针对合成孔径雷达(SAR)图像中舰船目标稀疏的特点,提出一种基于级联卷积神经网络(CNN)的SAR图像舰船目标检测方法.将候选区域提取方法BING与目标检测方法Fast R-CNN相结合,并采用级联CNN设计,可同时兼顾舰船检测的准确率和速度.首先,针对SAR图像中相干斑噪声影响梯度检测的问题,在原有梯度算子的基础上增加平滑算子,并对图像尺寸个数和候选框个数进行适应性改进,使其提取到的候选窗口更快更准;然后,设计级联结构的Fast R-CNN检测框架,前端简单的CNN负责排除明显的非目标区域,后端复杂的CNN对高概率候选区域进行分类和位置回归,整个结构可以保证快速准确地对舰船这种稀疏目标进行检测;最后,设计一种联合优化方法对多任务的目标函数进行优化,使其更快更好地收敛.在SAR图像舰船检测数据集SSDD上的实验结果显示,所提出的方法相比于原始Fast R-CNN和Faster R-CNN检测方法,检测精度从65.2%和70.1%提高到73.5%,每张图像的处理时间从2235ms和198ms下降到113ms.

经典的KUAN算法，可以用来去除SAR图像中的相干斑噪声，修改加载的图片路径后可以直接运行。

通常认为SAR图像的斑点噪声服从Gamma分布，按着此原理由普通图像生成SAR仿真图像。就是酱紫啊！

这只是我本科毕业答辩的PPT，对应代码之后再发布，网络有Resnet、Alexnet、VGGNet、SqueezeNet，数据增强方式有常规数据增强和DCGAN数据增强

改进的多视PolSAR非局部均值滤波算法

一篇关于sar图像的外文翻译，题目为《Extracting information from shadows in SAR imagery》

快速的适合于高清晰度sar图像目标探测的基于自动删除算法的最大选择恒虚警检测器，有详细的算法原理和举例说明

适合初学者的源程序代码，简单易懂，可以实现SAR图像的两区域分割，稍作修改则可以实现多区域分割，个人认为是很不错的一份资料。

SAR图像去燥的Lee、frost、kuan算法 的MATLAB实现，完美运行

随着遥感成像技术的发展，遥感图像中大型移动目标的检测和识别成为可能，舰船目标检测和识别就是在这一背景下提出的。在参考大量文献的基础上，回顾了舰船检测的发展历程，分析了其研究现状，对舰船检测方法进行了综述并分类，在此基础上对各类算法进行对比，最后给出了该领域存在的问题和发展趋势。