多角度SAR動目標檢測技術
多角度SAR的特點
多角度SAR作為一種新的SAR模式,它具備對場景的長時間觀測以及大合成孔徑角兩個優勢。已有研究表明,這兩點區別於傳統SAR模式的優勢,使得單通道系統也可以具備較強的動目標檢測能力。即,無需增加雷達系統的複雜度,就可以實現在軌星載SAR系統目標檢測能力的擴充套件和提升。這也使得多角度SAR目標研究成為新的研究熱點。
多角度SAR具備下面幾個優勢
1.大方位角帶來更高解析度
2.豐富的方位資訊有利於目標識別和分類
3.多角度觀測可以實現三維提取,且能有效減小、去除疊掩、陰影、透視伸縮等現象
隨著研究的深入,多角度SAR在地面動目標檢測方面的特性開始受到關注。對於場景中的動目標,多角度SAR可以實現長時間觀測,以及獲得動目標的豐富方位資訊。長時間觀測特性有利於對目標的監測和持續追蹤;豐富的方位資訊有利於對目標的速度進行估計。
注:文章選自《多角度SAR動目標檢測技術及其高分三號試驗驗證研究》
相關文章
- SAR目標檢測資料集彙總
- 移動應用隱私合規檢測簡介及目標檢測技術的應用
- 目標檢測
- 3D目標檢測技術有哪些好用的模型?3D模型
- 運動目標檢測與跟蹤
- 九、目標檢測
- 目標檢測技術演化:從R-CNN到Faster R-CNNCNNAST
- 從滑動視窗到YOLO、Transformer:目標檢測的技術革新YOLOORM
- 目標檢測面面觀
- 目標檢測之SSD
- 目標檢測綜述
- 28-目標檢測
- 目標檢測:二維碼檢測方案
- 「技術綜述」一文道盡R-CNN系列目標檢測CNN
- 目標檢測---教你利用yolov5訓練自己的目標檢測模型YOLO模型
- SSD 目標檢測 Keras 版Keras
- 目標檢測發展方向
- 目標檢測之YOLO系列YOLO
- 【目標檢測】R-CNNCNN
- 運動目標檢測演算法相關概念演算法
- 深度學習之目標檢測與目標識別深度學習
- 目標檢測相關論文
- 【目標檢測】Bounding Box Regression
- 深度學習之目標檢測深度學習
- 目標檢測:Segmentation is All You Need ?Segmentation
- 目標檢測資料集分析
- 2018目標檢測
- 目標檢測(Object Detection)總覽Object
- 目標檢測之RetinaNetNaN
- Object Detection(目標檢測神文)Object
- [AI開發]目標檢測之素材標註AI
- 做目標檢測,這一篇就夠了!2019最全目標檢測指南
- 目標檢測演算法學習演算法
- 目標檢測(一):LeNet-5
- 訓練一個目標檢測模型模型
- CVPR 2019 | PoolNet:基於池化技術的顯著性目標檢測
- DL目標檢測技術演進(通俗易懂,看一遍能記一輩子!)
- 目標檢測資料集,全部有標註