合成孔徑雷達(dá)（SAR）具有適用范圍廣,成像效果較好的特點(diǎn),但在海平面的場景下,由于海雜波復(fù)雜多變,要分析SAR圖像中海洋雜波的相關(guān)特性,并在此基礎(chǔ)上進(jìn)行目標(biāo)檢測工作具有較大的難度。同時由于海洋應(yīng)用的逐漸發(fā)展,近年來,各國越來越重視保護(hù)自身的海洋權(quán)益,因此如何在SAR海洋圖像中檢測出艦船目標(biāo)成為一個研究熱點(diǎn)。本文基于實(shí)際情況與需求,在SAR圖像預(yù)處理、海上目標(biāo)檢測和海上目標(biāo)識別三個方面進(jìn)行了相關(guān)方法研究,并將這三個方面作為三個重要步驟形成了一整套艦船檢測與識別處理流程方法。在SAR圖像預(yù)處理方面,使用了基于平穩(wěn)小波變換的小波去噪方法和基于大津法的海陸分割方法。由于傳統(tǒng)的引導(dǎo)函數(shù)去噪方法中引導(dǎo)圖不易得的劣勢和傳統(tǒng)小波去噪方法中小波變換過程會丟失相關(guān)細(xì)節(jié)信息的劣勢,本文基于小波去噪方法進(jìn)行改進(jìn),在變換過程中使用平穩(wěn)小波變換,使得圖像信息盡量保留并且不需要引導(dǎo)圖。去噪后本文基于大津法的進(jìn)行海陸分割,去除陸地干擾。在海上目標(biāo)檢測方面,使用了基于改進(jìn)背景窗的級聯(lián)CFAR檢測器。本文先對海洋雜波的特性進(jìn)行了分析,并對其進(jìn)行了建模處理,分析何種模型適合何種海況下的SAR圖像,接著在海雜波模型的基礎(chǔ)上進(jìn)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究目標(biāo)和內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 SAR圖像預(yù)處理方法研究
    2.1 SAR圖像斑噪抑制
        2.1.1 斑噪抑制方法概述
        2.1.2 基于平穩(wěn)小波變換的改進(jìn)小波去噪方法
        2.1.3 圖像去噪仿真實(shí)驗(yàn)結(jié)果分析
    2.2 海陸分割
        2.2.1 海陸分割常用方法概述
        2.2.2 基于大津法的海陸分割方法
        2.2.3 海陸分割仿真實(shí)驗(yàn)結(jié)果分析
    2.3 本章小結(jié)
第三章 海上目標(biāo)檢測方法研究
    3.1 海雜波模型建立
        3.1.1 海雜波模型建立概述
        3.1.2 基于參量統(tǒng)計(jì)的海雜波模型建立
        3.1.3 海雜波建模仿真實(shí)驗(yàn)結(jié)果分析
    3.2 基于CFAR的海上目標(biāo)檢測
        3.2.1 CFAR檢測算法概述
        3.2.2 基于改進(jìn)背景窗的級聯(lián)CFAR檢測器
        3.2.3 海上目標(biāo)檢測仿真實(shí)驗(yàn)結(jié)果分析
    3.3 本章小結(jié)
第四章 海上目標(biāo)識別方法研究
    4.1 目標(biāo)識別方法概述
        4.1.1 數(shù)據(jù)集介紹
        4.1.2 傳統(tǒng)目標(biāo)識別分類器分析
    4.2 基于拉東變換的艦船目標(biāo)特征提取
    4.3 基于不等距最優(yōu)超平面的改進(jìn)SVM目標(biāo)識別分類器
    4.4 海上目標(biāo)分類仿真實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]論可持續(xù)發(fā)展理念在各國海洋環(huán)境立法中的典型性應(yīng)用[J]. 凌欣,劉家沂.  天津大學(xué)學(xué)報(社會科學(xué)版). 2019(02)
[2]霧霾天氣下交通信號燈定位與識別算法[J]. 金充充,何立平,朱仲杰,屠仁偉.  浙江萬里學(xué)院學(xué)報. 2018(06)
[3]強(qiáng)噪聲背景信號的Perona-Malik擴(kuò)散濾波算法[J]. 毋文峰,陳小虎.  機(jī)械科學(xué)與技術(shù). 2018(08)
[4]一種改進(jìn)的基于小波變換的相干斑去噪方法[J]. 余金澳,吳彥鴻.  無線電工程. 2017(05)
[5]傅里葉變換與小波分析[J]. 付小葉.  數(shù)學(xué)建模及其應(yīng)用. 2016(02)
[6]新型自適應(yīng)背景窗的SAR圖像目標(biāo)檢測[J]. 張顥,王林,劉磊,李德勝.  儀表技術(shù). 2016(03)
[7]SAR圖像艦船目標(biāo)雙閾值快速CFAR檢測算法[J]. 曲長文,鄧淇元,江源.  艦船科學(xué)技術(shù). 2015(11)
[8]支持向量機(jī)理論與應(yīng)用研究綜述[J]. 張博洋.  無線互聯(lián)科技. 2015(19)
[9]基于Canny算子和Radon變換的證件圖像傾斜校正[J]. 馬歌.  中國新技術(shù)新產(chǎn)品. 2014(15)
[10]圖像噪聲類型識別研究[J]. 譚永杰,曹彥,王永亮.  周口師范學(xué)院學(xué)報. 2013(05)

博士論文
[1]地、海雜波建模及目標(biāo)檢測技術(shù)研究[D]. 姜斌.國防科學(xué)技術(shù)大學(xué) 2006

碩士論文
[1]基于SAR圖像的艦船目標(biāo)檢測算法的研究[D]. 孟雨晴.大連海事大學(xué) 2017
[2]基于SAR圖像的相干斑抑制算法[D]. 張敏.大連海事大學(xué) 2016
[3]基于SAR圖像的海面艦船目標(biāo)檢測與鑒別算法研究[D]. 曹芳.西安電子科技大學(xué) 2014
[4]SAR圖像艦船目標(biāo)檢測與鑒別技術(shù)研究[D]. 曹峰.國防科學(xué)技術(shù)大學(xué) 2012
[5]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012
[6]基于小波變換的圖像去噪方法研究[D]. 張郝.北京交通大學(xué) 2008



本文編號：3202518