基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
稀疏微波成像利用观测场景在空时频极化等表示域上的稀疏先验,通过线性综合测量方式获得比传统Nyquist采样低得多的回波数据,使用优化重构算法恢复观测场景微波图像,相对于传统微波成像体制具有诸多优势。在稀疏微波成像体制下,图像的获取和表征均发生了变化,需要在雷达图像理解现有理论和方法的基础上,研究新的特征分析和认知解译理论与方法。该文分析了稀疏SAR图像的统计特性以及点、线、面等特征的变化情况,对于使用空域稀疏模型重构的SAR图像,统计分布退化,适当降低采样率不影响点、线目标的提取精度。在此基础之上,研究了稀疏SAR图像海上舰船目标检测方法,得益于较弱的背景噪声,稀疏SAR图像的目标检测使用简单的阈值处理即可获得较好的检测效果。
推荐文章
SAR图像中地面目标自动检测方法研究
多目标和单目标
SAR图像
恒虚警
Weibull分布
基于聚类的SAR图像快速目标检测
合成孔径雷达图像
目标检测
恒虚警率检测
Mean Shift聚类
基于RetinaNet的SAR图像舰船目标检测
合成孔径雷达(SAR)图像
舰船目标检测
深度学习
RetinaNet
基于 NSCT分解系数的SAR图像目标检测算法
合成孔径雷达图像
恒虚警率
非下采样轮廓波变换
目标检测
多尺度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 稀疏微波SAR图像特征分析与目标检测研究
来源期刊 雷达学报 学科 工学
关键词 稀疏表示 合成孔径雷达 压缩感知 特征提取 目标检测
年,卷(期) 2016,(1) 所属期刊栏目 稀疏微波成像技术
研究方向 页码范围 42-56
页数 15页 分类号 TP75|TN958
字数 9249字 语种 中文
DOI 10.12000/JR15097
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郁文贤 上海交通大学电子信息与电气工程学院智能探测与识别上海市重点实验室 70 351 10.0 14.0
2 张增辉 上海交通大学电子信息与电气工程学院智能探测与识别上海市重点实验室 12 37 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (18)
参考文献  (34)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(5)
  • 参考文献(5)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏表示
合成孔径雷达
压缩感知
特征提取
目标检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
雷达学报
双月刊
2095-283X
10-1030/TN
大16开
北京市海淀区北四环西路19号
2012
chi
出版文献量(篇)
766
总下载数(次)
3
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导