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

【摘要】：合成孔徑雷達(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,成為軍事國防領域不可或缺的對地觀測手段。SAR圖像目標檢測與識別作為SAR圖像處理與解譯的關鍵技術,在偵查、監(jiān)測等軍事應用上具有無可替代的作用。SAR成像技術自身的發(fā)展使得SAR圖像呈現(xiàn)高分辨率的特點。同時,SAR成像技術越加廣泛的應用使其面臨場景更加多樣、實際成像中電磁環(huán)境更加復雜的情況。這使得SAR圖像數據呈現(xiàn)復雜場景、強噪聲的特點。高分辨率使得SAR圖像中目標呈現(xiàn)分布式特性,背景強度起伏更加劇烈;復雜場景使得SAR圖像中的目標與背景區(qū)分度變低甚至目標與某類背景近似;強噪聲使得目標電磁散射特征退化嚴重,圖像信噪比降低。而傳統(tǒng)目標檢測與識別方法面對這些SAR圖像數據呈現(xiàn)檢測率降低的趨勢。本文針對上述低檢測率SAR圖像情況,在總結和分析現(xiàn)有方法的基礎上,以準確描述低檢測率SAR圖像特性和充分利用SAR圖像信息為出發(fā)點,根據不同的低檢測率SAR圖像特性,提出了多種適用于不同低檢測率SAR圖像情況的目標檢測方法。并在此基礎上,從SAR ATR系統(tǒng)的角度入手,分析低檢測率SAR圖像目標檢測對識別的影響,為今后進一步研究針對低檢測率SAR圖像的識別方法打下基礎。論文的主要工作和貢獻包括以下幾個方面:1.從應用最為廣泛的恒虛警率(CFAR,constant false alarm rate)目標檢測算法入手,分析了低檢測率SAR圖像目標檢測存在的問題,對低檢測率SAR圖像的特性及檢測難點從高分辨率、強噪聲、復雜場景三個方面進行了總結。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檢測方法。該方法是在分析了傳統(tǒng)視覺注意模型應用于SAR圖像所存在的問題基礎上,將SVD分解與視覺注意模型相結合,建立基于SVD分解的多層結構。同時結合高分辨率SAR圖像特性,在特征提取中引入一致性特征和標準偏差特征,實現(xiàn)對高分辨率SAR圖像的目標檢測。實驗表明,本文方法不僅能夠有效提高對高分辨率SAR圖像的目標檢測性能,同時對分辨率具有較強的魯棒性。3.針對低檢測率SAR圖像中的強噪聲情況,提出一種超像素級別的基于信息論的目標檢測方法。該方法首先通過超像素方法將以像素點為基本單元的SAR圖像轉化為以超像素為基本單元,然后基于超像素豐富的統(tǒng)計特征,利用包含了自信息與信息熵的信息度量篩選出候選目標超像素,然后濾除虛警。實驗表明,本文方法對噪聲具有較強的魯棒性,能有效提高對強噪聲SAR圖像的目標檢測性能。4.針對低檢測率SAR圖像中的復雜場景情況,提出一種基于目標存在可能性估計的目標檢測方法。該方法首先通過基于場景分類和超像素生成的預處理將復雜場景SAR圖像轉化為具有不同場景標簽的超像素集合,然后利用基于超像素自信息的初始顯著深度值和預測顯著深度值估計不同場景中存在目標的可能性,最后將目標存在可能性作為權重賦予視覺注意中的顯著圖,改變圖像顯著性的優(yōu)先級,實現(xiàn)復雜場景SAR圖像目標檢測。實驗表明,本文方法對目標存在不同場景中、目標同時存在多類場景中等情況都能準確進行估計,同時本文方法不僅能夠有效提高復雜場景SAR圖像目標檢測性能,對機場的飛機檢測、港口的艦船檢測等復雜場景SAR圖像中不同目標檢測任務具有較好的適應性。5.在對低檢測率SAR圖像進行目標檢測研究基礎上,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,為今后進一步研究針對低檢測率SAR圖像的識別方法打下基礎。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檢測所產生虛警對識別的影響。對于強噪聲情況,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檢測算法對噪聲的魯棒性。對于復雜場景情況,由于圖像局部區(qū)域可能與目標特性近似,多特征融合的識別方法性能下降,需要在目標檢測階段更加注重虛警的濾除,同時多傳感器融合的識別方法是一個較好的研究方向�？偟膩碚f,本文圍繞低檢測率SAR圖像目標檢測與識別問題展開了一系列研究,豐富了SAR圖像目標檢測與識別理論,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]:......
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TN957.52

【參考文獻】

相關期刊論文 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)境遙感應用初探[J];雷達學報;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問題[J];中國科學:地球科學;2012年06期

3 陳韶斌;蔡超;丁明躍;周成平;;基于知識推理的機場目標識別[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];計算機輔助設計與圖形學學報;2010年08期

5 袁禮海;宋建社;薛文通;趙偉舟;;SAR圖像自動目標識別系統(tǒng)研究與設計[J];計算機應用研究;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的綜合方法[J];系統(tǒng)工程與電子技術;2004年02期

7 匡綱要,計科峰,粟毅,郁文賢;SAR圖象自動目標識別研究[J];中國圖象圖形學報;2003年10期

8 強勇,焦李成,保錚;一種有效的用于雷達弱目標檢測的算法[J];電子學報;2003年03期

，

本文編號：1747084