合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像艦船目標(biāo)檢測是雷達(dá)圖像解譯應(yīng)用需求之一,高分三號(hào)衛(wèi)星作為我國自主研發(fā)并成功發(fā)射的相控陣體制衛(wèi)星。它具有多模式多功能、成像幅寬廣、運(yùn)行壽命長、成像圖像質(zhì)量高等特點(diǎn),其利用微波成像體制可以實(shí)現(xiàn)全天候和全天時(shí)的對(duì)全球陸地和海洋進(jìn)行監(jiān)測與遙感監(jiān)視。因此利用高分三號(hào)衛(wèi)星提供的雷達(dá)圖像數(shù)據(jù)研究艦船目標(biāo)快速檢測算法具有十分重要的理論意義和實(shí)際價(jià)值。本文主要研究了應(yīng)用于高分三號(hào)圖像艦船目標(biāo)快速檢測算法,開發(fā)了應(yīng)用于高分三號(hào)圖像艦船目標(biāo)快速檢測的軟件系統(tǒng)。論文的主要工作和研究成果如下:針對(duì)海陸交界復(fù)雜背景下,陸地上產(chǎn)生過多虛假目標(biāo)的問題,第二章研究了基于最大類間方差算法的SAR圖像海陸分割算法,其主要介紹了圖像預(yù)處理方法、最大類間方差算法、形態(tài)學(xué)處理以及海岸線獲取方法等。最后利用高分三號(hào)圖像進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文方法可以比較精準(zhǔn)的獲取陸地海岸線并有效的剔除陸地區(qū)域。第三章為整個(gè)艦船檢測過程中第一級(jí)粗檢測算法研究。針對(duì)傳統(tǒng)恒虛警率(Constant False Alarm Rate,CFAR)檢測算法的檢測過程是非常耗時(shí)的問題,提出了基于傅里葉變換的快速CFAR檢測算法。首先介紹了傳統(tǒng)CFAR檢測算法模型與快速CFAR檢測算法模型的原理,并給出了其核心過程計(jì)算量對(duì)比分析。在實(shí)際高分三號(hào)圖像場景中,針對(duì)海雜波背景分布模型服從瑞利分布,提出了基于瑞利分布的快速CFAR檢測方法。針對(duì)海雜波背景分布模型服從高斯分布,提出了基于高斯分布的快速CFAR艦船檢測方法。實(shí)驗(yàn)結(jié)果表明,本文提出的快速CFAR檢測算法能夠在檢測效果與傳統(tǒng)CFAR檢測方法一樣的條件下,大幅度降低檢測時(shí)間。第四章為整個(gè)艦船檢測過程中第二級(jí)精檢測算法研究。針對(duì)傳統(tǒng)CFAR檢測算法檢測性能不高的問題,提出了基于支持向量機(jī)(Support Vector Machine,SVM)分類器的艦船目標(biāo)方向梯度直方圖(Histogram Of Oriented Gradient,HOG)特征精檢測算法。首先著重介紹了HOG特征的工作原理以及特征獲取的整個(gè)流程。由于特征獲取過程中塊內(nèi)重疊現(xiàn)象,提出采用三線性插值方法來修正HOG特征向量。其次對(duì)精檢測算法流程進(jìn)行介紹,包括SVM分類算法的工作原理、SVM分類器設(shè)計(jì)以及采用交叉驗(yàn)證訓(xùn)練方法驗(yàn)證分類器效果。最后利用高分三號(hào)5米分辨率和1米分辨率雷達(dá)圖像對(duì)精檢測算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,通過將基于高斯分布的的快速CFAR檢測算法獲得的候選目標(biāo)進(jìn)行精確檢測,實(shí)現(xiàn)艦船目標(biāo)的多級(jí)檢測,能夠大幅提升整個(gè)檢測系統(tǒng)的性能。第五章的核心工作為利用基于高斯分布的快速CFAR檢測算法和基于SVM分類器的艦船目標(biāo)精檢測算法,開發(fā)了一套用于處理高分三號(hào)圖像的交互軟件。該軟件能夠根據(jù)用戶的需求,實(shí)現(xiàn)高分三號(hào)圖像中艦船目標(biāo)的精確檢測,提取艦船位置以及相關(guān)參數(shù)。實(shí)驗(yàn)結(jié)果表明,該軟件中的檢測算法模塊可以完成基本的應(yīng)用需求,同時(shí)也為用戶提供便捷的人機(jī)交互界面。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN957.52
【部分圖文】：

中國臺(tái)灣省花蓮縣附近高分三號(hào) SAR 圖像2016 年 8 月，高分三號(hào)衛(wèi)星采用精細(xì)條帶 2、VH 極化模式對(duì)天津某港口進(jìn)行像，獲得分辨率為 10 米的雷達(dá)圖像。從圖中可以大致的看出河流、港口等地形地特征。國內(nèi)西安電子科技大學(xué)雷達(dá)信號(hào)處理國家重點(diǎn)實(shí)驗(yàn)室某課題組根據(jù)應(yīng)用需求現(xiàn)了對(duì)天津港口局部區(qū)域低分辨率目標(biāo)檢測，獲得了比較好的檢測效果，如下圖 1和圖 1.6 所示。

海面艦船檢測是高分三號(hào)雷達(dá)圖像艦船檢測系統(tǒng)的核心，其主要思想是利用在雷達(dá)圖像上艦船目標(biāo)與非艦船目標(biāo)特征差異性實(shí)現(xiàn)檢測，在海面艦船檢測識(shí)別中，針對(duì)不同的海況信息，提出了多種統(tǒng)計(jì)分布模型，如瑞利分布[34]、高斯分布[35,36]、0G 分布[37]、K分布[38,39]、Weibull分布[40,41]、伽馬分布、廣義伽馬分布、有限混合分布[42,43]等模型。其中，基于 K 分布和高斯分布的 CFAR 方法被證實(shí)可以應(yīng)用于具有不同海況信息的艦船目標(biāo)檢測。關(guān)于艦船檢測的研究大多針對(duì)分辨率不高的圖像，在雷達(dá)圖像中感興趣的艦船只占幾個(gè)像素單元或者十幾個(gè)像素單元。為了實(shí)現(xiàn)艦船實(shí)時(shí)檢測，加快檢測的速度，避免在每一個(gè)像素單元進(jìn)行復(fù)雜的閾值計(jì)算，各國研究者分別提出了許多算法。加拿大海洋監(jiān)視工作站[18,19]檢測系統(tǒng)算法中沒有采用滑動(dòng)窗口的辦法，對(duì)整幅圖像進(jìn)行切割對(duì)切割后的每一幅子圖像進(jìn)行 K 分布參數(shù)估計(jì)和閾值計(jì)算，雖然提升了檢測效率，但是檢測性能降低。還有許多的研究者分別提出了基于全局閾值的方法，雖然檢測速度比較快，但是其背景雜波的變化會(huì)大大的降低檢測性能。基于滑窗思想的檢測方法，檢測效果比較理想，但是計(jì)算效率降低。因此有不少研究者提出了將基于全局閾值和

西安電子科技大學(xué)碩士學(xué)位論文本文算法檢測到目標(biāo)的像素個(gè)數(shù)為 132，備相同的目標(biāo)檢測性能；但是根據(jù)實(shí)驗(yàn)設(shè)定比，理論上本文算法能夠提高檢測速度約下，傳統(tǒng) CFAR 算法檢測用時(shí) 4.9s，本文同，說明了在相同仿真環(huán)境下，本文算法在況下，所用檢測時(shí)間大大縮短，具有更高的

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙春暉;欒世杰;;相位譜的光學(xué)遙感圖像艦船目標(biāo)檢測[J];沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

2 李亞超;周瑞雨;全英匯;邢孟道;;采用自適應(yīng)背景窗的艦船目標(biāo)檢測算法[J];西安交通大學(xué)學(xué)報(bào);2013年06期

3 黃冬麗;戴健文;馮超;張金麗;于雙;張芳;;HOG特征提取中的三線性插值算法[J];電腦知識(shí)與技術(shù);2012年31期

4 艾加秋;齊向陽;;一種基于局部K-分布的新的SAR圖像艦船檢測算法[J];中國科學(xué)院研究生院學(xué)報(bào);2010年01期

5 艾加秋;齊向陽;禹衛(wèi)東;;改進(jìn)的SAR圖像雙參數(shù)CFAR艦船檢測算法[J];電子與信息學(xué)報(bào);2009年12期

6 林幼權(quán);;星載合成孔徑成像雷達(dá)發(fā)展現(xiàn)狀與趨勢[J];現(xiàn)代雷達(dá);2009年10期

7 賀志國;周曉光;陸軍;匡綱要;;一種基于G~0分布的SAR圖像快速CFAR檢測方法[J];國防科技大學(xué)學(xué)報(bào);2009年01期

8 張軍;田昊;黃英君;;利用高斯混合模型的SAR圖像目標(biāo)CFAR檢測新方法[J];中國圖象圖形學(xué)報(bào);2009年01期

9 李曉瑋;種勁松;;基于小波分解的K-分布SAR圖像艦船檢測[J];測試技術(shù)學(xué)報(bào);2007年04期

10 張風(fēng)麗;張磊;吳炳方;;歐盟船舶遙感探測技術(shù)與系統(tǒng)研究的進(jìn)展[J];遙感學(xué)報(bào);2007年04期

相關(guān)博士學(xué)位論文 前1條

1 邢相薇;HRWS SAR圖像艦船目標(biāo)監(jiān)視關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前8條

1 吳南;基于HOG特征的船舶識(shí)別跟蹤算法[D];大連海事大學(xué);2017年

2 梁鑫;基于深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別算法的研究[D];南京林業(yè)大學(xué);2016年

3 應(yīng)厚澤;基于機(jī)器學(xué)習(xí)的SAR圖像分類與識(shí)別研究[D];南京理工大學(xué);2016年

4 李俊敏;SAR圖像艦船目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2014年

5 汪煒;高分辨率SAR圖像海上艦船目標(biāo)檢測方法研究[D];上海交通大學(xué);2014年

6 周瑞雨;基于VxWorks操作系統(tǒng)的SAR實(shí)時(shí)成像及艦船目標(biāo)檢測算法實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

7 邢相薇;SAR圖像艦船目標(biāo)檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

8 張亮;SAR圖像艦船目標(biāo)檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2007年

本文編號(hào)：2816879