文档介绍：低频地面检测SAR图像的变化检测摘要:在甚高频(VHF)带的低端区域里对超宽带合成孔径雷达(SAR)图像进行变化检测,已被证明对丛林遮掩下的类车辆目标的检测有出色的效果。本文中讨论了两种不同的变化检测算法,并未这两种算法的效果进行了评估。它们都基于相似的统计学假设检验,但也有不同:一种在集合体的基础上进行操作(相干变化检测),而另一种使用了大量的图像数据(非相干变化检测)。算法评估时是使用的从瑞典北部的空军CARABAS-IISAR处获得的雷达数据。这些数据是在一次对北方森林中隐蔽车辆的变化检测实验期间收集的()。结果表明:当使用图像的完全空间分辨率时,相干变化检测效果更好点;而当平均分辨率(2*2的分辨率单元)被考虑进来时,非相干检测表现更为出色。基于单通图像的车辆检测的效果的比较显示:在同样检测的可能性下二者效果优劣的顺序错误警告增加。1介绍目前最有前途的大区域地面监测系统之一是:与自动变化检测算法相结合的,工作在甚高频(VHF)带的低端区域(尤其是<100MHz)里的超宽带合成孔径雷达(SAR)。这种系统目前已经在关于较低的错误警告率(每单元面积的错误警告数量)和类车辆目标的检测的高可能性方面表现出很好的潜力。如果图像结构和变化检测处理被在平台上实现(注:什么平台?),那么那些传输位置和其他检测候选属性的数据比例将会大幅减少。文档来自于网络搜索低频和大的极小的带宽(对不对?)的结合在大区域变化检测中有许多优势。低频与几米的波长相对应,意思就是只有以米为数量级的障碍物或者更大点的物体才会在雷达处有明显的反应。另一方面,尺寸更小的物体只会提供反向散射,因为它们遵循Rayleigh散布制度(注:不知道对不对)。所以,在大多数情况下,影响雷达反应的物体在时间上都是稳定的,而且对诸如风、雨、雪之类的环境的变化不敏感。长的波长也意味着波穿过草木和树叶后的衰减是很小的,这样,就算在茂密的森林遮掩下,目标在绝大多数情况下也可以被描述出来。由于SAR图像的暂时稳定性,检测结果通过在某一时间段的图像上应用变化检测技术被很大程度改善。大的极小的带宽(对不对?)在这个应用中也非常重要,因为这样减少了雷达图像上的统计波动,可以在不同的入射几何情况下得到很高的图像关联。文档来自于网络搜索如表1所示SAR图像的变化检测可以很自然地分解成三个连续的处理过程。第一步,是图像阵列从原始数据到包括几何等级的SAR图像。许多方法已经被发明来处理原始数据使之变为SAR图像。它们中许多都是在一定频率范围操作,在这个范围内,对一个直线的飞机的轨迹是可以得到一个准确的目标点转置的。但是,在空间范围的处理操作方法更灵活,也能基本被用到任何获得的几何学中(获得的几何学?)。随着最近快速反投影方法的到来,时间域内的处理也能通过消耗与频率域方法相等的计算量来实现。紧接着,第二步使用了在同一区域的多幅图像,将区域分为变化与不变化的。最终,第三步,主要是减少错误警告和使被检测出的像素点聚集。文档来自于网络搜索在本论文中,我们主要讨论在第二第三步处理中用到的算法,即从已经被用phase-preserving算法编码过的SAR图像开始。特别的,我们提议并评估了两种变化检测算法在处理两幅SAR图像时的效果。这两种算法的主要不同是:第一种(相干变化检测)(CCD)对复杂的SAR数据进行操作,而第二种(非相干变化检测)(ICD)对为了减少复杂数据大小而删去的相位信息进行操作。然后,用一项来自CARABAS-IIairborneVHF-bandSAR的专门的变化检测试验中的空军的SAR图像数据对这两种算法进行了评估。,从为明确VHF-bandSAR变化检测的性能而收集的图像中选择了16幅图像。所以这些数据收集的时候就已经考虑到那些很可能影响到VHF-bandSAR变化检测性能的环境与系统状况。因此,用于这次研究的图像非常可以反映由于变化检测过程的不同而产生的性能上的变化。这两种算法在这一数据集上进行操作,并对它们的结果进行了分析与讨论。D算法是基于可适应的排列与空中地面移动目标迹象的理论。这种技术也被成为空间时间适应处理(STAP),而且已经在可适性抑制干扰方面与使用多相位中心天线的聚簇方面取得巨大成功。STAP基于探究目标、及它们时空特性中的聚簇与干扰信号间的不同。例如,一个缓慢移动的目标能够由固定聚簇(由于平台移动的多普勒效应)发现,具体地,通过探究固定位置的天线处接收到的聚簇信号是连续的,而移动目标的信号是随时间变化的。在平台上的多相位中心天线可能被用于在空间上的同一个地方加入样本信号,那就是说,为了补偿平