發(fā)布時(shí)間：2017-09-16 21:18

  本文關(guān)鍵詞：SAR圖像艦船目標(biāo)檢測算法研究

  更多相關(guān)文章： SAR圖像 艦船檢測 統(tǒng)計(jì)模型 恒虛警率 閾值調(diào)整

【摘要】：SAR艦船目標(biāo)檢測技術(shù)在軍事目標(biāo)跟蹤、戰(zhàn)場環(huán)境監(jiān)視和偵察、遠(yuǎn)程戰(zhàn)略預(yù)警等領(lǐng)域中都有著大量的應(yīng)用，是現(xiàn)代高科技戰(zhàn)爭中贏得戰(zhàn)爭勝利的關(guān)鍵因素之一，已成為軍事領(lǐng)域的前沿任務(wù)，世界各國都給予高度的重視，開展基于SAR圖像的艦船目標(biāo)檢測技術(shù)的研究具有重要意義。本文研究工作主要集中在海雜波背景建模與艦船目標(biāo)檢測算法兩個(gè)方面。 本文首先對海洋雜波統(tǒng)計(jì)特性進(jìn)行分析，對常用的海雜波模型進(jìn)行了研究，給出了各個(gè)分布模型在SAR海雜波建模中的適用范圍，對其應(yīng)用于目標(biāo)檢測時(shí)的閾值與虛警概率之間的關(guān)系進(jìn)行了定性的研究。分別從模型的選定、模型參數(shù)的估計(jì)、模型的擬合程度評估三個(gè)方面對海雜波的參數(shù)模型建立過程進(jìn)行了闡述，并給出了實(shí)驗(yàn)結(jié)果及分析。 其次，研究了CFAR艦船檢測算法的原理及流程，對多種CFAR檢測器的結(jié)構(gòu)及檢測性能進(jìn)行分析，給出了應(yīng)用于艦船目標(biāo)檢測中的全局CFAR算法與局部雙參數(shù)CFAR算法的原理與流程，采用多種經(jīng)典雜波分布模型對上述兩種CFAR算法進(jìn)行實(shí)現(xiàn)。 再次，針對傳統(tǒng)CA-CFAR算法無法兼顧SAR圖像全局信息與局部信息的問題，提出了一種改進(jìn)的CFAR算法，使用全局閾值對局部閾值進(jìn)行調(diào)整，利用待測單元鄰域灰度信息對圖像進(jìn)行灰度重構(gòu)，增強(qiáng)了目標(biāo)與背景的對比度，抑制斑點(diǎn)噪聲的影響，實(shí)驗(yàn)證明改進(jìn)的方法能夠較好的兼顧圖像全局與局部信息，提高了艦船目標(biāo)的檢測性能。 最后，本文將寬動(dòng)態(tài)范圍的分布模型與VI-CFAR檢測器結(jié)合，使得算法具有更廣泛的海雜波擬合范圍，并能夠自適應(yīng)的根據(jù)當(dāng)前雜波環(huán)境選取與之匹配的檢測器。提出了基于韋布分布與K分布的VI-CFAR算法，并將前文中改進(jìn)CFAR算法的閾值處理與灰度值重構(gòu)部分應(yīng)用其中，通過實(shí)例應(yīng)用驗(yàn)證了改進(jìn)算法的優(yōu)越性。
【關(guān)鍵詞】：SAR圖像 艦船檢測 統(tǒng)計(jì)模型 恒虛警率 閾值調(diào)整
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 課題研究的背景和意義10-11
• 1.2 課題的國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 SAR 技術(shù)的國內(nèi)外研究現(xiàn)狀11-13
• 1.2.2 SAR 圖像目標(biāo)檢測技術(shù)的國內(nèi)外研究現(xiàn)狀13-14
• 1.3 論文的研究內(nèi)容及結(jié)構(gòu)安排14-16
• 第2章 SAR 圖像艦船目標(biāo)檢測基礎(chǔ)理論16-28
• 2.1 引言16
• 2.2 SAR 系統(tǒng)參數(shù)及成像原理16-19
• 2.2.1 SAR 系統(tǒng)參數(shù)16-17
• 2.2.2 SAR 系統(tǒng)成像原理17-19
• 2.3 SAR 圖像特征19-21
• 2.4 SAR 圖像目標(biāo)幾何特征21-24
• 2.5 SAR 圖像艦船目標(biāo)檢測影響因素24-27
• 2.5.1 SAR 系統(tǒng)因素24-25
• 2.5.2 艦船因素25-26
• 2.5.3 海洋環(huán)境因素26-27
• 2.6 本章小結(jié)27-28
• 第3章 SAR 圖像海雜波統(tǒng)計(jì)建模28-50
• 3.1 引言28
• 3.2 SAR 圖像海雜波統(tǒng)計(jì)模型分類28-29
• 3.3 典型海雜波參量模型29-38
• 3.3.1 基于高斯分布的統(tǒng)計(jì)模型29-31
• 3.3.2 基于對數(shù)正態(tài)分布的統(tǒng)計(jì)模型31-33
• 3.3.3 基于韋布分布的統(tǒng)計(jì)模型33-34
• 3.3.4 基于瑞利分布的統(tǒng)計(jì)模型34-36
• 3.3.5 基于 K 分布的統(tǒng)計(jì)模型36-38
• 3.4 典型海雜波統(tǒng)計(jì)分布模型的參數(shù)估計(jì)方法38-43
• 3.4.1 高斯分布模型參數(shù)估計(jì)39
• 3.4.2 對數(shù)正態(tài)分布模型參數(shù)估計(jì)39
• 3.4.3 韋布分布模型參數(shù)估計(jì)39-40
• 3.4.4 瑞利分布模型參數(shù)估計(jì)40
• 3.4.5 K 分布模型參數(shù)估計(jì)40-42
• 3.4.6 實(shí)驗(yàn)結(jié)果及分析42-43
• 3.5 海雜波分布模型的擬合程度評估方法43-46
• 3.5.1 AIC 準(zhǔn)則43-44
• 3.5.2 絕對值誤差檢驗(yàn)44
• 3.5.3 Pearson 檢驗(yàn)44
• 3.5.4 K-S 檢驗(yàn)44-45
• 3.5.5 D’Agostino-Pearson 匹配檢驗(yàn)45-46
• 3.5.6 偏度系數(shù)檢驗(yàn)46
• 3.5.7 峰度系數(shù)檢驗(yàn)46
• 3.6 實(shí)驗(yàn)結(jié)果及分析46-48
• 3.7 本章小結(jié)48-50
• 第4章 基于 CFAR 的 SAR 圖像艦船目標(biāo)檢測方法50-60
• 4.1 引言50
• 4.2 基于 CFAR 的 SAR 圖像艦船目標(biāo)檢測原理50-56
• 4.2.1 CFAR 檢測算法描述51-52
• 4.2.2 CFAR 檢測器52-56
• 4.3 全局和局部的 CFAR 檢測算法56-59
• 4.3.1 全局 CFAR 檢測算法56-57
• 4.3.2 局部雙參數(shù) CFAR 檢測算法57-58
• 4.3.3 實(shí)驗(yàn)結(jié)果及分析58-59
• 4.4 本章小結(jié)59-60
• 第5章 自適應(yīng) SAR 圖像艦船目標(biāo)檢測方法60-73
• 5.1 引言60
• 5.2 改進(jìn)的 CFAR 檢測方法60-64
• 5.2.1 閾值調(diào)整61
• 5.2.2 灰度值重構(gòu)61-62
• 5.2.3 實(shí)驗(yàn)結(jié)果及分析62-64
• 5.3 韋布分布下的 VI-CFAR 檢測方法64-69
• 5.3.1 背景數(shù)據(jù)類型確定與選取65-66
• 5.3.2 韋布分布下檢測閾值的確定66-67
• 5.3.3 實(shí)驗(yàn)結(jié)果及分析67-69
• 5.4 K 分布下的 VI-CFAR 檢測方法69-72
• 5.4.1 背景數(shù)據(jù)類型確定與選取69
• 5.4.2 K 分布下檢測閾值的確定69-70
• 5.4.3 實(shí)驗(yàn)結(jié)果及分析70-72
• 5.5 本章小結(jié)72-73
• 結(jié)論73-74
• 參考文獻(xiàn)74-78
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果78-79
• 致謝79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 扈羅全;林樂科;朱洪波;;三種重拖尾分布海雜波的比較與分析[J];電波科學(xué)學(xué)報(bào);2007年06期

2 郝程鵬,侯朝煥,鄢錦;一種新的K分布形狀參數(shù)估計(jì)器[J];電子與信息學(xué)報(bào);2005年09期

3 張亮;李禹;計(jì)科峰;粟毅;;SAR圖像局部自適應(yīng)ACCA-CFAR檢測算法[J];電子與信息學(xué)報(bào);2009年01期

4 艾加秋;齊向陽;禹衛(wèi)東;;改進(jìn)的SAR圖像雙參數(shù)CFAR艦船檢測算法[J];電子與信息學(xué)報(bào);2009年12期

5 李大朋;姚迪;;對K分布形狀參數(shù)的M估計(jì)器的再改進(jìn)[J];電子與信息學(xué)報(bào);2011年07期

6 唐沐恩;林挺強(qiáng);文貢堅(jiān);;遙感圖像中艦船檢測方法綜述[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

7 歐林暉;;海雜波幅度模型及參數(shù)估計(jì)綜述[J];科技風(fēng);2010年12期

8 李廣強(qiáng);盛文;;海雜波特性分析方法研究和比較[J];中國電子科學(xué)研究院學(xué)報(bào);2006年05期

9 周樹道;王敏;葉松;王俊;;基于SAR圖像的海洋艦船目標(biāo)檢測技術(shù)[J];微計(jì)算機(jī)應(yīng)用;2010年02期

10 石志廣;周劍雄;付強(qiáng);;K分布海雜波參數(shù)估計(jì)方法研究[J];信號處理;2007年03期

，

本文編號：865479