本文關(guān)鍵詞：一種基于變化檢測技術(shù)的SAR圖像艦船目標鑒別方法

  更多相關(guān)文章： SAR圖像 目標鑒別 似然比檢測量 KSW熵法 目標像素聚集度

【摘要】：該文引入變化檢測思想,利用SAR圖像中海雜波和目標之間的灰度差異,通過對潛在艦船目標切片的目標像素和背景像素進行分離,計算目標像素聚集度(TPAM)特征,實現(xiàn)對高亮像素在圖像切片中聚集程度的定量評估,從而鑒別目標切片中是否包含有艦船目標,有效去除雜波虛警。首先,基于感興趣區(qū)域(ROI)切片中心為目標像素及四周為海雜波的合理假設(shè),構(gòu)建似然比變化檢測量獲取差異圖像;然后,利用KSW熵閾值選擇方法實現(xiàn)差異圖像中目標像素和海雜波像素的自動分離,生成二值圖像;最后,利用切片中心像素為種子點,對二值圖像進行區(qū)域生長,計算目標像素聚集度特征,并判斷目標切片是否包含艦船目標�；赗ADARSAT-1 SAR實測數(shù)據(jù)的實驗結(jié)果表明,該文方法得到的目標像素聚集度特征計算簡單、穩(wěn)健性好、可區(qū)分度高,具有良好的鑒別性能,能夠去除大部分海雜波干擾產(chǎn)生的虛警,有效地降低目標檢測虛警率。
【作者單位】： 國防科學技術(shù)大學電子科學與工程學院;
【關(guān)鍵詞】： SAR圖像 目標鑒別 似然比檢測量 KSW熵法 目標像素聚集度
【基金】：國家自然科學基金(61201338)資助課題
【分類號】：TN957.52
【正文快照】： 1引言艦船目標的檢測與識別是海洋SAR圖像解譯技術(shù)的熱點和難點。在艦船檢測階段通常根據(jù)海雜波的數(shù)學統(tǒng)計模型設(shè)計恒虛警率(Constant False-Alarm Rate,CFAR)檢測算法。由于觀測場景中海面情況有時比較復(fù)雜,雜波干擾嚴重,而且在理論上CFAR檢測并不是最優(yōu)的檢測算法[1-3],致使

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙春江,施文康,鄧勇;具有魯棒性的圖像骨架提取方法[J];計算機應(yīng)用;2005年06期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 聶洪山;強起伏條件下紅外小目標檢測算法研究[D];國防科學技術(shù)大學;2004年

，

本文編號：886017