本文關(guān)鍵詞：高分辨率SAR圖像的快速目標(biāo)檢測(cè)算法研究

  更多相關(guān)文章： SAR圖像 高分辨率 超像素 恒虛警檢測(cè) 并行算法

【摘要】：合成孔徑雷達(dá)(Synthetic aperture radar,SAR)由于具有全天時(shí)全天候的成像能力,已經(jīng)成為一種重要的對(duì)地觀測(cè)手段。在軍事領(lǐng)域,SAR具有穿透能力,能夠有效實(shí)現(xiàn)多種目標(biāo)的探測(cè)。在民用領(lǐng)域,它被廣泛用于天氣預(yù)報(bào),災(zāi)情監(jiān)控,地形地貌研究。SAR系統(tǒng)分辨率的不斷提高,有助于獲得更加精細(xì)的目標(biāo)信息。但是,高分辨率SAR圖像也給目標(biāo)檢測(cè)帶來了困難:統(tǒng)計(jì)特性改變,場(chǎng)景復(fù)雜,數(shù)據(jù)量大。SAR圖像目標(biāo)檢測(cè)是SAR目標(biāo)識(shí)別系統(tǒng)中的一個(gè)重要環(huán)節(jié),是SAR圖像解譯的一個(gè)熱點(diǎn)。目標(biāo)檢測(cè)算法的性能對(duì)后續(xù)的目標(biāo)識(shí)別會(huì)產(chǎn)生巨大影響。恒虛警(Constant False Alarm Rate,CFAR)檢測(cè)算法是SAR圖像目標(biāo)檢測(cè)算法中使用最廣泛的一類方法。但是,基于像素的CFAR檢測(cè)方法有以下缺點(diǎn):目標(biāo)斷裂,虛警較多及算法速度慢。針對(duì)上述問題,在總結(jié)和分析現(xiàn)有的超像素方法及基于像素的CFAR檢測(cè)方法基礎(chǔ)之上,研究了基于超像素的CFAR檢測(cè)算法。本文的研究?jī)?nèi)容如下:(1)研究了基于像素的快速CFAR檢測(cè)算法。從算法和硬件方面,總結(jié)了基于像素的快速CFAR檢測(cè)算法。分析了幾種雜波統(tǒng)計(jì)模型的聯(lián)系。(2)研究了一種基于超像素的雜波統(tǒng)計(jì)模型混合Gamma分布。當(dāng)超像素變成像素時(shí),該模型退化成Gamma分布,詳細(xì)地對(duì)這兩種統(tǒng)計(jì)模型進(jìn)行理論分析與證明。用KL距離和一種修正的卡方檢驗(yàn)統(tǒng)計(jì)量證明它們的確具有很高的擬合優(yōu)度。此外,分析了幾種常見的超像素方法,發(fā)現(xiàn)SLIC的性能比其它幾種超像素方法更好,所以本文選擇SLIC。(3)研究了一種基于超像素的滑窗。結(jié)合上述滑窗和雜波統(tǒng)計(jì)模型,實(shí)現(xiàn)了基于超像素的CFAR檢測(cè)算法。為了適應(yīng)SAR圖像分辨率不斷提高的特點(diǎn),進(jìn)一步提高算法的實(shí)時(shí)性,使用OpenMP實(shí)現(xiàn)了并行算法,它能充分利用CPU的硬件資源,減少程序運(yùn)行時(shí)間。實(shí)驗(yàn)表明這種算法具有很好檢測(cè)性能和較快的處理速度。
【關(guān)鍵詞】：SAR圖像 高分辨率 超像素 恒虛警檢測(cè) 并行算法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究工作的背景與意義10-11
• 1.2 SAR圖像目標(biāo)檢測(cè)算法的研究和應(yīng)用現(xiàn)狀11-13
• 1.3 超像素的研究及應(yīng)用現(xiàn)狀13-15
• 1.3.1 超像素的研究現(xiàn)狀13-14
• 1.3.2 超像素的應(yīng)用現(xiàn)狀14-15
• 1.4 本論文的結(jié)構(gòu)安排15-17
• 第二章 基于像素的SAR圖像目標(biāo)CFAR檢測(cè)17-29
• 2.1 常用的SAR圖像雜波統(tǒng)計(jì)模型17-21
• 2.1.1 相干斑模型17-18
• 2.1.2 乘積模型18-19
• 2.1.3 聯(lián)合分布模型19
• 2.1.4 經(jīng)驗(yàn)分布模型19-21
• 2.2 恒虛警檢測(cè)方法21-28
• 2.2.1 恒虛警檢測(cè)原理21-23
• 2.2.2 基于像素的快速CFAR檢測(cè)算法23-28
• 2.3 本章小結(jié)28-29
• 第三章 基于超像素的SAR圖像雜波統(tǒng)計(jì)模型29-48
• 3.1 超像素29-36
• 3.1.1 常見的超像素方法29-33
• 3.1.1.1 基于圖論的超像素方法29-31
• 3.1.1.2 基于梯度下降的超像素方法31-33
• 3.1.2 超像素方法的選擇33-36
• 3.2 基于超像素的雜波統(tǒng)計(jì)模型36-47
• 3.2.1 超像素灰度的條件概率密度函數(shù)36-39
• 3.2.2 超像素面積的概率密度函數(shù)39-41
• 3.2.3 混合Gamma分布及其擬合精度41-47
• 3.3 本章小結(jié)47-48
• 第四章 基于超像素的SAR圖像目標(biāo)快速CFAR檢測(cè)算法48-67
• 4.1 超像素滑窗48-49
• 4.2 基于超像素的CFAR檢測(cè)及參數(shù)估計(jì)49-52
• 4.3 基于超像素的CFAR檢測(cè)算法的快速性分析52-58
• 4.3.1 算法本身的快速性分析52-55
• 4.3.2 基于CPU硬件系統(tǒng)資源的快速性分析55-58
• 4.4 兩種CFAR檢測(cè)算法的綜合性能對(duì)比分析58-65
• 4.4.1 程序運(yùn)行時(shí)間對(duì)比分析58-60
• 4.4.2 檢測(cè)性能對(duì)比分析60-65
• 4.5 本章小結(jié)65-67
• 第五章 全文總結(jié)與展望67-69
• 5.1 本文總結(jié)67-68
• 5.2 未來展望68-69
• 致謝69-70
• 參考文獻(xiàn)70-74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前7條

1 饒倩;文紅;喻文;毛祺琦;蘇偉偉;;超像素及其應(yīng)用綜述[J];電腦與信息技術(shù);2013年05期

2 王春瑤;陳俊周;李煒;;超像素分割算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年01期

3 趙明波;何峻;付強(qiáng);;SAR圖像CFAR檢測(cè)的快速算法綜述[J];自動(dòng)化學(xué)報(bào);2012年12期

4 陳新亮;王麗;柳樹林;曾濤;;高分辨雷達(dá)擴(kuò)展目標(biāo)檢測(cè)算法研究[J];中國(guó)科學(xué):信息科學(xué);2012年08期

5 賀志國(guó);周曉光;陸軍;匡綱要;;一種基于G~0分布的SAR圖像快速CFAR檢測(cè)方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2009年01期

6 王凱峰;秦前清;楊冕;;遙感圖像的多線程處理研究[J];測(cè)繪信息與工程;2005年06期

7 張坤華,王敬儒,張啟衡;復(fù)雜背景下擴(kuò)展目標(biāo)的分割算法研究[J];紅外與毫米波學(xué)報(bào);2002年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 邢相薇;陳振林;鄒煥新;周石琳;;一種基于兩級(jí)CFAR的SAR圖像艦船目標(biāo)快速檢測(cè)算法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 朱磊;合成孔徑雷達(dá)圖像相干斑抑制方法研究[D];西安電子科技大學(xué);2014年

2 高貴;SAR圖像目標(biāo)ROI自動(dòng)獲取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

，

本文編號(hào)：992666