合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）,因為不受氣候與時間限制的工作特性,被廣泛應(yīng)用于軍事和民用的許多領(lǐng)域,SAR圖像自動目標(biāo)識別（Automatic Target Recognition,ATR）技術(shù)也成為對SAR圖像進(jìn)行處理與分析的重要手段。作為整個SAR ATR系統(tǒng)的基礎(chǔ),目標(biāo)檢測的質(zhì)量直接影響了對后續(xù)目標(biāo)識別的結(jié)果,因此研究SAR圖像的目標(biāo)檢測方法具有重要意義。人類視覺系統(tǒng)能夠?qū)D像中某些較為突出的對象給予更多的注意,這些對象稱為顯著目標(biāo)。利用人眼對這些顯著目標(biāo)的感知機(jī)制,研究人員提出了許多性能優(yōu)良的顯著目標(biāo)檢測算法。受此啟發(fā),本文將人眼視覺注意機(jī)制運(yùn)用到SAR圖像的目標(biāo)檢測中,對現(xiàn)有的顯著性檢測模型進(jìn)行改進(jìn),使其能夠適用于SAR圖像目標(biāo)檢測任務(wù)中。本文主要研究內(nèi)容與工作如下:（1）研究了基于人眼視覺注意機(jī)制的多種顯著性檢測模型,對不同類型的算法進(jìn)行了總結(jié)與分析。詳細(xì)研究了幾種經(jīng)典的顯著性檢測算法及其特點。（2）經(jīng)典的Itti算法用于SAR圖像目標(biāo)檢測時,容易出現(xiàn)檢測目標(biāo)形狀不清晰、可能會丟失大量原始信息的問題。對此,本文提出一種基于多尺度超像... 

【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)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

獼猴大腦皮層中參與視覺處理腦區(qū)連接示意圖，引自文獻(xiàn)[54]

第三章基于多尺度超像素的SAR圖像顯著目標(biāo)檢測方法31(c)Itti(d)雙參數(shù)CFAR圖3-9簡單多目標(biāo)檢測結(jié)果對比（一）(a)原圖(b)本章方法(c)Itti(d)雙參數(shù)CFAR圖3-10簡單多目標(biāo)檢測結(jié)果對比（二）本實驗中最小超像素尺度分別為25和50。從圖中可以看到，與實驗一相似，本章算法對于背景噪聲的濾波效果同樣比較好，檢測出來的顯著目標(biāo)邊界也比Itti算法的結(jié)果更好；同時相較雙參數(shù)CFAR的檢測結(jié)果，本章方法獲取的目標(biāo)結(jié)構(gòu)更為完整，背景更干凈，虛警率更低。實驗三：本實驗是復(fù)雜場景下的多目標(biāo)仿真實驗。本實驗的實驗對象是一幅來自于MiniSAR數(shù)據(jù)庫的分辨率為1683×1063的SAR圖像和一幅分辨率為374×246的機(jī)載SAR圖像。實驗結(jié)果如圖3-11和圖3-12所示。原始圖像如圖3-11(a)和圖3-12(a)所示，圖3-11(b)和圖3-12(b)表示使用本章方法取得的結(jié)果，對比算法

第三章基于多尺度超像素的SAR圖像顯著目標(biāo)檢測方法31(c)Itti(d)雙參數(shù)CFAR圖3-9簡單多目標(biāo)檢測結(jié)果對比（一）(a)原圖(b)本章方法(c)Itti(d)雙參數(shù)CFAR圖3-10簡單多目標(biāo)檢測結(jié)果對比（二）本實驗中最小超像素尺度分別為25和50。從圖中可以看到，與實驗一相似，本章算法對于背景噪聲的濾波效果同樣比較好，檢測出來的顯著目標(biāo)邊界也比Itti算法的結(jié)果更好；同時相較雙參數(shù)CFAR的檢測結(jié)果，本章方法獲取的目標(biāo)結(jié)構(gòu)更為完整，背景更干凈，虛警率更低。實驗三：本實驗是復(fù)雜場景下的多目標(biāo)仿真實驗。本實驗的實驗對象是一幅來自于MiniSAR數(shù)據(jù)庫的分辨率為1683×1063的SAR圖像和一幅分辨率為374×246的機(jī)載SAR圖像。實驗結(jié)果如圖3-11和圖3-12所示。原始圖像如圖3-11(a)和圖3-12(a)所示，圖3-11(b)和圖3-12(b)表示使用本章方法取得的結(jié)果，對比算法


本文編號：3433616