本文選題：合成孔徑雷達(dá) + 目標(biāo)檢測與識別��； 參考：《電子科技大學(xué)》2017年博士論文

【摘要】：合成孔徑雷達(dá)(Synthetic aperture radar,SAR)由于在不同氣候及光照條件下所具備的穩(wěn)定成像能力,成為軍事國防領(lǐng)域不可或缺的對地觀測手段。SAR圖像目標(biāo)檢測與識別作為SAR圖像處理與解譯的關(guān)鍵技術(shù),在偵查、監(jiān)測等軍事應(yīng)用上具有無可替代的作用。SAR成像技術(shù)自身的發(fā)展使得SAR圖像呈現(xiàn)高分辨率的特點(diǎn)。同時(shí),SAR成像技術(shù)越加廣泛的應(yīng)用使其面臨場景更加多樣、實(shí)際成像中電磁環(huán)境更加復(fù)雜的情況。這使得SAR圖像數(shù)據(jù)呈現(xiàn)復(fù)雜場景、強(qiáng)噪聲的特點(diǎn)。高分辨率使得SAR圖像中目標(biāo)呈現(xiàn)分布式特性,背景強(qiáng)度起伏更加劇烈;復(fù)雜場景使得SAR圖像中的目標(biāo)與背景區(qū)分度變低甚至目標(biāo)與某類背景近似;強(qiáng)噪聲使得目標(biāo)電磁散射特征退化嚴(yán)重,圖像信噪比降低。而傳統(tǒng)目標(biāo)檢測與識別方法面對這些SAR圖像數(shù)據(jù)呈現(xiàn)檢測率降低的趨勢。本文針對上述低檢測率SAR圖像情況,在總結(jié)和分析現(xiàn)有方法的基礎(chǔ)上,以準(zhǔn)確描述低檢測率SAR圖像特性和充分利用SAR圖像信息為出發(fā)點(diǎn),根據(jù)不同的低檢測率SAR圖像特性,提出了多種適用于不同低檢測率SAR圖像情況的目標(biāo)檢測方法。并在此基礎(chǔ)上,從SAR ATR系統(tǒng)的角度入手,分析低檢測率SAR圖像目標(biāo)檢測對識別的影響,為今后進(jìn)一步研究針對低檢測率SAR圖像的識別方法打下基礎(chǔ)。論文的主要工作和貢獻(xiàn)包括以下幾個(gè)方面:1.從應(yīng)用最為廣泛的恒虛警率(CFAR,constant false alarm rate)目標(biāo)檢測算法入手,分析了低檢測率SAR圖像目標(biāo)檢測存在的問題,對低檢測率SAR圖像的特性及檢測難點(diǎn)從高分辨率、強(qiáng)噪聲、復(fù)雜場景三個(gè)方面進(jìn)行了總結(jié)。2.針對低檢測率SAR圖像中的高分辨率情況,提出一種基于SVD分解的視覺注意目標(biāo)檢測方法。該方法是在分析了傳統(tǒng)視覺注意模型應(yīng)用于SAR圖像所存在的問題基礎(chǔ)上,將SVD分解與視覺注意模型相結(jié)合,建立基于SVD分解的多層結(jié)構(gòu)。同時(shí)結(jié)合高分辨率SAR圖像特性,在特征提取中引入一致性特征和標(biāo)準(zhǔn)偏差特征,實(shí)現(xiàn)對高分辨率SAR圖像的目標(biāo)檢測。實(shí)驗(yàn)表明,本文方法不僅能夠有效提高對高分辨率SAR圖像的目標(biāo)檢測性能,同時(shí)對分辨率具有較強(qiáng)的魯棒性。3.針對低檢測率SAR圖像中的強(qiáng)噪聲情況,提出一種超像素級別的基于信息論的目標(biāo)檢測方法。該方法首先通過超像素方法將以像素點(diǎn)為基本單元的SAR圖像轉(zhuǎn)化為以超像素為基本單元,然后基于超像素豐富的統(tǒng)計(jì)特征,利用包含了自信息與信息熵的信息度量篩選出候選目標(biāo)超像素,然后濾除虛警。實(shí)驗(yàn)表明,本文方法對噪聲具有較強(qiáng)的魯棒性,能有效提高對強(qiáng)噪聲SAR圖像的目標(biāo)檢測性能。4.針對低檢測率SAR圖像中的復(fù)雜場景情況,提出一種基于目標(biāo)存在可能性估計(jì)的目標(biāo)檢測方法。該方法首先通過基于場景分類和超像素生成的預(yù)處理將復(fù)雜場景SAR圖像轉(zhuǎn)化為具有不同場景標(biāo)簽的超像素集合,然后利用基于超像素自信息的初始顯著深度值和預(yù)測顯著深度值估計(jì)不同場景中存在目標(biāo)的可能性,最后將目標(biāo)存在可能性作為權(quán)重賦予視覺注意中的顯著圖,改變圖像顯著性的優(yōu)先級,實(shí)現(xiàn)復(fù)雜場景SAR圖像目標(biāo)檢測。實(shí)驗(yàn)表明,本文方法對目標(biāo)存在不同場景中、目標(biāo)同時(shí)存在多類場景中等情況都能準(zhǔn)確進(jìn)行估計(jì),同時(shí)本文方法不僅能夠有效提高復(fù)雜場景SAR圖像目標(biāo)檢測性能,對機(jī)場的飛機(jī)檢測、港口的艦船檢測等復(fù)雜場景SAR圖像中不同目標(biāo)檢測任務(wù)具有較好的適應(yīng)性。5.在對低檢測率SAR圖像進(jìn)行目標(biāo)檢測研究基礎(chǔ)上,從SAR ATR系統(tǒng)角度入手,分析了低檢測率SAR圖像對識別的影響,為今后進(jìn)一步研究針對低檢測率SAR圖像的識別方法打下基礎(chǔ)。對于高分辨率情況,利用多特征融合的識別方法可以降低目標(biāo)檢測所產(chǎn)生虛警對識別的影響。對于強(qiáng)噪聲情況,多特征融合的識別方法對噪聲的魯棒性要高于基于單一特征的CFAR檢測方法,因此需要更注重提升目標(biāo)檢測算法對噪聲的魯棒性。對于復(fù)雜場景情況,由于圖像局部區(qū)域可能與目標(biāo)特性近似,多特征融合的識別方法性能下降,需要在目標(biāo)檢測階段更加注重虛警的濾除,同時(shí)多傳感器融合的識別方法是一個(gè)較好的研究方向。總的來說,本文圍繞低檢測率SAR圖像目標(biāo)檢測與識別問題展開了一系列研究,豐富了SAR圖像目標(biāo)檢測與識別理論,可以為低檢測率條件下SAR圖像信息獲取與解譯提供有效方法。
[Abstract]:......
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 田維;徐旭;卞小林;柴勛;王世昂;宮華澤;熊文成;邵蕓;;環(huán)境一號C衛(wèi)星SAR圖像典型環(huán)境遙感應(yīng)用初探[J];雷達(dá)學(xué)報(bào);2014年03期

2 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對地觀測的若干前沿科學(xué)問題[J];中國科學(xué):地球科學(xué);2012年06期

3 陳韶斌;蔡超;丁明躍;周成平;;基于知識推理的機(jī)場目標(biāo)識別[J];紅外與激光工程;2011年03期

4 江悅;王潤生;王程;;采用上下文金字塔特征的場景分類[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年08期

5 袁禮海;宋建社;薛文通;趙偉舟;;SAR圖像自動目標(biāo)識別系統(tǒng)研究與設(shè)計(jì)[J];計(jì)算機(jī)應(yīng)用研究;2006年11期

6 劉洲峰,柏正堯,何佩琨,龍騰;識別SAR圖像中車輛和車輛群目標(biāo)的綜合方法[J];系統(tǒng)工程與電子技術(shù);2004年02期

7 匡綱要,計(jì)科峰,粟毅,郁文賢;SAR圖象自動目標(biāo)識別研究[J];中國圖象圖形學(xué)報(bào);2003年10期

8 強(qiáng)勇,焦李成,保錚;一種有效的用于雷達(dá)弱目標(biāo)檢測的算法[J];電子學(xué)報(bào);2003年03期

，

本文編號：1747084