本文關(guān)鍵詞：基于SAR圖像的艦船目標(biāo)檢測(cè)算法的研究　出處：《大連海事大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 復(fù)雜背景 艦船目標(biāo)檢測(cè) 視覺(jué)注意機(jī)制 剪切波變換 恒虛警檢測(cè)

【摘要】：近年來(lái),合成孔徑雷達(dá)成像技術(shù)與應(yīng)用得到快速發(fā)展,在導(dǎo)航雷達(dá)存在探測(cè)盲區(qū)而且AIS不能提供非合作艦船信息的情況下,合成孔徑雷達(dá)提供了另一艦船探測(cè)的重要途徑,但復(fù)雜背景下的SAR圖像目標(biāo)檢測(cè)問(wèn)題一直未能得到很好的解決。本文以復(fù)雜背景下的SAR圖像中艦船目標(biāo)的檢測(cè)算法為研究重點(diǎn),給出一種解決方法,引入視覺(jué)注意機(jī)制,再結(jié)合Shearlet變換檢測(cè)方法,實(shí)驗(yàn)結(jié)果證明取得了較好的檢測(cè)效果。所做主要工作如下:對(duì)復(fù)雜背景下的海雜波的統(tǒng)計(jì)分布特性展開(kāi)研究。介紹了幾種海雜波統(tǒng)計(jì)分布模型及其參數(shù)估計(jì)方法,對(duì)背景雜波進(jìn)行分布擬合實(shí)驗(yàn),并進(jìn)行分析總結(jié)。將視覺(jué)顯著注意模型與CA-CFAR檢測(cè)相結(jié)合,用于艦船目標(biāo)的預(yù)篩選。選取SR視覺(jué)注意模型計(jì)算顯著區(qū)域,生成顯著圖,在顯著圖上進(jìn)行CFAR檢測(cè),得到初步篩選結(jié)果。研究了 SR模型,分析SAR圖像的平均對(duì)數(shù)幅度譜曲線,闡明了模型在SAR圖像上應(yīng)用的可行性。結(jié)合原圖與顯著圖的灰度直方圖,從原理上說(shuō)明了經(jīng)過(guò)顯著區(qū)域計(jì)算之后,原圖的雜波分布發(fā)生變化,海雜波強(qiáng)度集中分布到低強(qiáng)度值區(qū)域,引入評(píng)價(jià)雜波強(qiáng)度和不均勻程度即復(fù)雜度的指標(biāo)均值和標(biāo)準(zhǔn)差。結(jié)果表明,顯著圖的雜波復(fù)雜度指標(biāo)均值和標(biāo)準(zhǔn)差均大大降低。針對(duì)一次顯著圖未排除的雜波干擾,本文提出求取二次顯著圖,在二次顯著圖上進(jìn)行CFAR檢測(cè),實(shí)驗(yàn)結(jié)果顯示排除了雜波干擾。針對(duì)因顯著圖帶來(lái)的虛警現(xiàn)象,采用Shearlet變換檢測(cè)算法來(lái)進(jìn)行虛警判別。Shearlet變換檢測(cè)方法在強(qiáng)雜波邊緣容易出現(xiàn)虛警而且對(duì)圖像大小有限制,而本文用其來(lái)進(jìn)行虛警鑒別,使檢測(cè)區(qū)域限制在CFAR檢測(cè)結(jié)果的局部小區(qū)域內(nèi),并針對(duì)復(fù)雜背景情況給出改進(jìn)方法。改進(jìn)方法對(duì)系數(shù)依據(jù)閾值進(jìn)行相應(yīng)削弱或增強(qiáng)處理之后,在各方向上進(jìn)行尺度間的相關(guān)操作,再進(jìn)行方向上系數(shù)融合。通過(guò)對(duì)比度參數(shù)評(píng)價(jià)改進(jìn)方法與前人方法,結(jié)果顯示改進(jìn)方法得到較大的對(duì)比度值。
[Abstract]:In recent years, synthetic Aperture Radar (SAR) imaging technology and applications have been rapidly developed, in the case of navigation radar detection blind area and AIS can not provide non-cooperative ship information. Synthetic Aperture Radar (SAR) provides another important approach to ship detection. However, the problem of target detection in SAR images with complex background has not been solved well. In this paper, we focus on the detection algorithm of ship targets in SAR images with complex background, and give a solution. Visual attention mechanism is introduced and combined with Shearlet transform detection method. The experimental results show that good detection results have been achieved. The main work is as follows:. The statistical distribution characteristics of sea clutter in complex background are studied. Several statistical distribution models of sea clutter and their parameter estimation methods are introduced. The distribution fitting experiment of background clutter was carried out and analyzed and summarized. Visual attention model was combined with CA-CFAR detection. The SR visual attention model is selected to calculate the significant area, and the salience map is generated. The preliminary screening results are obtained by CFAR detection on the salient map. The SR model is studied. The average logarithmic amplitude spectrum curve of SAR image is analyzed, and the feasibility of applying the model to SAR image is illustrated. Combining with the gray histogram of original image and salient image, the calculation of significant region is explained in principle. The clutter distribution of the original map is changed and the sea clutter intensity is concentrated in the low intensity region. The index mean and standard deviation of the complexity are introduced to evaluate the clutter intensity and the degree of inhomogeneity. The clutter complexity index mean and standard deviation of salient map are greatly reduced. In view of the clutter interference which is not excluded from the first significant map, this paper proposes a quadratic significant map to detect CFAR on the quadratic salience map. The experimental results show that clutter interference is eliminated. Using Shearlet transform detection algorithm to detect false alarm Shearlet transform is easy to appear false alarm at the edge of strong clutter and is limited to image size. In this paper, we use it to identify false alarm, so that the detection area is limited to the local small area of CFAR detection results. An improved method is given for complex background. The improved method can weaken or enhance the coefficients according to the threshold, and then operate the correlation between scales in each direction. Then the directional coefficient fusion is carried out. The improved method of contrast parameter evaluation is compared with the previous methods. The results show that the improved method has a large contrast value.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：E925;TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 莊曉嬋;向平;趙牡丹;;圖像目標(biāo)檢測(cè)算法研究[J];科學(xué)技術(shù)與工程;2007年05期

2 張桂林，熊艷，，曹偉，李強(qiáng);一種評(píng)價(jià)自動(dòng)目標(biāo)檢測(cè)算法性能的方法[J];華中理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);1994年05期

3 秦劍;陳錢(qián);錢(qián)惟賢;;基于背景分類(lèi)的弱小目標(biāo)檢測(cè)算法[J];光電工程;2011年01期

4 蔣建國(guó);吳暉;齊美彬;張莉;;攝像機(jī)旋轉(zhuǎn)運(yùn)動(dòng)下的快速目標(biāo)檢測(cè)算法[J];圖學(xué)學(xué)報(bào);2012年03期

5 逯鵬;張姍姍;劉馳;黃石磊;湯玉合;;基于稀疏超完備表示的目標(biāo)檢測(cè)算法[J];儀器儀表學(xué)報(bào);2013年06期

6 李大輝;金濤;;弱小目標(biāo)檢測(cè)算法的設(shè)計(jì)與分析[J];中國(guó)科技信息;2013年16期

7 張明艷;許鋼;孟櫻;;基于時(shí)空特性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J];安徽工程大學(xué)學(xué)報(bào);2013年04期

8 徐振海,王雪松,肖順平,莊釗文;基于模糊融合的目標(biāo)檢測(cè)算法研究[J];國(guó)防科技大學(xué)學(xué)報(bào);2000年04期

9 李維雅,董能力,金鋼,李正周;弱小目標(biāo)檢測(cè)算法性能評(píng)價(jià)的回歸分析方法[J];光電工程;2005年02期

10 高陳強(qiáng);田金文;王鵬;;基于時(shí)域特性分析的紅外運(yùn)動(dòng)小目標(biāo)檢測(cè)算法[J];紅外與激光工程;2008年05期

相關(guān)會(huì)議論文 前10條

1 高飛;蔣建國(guó);安紅新;齊美彬;;一種快速運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測(cè)算法[A];第八屆全國(guó)信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

3 鄧宇;陳孝威;;綜合利用時(shí)空信息的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

4 袁輝;孫卓;李德民;魏穎;;基于小波多尺度互能量交叉融合濾波的弱小目標(biāo)檢測(cè)算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顧靜良;萬(wàn)敏;張衛(wèi);鄭捷;;低對(duì)比度弱小目標(biāo)檢測(cè)算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

6 黃龔;鄭錦;劉養(yǎng)科;;攝像機(jī)水平巡掃時(shí)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

7 張國(guó)華;;一種基于導(dǎo)引頭穩(wěn)定平臺(tái)結(jié)構(gòu)的目標(biāo)檢測(cè)算法[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

8 王正;劉瑞華;;基于PTZ攝像機(jī)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];全國(guó)第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

9 王彪;王成儒;王芬芬;;一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

10 劉琳;顧國(guó)華;錢(qián)惟賢;陳錢(qián);徐富元;;目標(biāo)檢測(cè)算法的研究以及SRIO協(xié)議在目標(biāo)檢測(cè)的應(yīng)用[A];第八屆華東三省一市真空學(xué)術(shù)交流會(huì)論文集[C];2013年

相關(guān)博士學(xué)位論文 前6條

1 王海豐;基于機(jī)器視覺(jué)的剖竹機(jī)加工目標(biāo)檢測(cè)算法研究[D];東北林業(yè)大學(xué);2015年

2 高永嬋;復(fù)雜場(chǎng)景下多通道陣列自適應(yīng)目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2015年

3 王俊強(qiáng);圖像中人體目標(biāo)檢測(cè)算法研究[D];北京郵電大學(xué);2012年

4 郭明瑋;基于視覺(jué)記憶的目標(biāo)檢測(cè)算法：一個(gè)特征學(xué)習(xí)與特征聯(lián)想的過(guò)程[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

5 臧風(fēng)妮;智能視頻監(jiān)控中海面艦船目標(biāo)檢測(cè)算法研究[D];中國(guó)海洋大學(xué);2014年

6 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺(jué)目標(biāo)檢測(cè)算法應(yīng)用研究[D];武漢科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉恒建;基于FPGA+DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 賈建英;視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

3 周亞運(yùn);基于TMS320DM642平臺(tái)的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)算法設(shè)計(jì)[D];南京理工大學(xué);2015年

4 姚丹;基于多光譜信息融合的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉培培;基于區(qū)域特征的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究與開(kāi)發(fā)[D];廣西大學(xué);2015年

6 崔璇;天空背景下紅外小目標(biāo)檢測(cè)算法研究[D];陜西師范大學(xué);2015年

7 范肖肖;基于視覺(jué)注意機(jī)制的目標(biāo)檢測(cè)算法的研究[D];電子科技大學(xué);2015年

8 丁嬋;運(yùn)動(dòng)目標(biāo)檢測(cè)算法在嵌入式平臺(tái)的研究[D];電子科技大學(xué);2015年

9 張冠雄;基于標(biāo)簽傳播的顯著性目標(biāo)檢測(cè)算法研究[D];大連理工大學(xué);2015年

10 李建波;視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究[D];哈爾濱工業(yè)大學(xué);2014年

本文編號(hào)：1379875