實(shí)測(cè)SAR圖像的艦船檢測(cè)方法研究
發(fā)布時(shí)間:2021-08-09 19:41
研究合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像上的艦船目標(biāo)檢測(cè)技術(shù)對(duì)我國(guó)的海洋管理和安全具有重要的意義。論文對(duì)SAR圖像上的艦船目標(biāo)檢測(cè)算法進(jìn)行了深入研究,針對(duì)當(dāng)前傳統(tǒng)的恒虛警(Constant False Alarm Rate,CFAR)算法不能夠較好地適應(yīng)大數(shù)據(jù)量的SAR圖像數(shù)據(jù),引入了更加適應(yīng)這種情況的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)Faster RCNN算法。論文主要的工作和創(chuàng)新為:1、基于SAR圖像進(jìn)行了背景海雜波建模的研究,討論了常見(jiàn)的海雜波分布參量模型,并且介紹了相應(yīng)的參數(shù)估計(jì)方法,然后給出了海雜波建模的方法,針對(duì)8幅不同類型的實(shí)測(cè)SAR圖像海面切片進(jìn)行了海雜波統(tǒng)計(jì)建模實(shí)驗(yàn),采用正態(tài)分布、瑞利分布、對(duì)數(shù)正態(tài)分布和韋伯分布進(jìn)行了直方圖擬合,并且使用K-S檢驗(yàn)和卡方檢驗(yàn)對(duì)各分布的擬合程度進(jìn)行了評(píng)價(jià)和對(duì)比。2、深入探討了CFAR檢測(cè)算法,首先對(duì)CFAR算法的本質(zhì)進(jìn)行了闡釋,介紹了常見(jiàn)的五種檢測(cè)器,并且對(duì)它們各自的結(jié)構(gòu)和應(yīng)用背景進(jìn)行了介紹,然后進(jìn)行SAR圖像艦船目標(biāo)的實(shí)際檢測(cè)實(shí)驗(yàn),采用了基于瑞利分布、對(duì)數(shù)正態(tài)分布和韋伯分布的CA-CFAR法與局部雙參數(shù)法,還...
【文章來(lái)源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:93 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
艦船目標(biāo)SAR圖像
SAR圖像海面切片樣本
圖 3. 3 空心滑窗示意圖推導(dǎo)出許多海雜波分布對(duì)應(yīng)的檢測(cè)閾值型,可以由該公式直接求解得到閾值,而 Alpha 穩(wěn)態(tài)分布等不能利用該公式直接來(lái)進(jìn)行求解。理位置和艦船目標(biāo)自身等因素的影響,起伏狀況。在使用 CFAR 檢測(cè)時(shí),其滑動(dòng),在很多的情形下往往是異質(zhì)的[36]。一雜波分為三種情況,一種是均勻的雜波背邊緣情況。針對(duì)三種情況,各種各樣的 C高背景雜波分布參數(shù)估計(jì)的準(zhǔn)確性。常見(jiàn)
【參考文獻(xiàn)】:
期刊論文
[1]基于多尺度熵和遺傳算法改進(jìn)的語(yǔ)音識(shí)別技術(shù)[J]. 樊;,穆春陽(yáng),馬行. 現(xiàn)代電子技術(shù). 2019(06)
[2]基于似物性判斷的SAR圖像艦船目標(biāo)檢測(cè)[J]. 曲岳晗,黃杰軍. 計(jì)算機(jī)與數(shù)字工程. 2019(01)
[3]基于多特征融合的SAR圖像艦船自學(xué)習(xí)檢測(cè)算法[J]. 楚博策,文義紅,陳金勇. 無(wú)線電工程. 2018(02)
[4]深度學(xué)習(xí)的研究現(xiàn)狀與發(fā)展[J]. 何曉萍,沈雅云. 現(xiàn)代情報(bào). 2017(02)
[5]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春. 北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[6]極大似然估計(jì)方法介紹[J]. 趙軍圣,莊光明,王增桂. 長(zhǎng)春理工大學(xué)學(xué)報(bào). 2010(06)
[7]改進(jìn)的SAR圖像雙參數(shù)CFAR艦船檢測(cè)算法[J]. 艾加秋,齊向陽(yáng),禹衛(wèi)東. 電子與信息學(xué)報(bào). 2009(12)
[8]SAR圖像統(tǒng)計(jì)建模研究綜述[J]. 高貴. 信號(hào)處理. 2009(08)
[9]三種重拖尾分布海雜波的比較與分析[J]. 扈羅全,林樂(lè)科,朱洪波. 電波科學(xué)學(xué)報(bào). 2007(06)
碩士論文
[1]SAR圖像海面艦船目標(biāo)檢測(cè)算法研究[D]. 韓東娟.中國(guó)航天科技集團(tuán)公司第五研究院西安分院 2018
[2]基于似然比檢驗(yàn)的對(duì)數(shù)正態(tài)分布控制圖[D]. 范倩.遼寧大學(xué) 2018
[3]基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)檢測(cè)[D]. 姜東民.沈陽(yáng)航空航天大學(xué) 2018
[4]海雜波幅度分布參數(shù)矩估計(jì)和恒虛警檢測(cè)[D]. 宋希珍.西安電子科技大學(xué) 2014
[5]SAR圖像艦船目標(biāo)檢測(cè)方法研究[D]. 李俊敏.西安電子科技大學(xué) 2014
[6]SAR圖像艦船目標(biāo)檢測(cè)算法研究[D]. 劉佳媛.哈爾濱工程大學(xué) 2013
[7]SAR圖像艦船目標(biāo)檢測(cè)方法研究[D]. 邢相薇.國(guó)防科學(xué)技術(shù)大學(xué) 2009
本文編號(hào):3332682
【文章來(lái)源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:93 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
艦船目標(biāo)SAR圖像
SAR圖像海面切片樣本
圖 3. 3 空心滑窗示意圖推導(dǎo)出許多海雜波分布對(duì)應(yīng)的檢測(cè)閾值型,可以由該公式直接求解得到閾值,而 Alpha 穩(wěn)態(tài)分布等不能利用該公式直接來(lái)進(jìn)行求解。理位置和艦船目標(biāo)自身等因素的影響,起伏狀況。在使用 CFAR 檢測(cè)時(shí),其滑動(dòng),在很多的情形下往往是異質(zhì)的[36]。一雜波分為三種情況,一種是均勻的雜波背邊緣情況。針對(duì)三種情況,各種各樣的 C高背景雜波分布參數(shù)估計(jì)的準(zhǔn)確性。常見(jiàn)
【參考文獻(xiàn)】:
期刊論文
[1]基于多尺度熵和遺傳算法改進(jìn)的語(yǔ)音識(shí)別技術(shù)[J]. 樊;,穆春陽(yáng),馬行. 現(xiàn)代電子技術(shù). 2019(06)
[2]基于似物性判斷的SAR圖像艦船目標(biāo)檢測(cè)[J]. 曲岳晗,黃杰軍. 計(jì)算機(jī)與數(shù)字工程. 2019(01)
[3]基于多特征融合的SAR圖像艦船自學(xué)習(xí)檢測(cè)算法[J]. 楚博策,文義紅,陳金勇. 無(wú)線電工程. 2018(02)
[4]深度學(xué)習(xí)的研究現(xiàn)狀與發(fā)展[J]. 何曉萍,沈雅云. 現(xiàn)代情報(bào). 2017(02)
[5]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春. 北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[6]極大似然估計(jì)方法介紹[J]. 趙軍圣,莊光明,王增桂. 長(zhǎng)春理工大學(xué)學(xué)報(bào). 2010(06)
[7]改進(jìn)的SAR圖像雙參數(shù)CFAR艦船檢測(cè)算法[J]. 艾加秋,齊向陽(yáng),禹衛(wèi)東. 電子與信息學(xué)報(bào). 2009(12)
[8]SAR圖像統(tǒng)計(jì)建模研究綜述[J]. 高貴. 信號(hào)處理. 2009(08)
[9]三種重拖尾分布海雜波的比較與分析[J]. 扈羅全,林樂(lè)科,朱洪波. 電波科學(xué)學(xué)報(bào). 2007(06)
碩士論文
[1]SAR圖像海面艦船目標(biāo)檢測(cè)算法研究[D]. 韓東娟.中國(guó)航天科技集團(tuán)公司第五研究院西安分院 2018
[2]基于似然比檢驗(yàn)的對(duì)數(shù)正態(tài)分布控制圖[D]. 范倩.遼寧大學(xué) 2018
[3]基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)檢測(cè)[D]. 姜東民.沈陽(yáng)航空航天大學(xué) 2018
[4]海雜波幅度分布參數(shù)矩估計(jì)和恒虛警檢測(cè)[D]. 宋希珍.西安電子科技大學(xué) 2014
[5]SAR圖像艦船目標(biāo)檢測(cè)方法研究[D]. 李俊敏.西安電子科技大學(xué) 2014
[6]SAR圖像艦船目標(biāo)檢測(cè)算法研究[D]. 劉佳媛.哈爾濱工程大學(xué) 2013
[7]SAR圖像艦船目標(biāo)檢測(cè)方法研究[D]. 邢相薇.國(guó)防科學(xué)技術(shù)大學(xué) 2009
本文編號(hào):3332682
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3332682.html
最近更新
教材專著