A Small Ship Target Detection Method Based on Polarimetric SAR
Notice bibliographique
Résumé
The detection of small fishing ships is very important for maritime fishery supervision. However, it is difficult to detect small ships using synthetic aperture radar (SAR), due to the weak target scattering and very small number of pixels. Polarimetric synthetic aperture radar (PolSAR) has been widely used in maritime ship detection due to its abundant target scattering information. In the present paper, a new ship detector, named ΛM, is developed based on the analysis of polarization scattering differences between ship and sea, then combined with the two-parameter constant false alarm rate method (TP-CFAR) algorithm to conduct ship detection. The goals of the detector construction are to fully consider the ship’s depolarization effect, and further amplify it through sliding window processing. First, the signal-to-clutter ratio (SCR) enhancement performance of ΛM for ships with different lengths ranging from 8 to 230 m under 90 different combinations of windows are analyzed in detail using three set of RADARSAT-2 quad-polarization data, then the appropriate window size is determined. In addition, the SCR enlargement between ΛM and some typical polarization features is compared. Among these, for ships of length greater than 35 m, the average contrast of ΛM is 33.7 dB, which is 20 dB greater than that of the HV channel. For small vessels of length less than 16 m, the average contrast of ΛM is 16 dB higher than that of HV channel on average. Finally, the RADARSAT-2 data including nonmetallic small vessels are used to perform ship detection tests, and the detection ability for conventional and small ships of some classic algorithms are compared and analyzed. For large vessels of length greater than 35 m, the method proposed in this paper is able to obtain a superior detection result, maintain the ship contour well, and suppress false alarms caused by the cross side lobe in the SAR image. For small vessels of length less than 16 m, the method proposed in this paper can reduce the number of missed targets, while also obtaining superior detection results, especially for small nonmetallic vessels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».