103164686B (zh) * | 2011-12-12 | 2017-05-17 | 中国科学院对地观测与数字地球科学中心 | 一种根据船只的高分辨率sar图像识别船只类型的方法 |
BR102012010659B1 (pt) * | 2012-05-04 | 2022-04-12 | Oil-Finder - Serviços De Sensoriamento Remoto E Modelagem Computacional Ltda | Processo para identificação e classificação de áreas de exsudações de óleo no fundo do mar através de modelagem inversa |
CN103308910B (zh) * | 2013-05-11 | 2015-02-04 | 国家***第一海洋研究所 | 利用高频地波雷达检测海上非航行状态船只目标的方法 |
CN104240183B (zh) * | 2013-06-08 | 2017-03-29 | 富士通株式会社 | 图像处理过程中的滤波方法和装置 |
KR101526688B1 (ko) * | 2013-09-27 | 2015-06-05 | 현대자동차주식회사 | 초음파 시스템의 노이즈 제거 장치 및 방법 |
CN103714339B (zh) * | 2013-12-30 | 2017-01-18 | 武汉大学 | 基于矢量数据的sar影像道路损毁信息提取方法 |
CN104268429A (zh) * | 2014-10-15 | 2015-01-07 | 湖北大学 | 基于星载sar的近海岸海上风能资源遥感方法及*** |
WO2016097890A1 (en) * | 2014-12-15 | 2016-06-23 | Airbus Group Singapore Pte. Ltd. | Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery |
EP3320368A4 (en) * | 2015-07-08 | 2018-07-25 | Conoco Phillips Company | Terrestrial imaging using multi-polarization synthetic aperture radar |
CN107423705A (zh) * | 2017-07-21 | 2017-12-01 | 西安电子科技大学 | 基于多层概率统计模型的sar图像目标识别方法 |
CN107862271B (zh) * | 2017-10-31 | 2021-05-25 | 西安电子科技大学 | 一种舰船目标的检测方法 |
CN113205029B (zh) * | 2021-04-26 | 2023-04-07 | 中国科学院空天信息创新研究院 | 机载合成孔径雷达海面船只实时检测方法 |
CN113759375B (zh) * | 2021-09-15 | 2024-02-09 | 云南师范大学 | 基于统计特性的sar图像非局部均值去噪方法 |
CN114415181B (zh) * | 2022-03-31 | 2022-07-12 | 南方海洋科学与工程广东省实验室(广州) | 一种合成孔径雷达的原始回波生成方法和装置 |
CN114755654B (zh) * | 2022-06-14 | 2022-11-18 | 中达天昇(江苏)电子科技有限公司 | 一种基于图像拟态技术的残损雷达信号修复方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2166774C2 (ru) * | 1999-06-01 | 2001-05-10 | Тамбовский военный авиационный инженерный институт | Способ и устройство формирования поляризационного портрета земной или морской поверхности в двухчастотной цифровой рса |
RU2194288C2 (ru) * | 2000-12-15 | 2002-12-10 | Открытое акционерное общество "Корпорация "Фазотрон - научно-исследовательский институт радиостроения" | Радиолокационная система |
WO2006073037A1 (ja) * | 2005-01-07 | 2006-07-13 | Niigata University | 画像処理方法、画像処理装置および画像処理プログラムを記録した記録媒体 |
US7269538B1 (en) * | 2004-06-01 | 2007-09-11 | The United States Of America As Represented By The Secretary Of The Navy | Method for sparse data two-stage stochastic mensuration |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5011817B2 (ja) * | 2006-05-18 | 2012-08-29 | 日本電気株式会社 | 合成開口レーダの画像処理装置及び方法 |
CN100548027C (zh) * | 2007-10-11 | 2009-10-07 | 上海交通大学 | 基于独立成分分析基图像的合成孔径雷达图像消噪方法 |
-
2008
- 2008-05-29 CN CN200880130470.2A patent/CN102144173B/zh active Active
- 2008-05-29 RU RU2010154096/07A patent/RU2472174C2/ru active
- 2008-05-29 ES ES08789968.8T patent/ES2519469T3/es active Active
- 2008-05-29 EP EP08789968.8A patent/EP2283380B1/en active Active
- 2008-05-29 WO PCT/IT2008/000357 patent/WO2009144754A1/en active Application Filing
- 2008-05-29 US US12/994,538 patent/US8665131B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2166774C2 (ru) * | 1999-06-01 | 2001-05-10 | Тамбовский военный авиационный инженерный институт | Способ и устройство формирования поляризационного портрета земной или морской поверхности в двухчастотной цифровой рса |
RU2194288C2 (ru) * | 2000-12-15 | 2002-12-10 | Открытое акционерное общество "Корпорация "Фазотрон - научно-исследовательский институт радиостроения" | Радиолокационная система |
US7269538B1 (en) * | 2004-06-01 | 2007-09-11 | The United States Of America As Represented By The Secretary Of The Navy | Method for sparse data two-stage stochastic mensuration |
WO2006073037A1 (ja) * | 2005-01-07 | 2006-07-13 | Niigata University | 画像処理方法、画像処理装置および画像処理プログラムを記録した記録媒体 |
Non-Patent Citations (1)
Title |
---|
ELDHUSET KNUT An Automatic Ship and Ship Wake Detection System for Spacebomc SAR Images in Coastal Regions / IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 34, no. 4,1 July 1996 (1996-07-01). * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2536183C2 (ru) * | 2013-03-12 | 2014-12-20 | Федеральное государственное бюджетное учреждение науки Институт физического материаловедения Сибирского отделения Российской академии наук (ИФМ СО РАН) | Способ определения горизонтальной структуры древостоя |
Also Published As
Publication number | Publication date |
---|---|
WO2009144754A1 (en) | 2009-12-03 |
EP2283380B1 (en) | 2014-08-06 |
US8665131B2 (en) | 2014-03-04 |
EP2283380A1 (en) | 2011-02-16 |
CN102144173A (zh) | 2011-08-03 |
ES2519469T3 (es) | 2014-11-07 |
US20110169686A1 (en) | 2011-07-14 |
CN102144173B (zh) | 2014-08-20 |
RU2010154096A (ru) | 2012-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2472174C2 (ru) | Детектирование цели в изображаемом посредством sar морском районе | |
Ouchi et al. | Ship detection based on coherence images derived from cross correlation of multilook SAR images | |
KR102067242B1 (ko) | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 | |
CN108387896B (zh) | 一种基于探地雷达回波数据的自动汇聚成像方法 | |
Zhang et al. | P5. 4 WSR‐88D reflectivity quality control using horizontal and vertical reflectivity structure | |
Rosenberg | Characterization of high grazing angle X-band sea-clutter Doppler spectra | |
Grover et al. | Ship detection using Sentinel-1 SAR data | |
Cheng et al. | Implementation of S-band marine radar for surface wave measurement under precipitation | |
US7714766B2 (en) | Method of processing a radar image | |
WO2005043187A1 (en) | System and method for suppression of sea clutter in radar image | |
Liu et al. | Shadowing-analysis-based wave height measurement from ship-borne X-band nautical radar images | |
US8138962B2 (en) | Method for processing measured vertical profiles of the power of the echoes returned following a transmission of radar signals | |
Avolio et al. | A Near Real Time CFAR Approach for Ship Detection on Sar Data Based on a Generalised-K Distributed Clutter Estimation | |
TWI474029B (zh) | 應用微波雷達於海岸線及潮間帶地形測量之技術 | |
Zakhvatkina et al. | Detection of the leads in the Arctic Drifting Sea Ice on SAR images | |
Vattulainen et al. | Amplitude distribution of low grazing angle G-band littoral sea clutter | |
Schimpf et al. | Analysis of ATR features for non-cooperative ground-based classification of ships | |
KR20120040025A (ko) | 선박 레이더를 이용하여 국지 강수를 추정하는 시스템 및 그 추정방법 | |
Kaspersen | Marine radar properties, analysis and applications | |
Lensu et al. | Range compensation in pack ice imagery retrieved by coastal radars | |
Ouchi et al. | Application of ALOS–PALSAR to coastal waters with examples of ship detection, and information extraction on ocean waves and underwater marine cultivation | |
Yurovsky et al. | Sea Surface KA-BAND Doppler Scatterometry at High Wind Speed: a Field Experiment | |
CN116758413A (zh) | 一种零星房屋识别方法、装置及存储介质 | |
Lemp et al. | Forest monitoring using TerraSAR-X data—evaluation of processing methods and first results | |
Hallaråker | Evaluation of Speckle Variance, Higher Moments and Their Dependence on Incidence Angle. |