合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）目標(biāo)檢測可為軍事偵查、民用探測等提供情報信息支撐,是SAR數(shù)據(jù)解譯的重要環(huán)節(jié)。目標(biāo)檢測也可作為其他解譯任務(wù)的前置步驟,檢測結(jié)果將影響整個SAR自動目標(biāo)識別（Automatic Target Recognition,ATR）系統(tǒng)的性能,因此,目標(biāo)檢測是解譯系統(tǒng)的重要組成部分。隨著SAR成像系統(tǒng)的不斷更新,目標(biāo)在不同雷達(dá)、不同分辨率圖像中的差異越來越大,同時,高分辨成像系統(tǒng)也使得小尺度目標(biāo)在圖像中得以顯現(xiàn),加之同類目標(biāo)不同型號之間實際尺寸也存在較大差異,造成同類目標(biāo)在SAR圖像中以不同尺度呈現(xiàn)。多尺度目標(biāo)的存在使得傳統(tǒng)目標(biāo)檢測方法無法準(zhǔn)確劃分目標(biāo)區(qū)域,存在檢測性能瓶頸:1)對固定地物目標(biāo)而言,一般在大場景圖像中稀疏存在,目標(biāo)尺度多樣使得對該型目標(biāo)的快速與準(zhǔn)確檢測變得困難;2)對可移動目標(biāo)而言,多尺度特性使得難以準(zhǔn)確估計目標(biāo)與背景分布參數(shù),僅僅依靠散射特征已經(jīng)無法滿足檢測需求,需要從任務(wù)目標(biāo)出發(fā),研究設(shè)計多尺度目標(biāo)的尺度無關(guān)的共性特征。同時,小尺度目標(biāo)在圖像中信息有限,如何充分挖掘數(shù)據(jù)集中的小尺度目標(biāo)信息仍有待研究。SA... 

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)場檢測方法研究現(xiàn)狀
        1.2.2 艦船檢測方法研究現(xiàn)狀
    1.3 論文的主要內(nèi)容與章節(jié)安排
        1.3.1 本文主要研究內(nèi)容
        1.3.2 本文結(jié)構(gòu)安排
第二章 大場景SAR圖像多尺度機(jī)場目標(biāo)快速檢測
    2.1 引言
    2.2 線基元檢測子
    2.3 基于線基元聚合的多尺度機(jī)場快速檢測
        2.3.1 機(jī)場支持區(qū)域提取
        2.3.2 機(jī)場潛在區(qū)域搜索
        2.3.3 基于顯著性分析的機(jī)場鑒別
    2.4 實驗結(jié)果與分析
        2.4.1 檢測流程分析
        2.4.2 多尺度機(jī)場檢測分析
        2.4.3 檢測結(jié)果對比
        2.4.4 運行效率對比
    2.5 本章小結(jié)
第三章 大場景SAR圖像多尺度機(jī)場目標(biāo)精確檢測
    3.1 引言
    3.2 機(jī)場部件提取
    3.3 基于多層顯著性的多尺度機(jī)場精確檢測
        3.3.1 組件級顯著性指標(biāo)
        3.3.2 像素級顯著性映射
        3.3.3 顯著圖融合
    3.4 實驗結(jié)果與分析
        3.4.1 不同級別顯著圖對比
        3.4.2 不同顯著性指標(biāo)對比
        3.4.3 顯著性方法對比實驗
        3.4.4 機(jī)場檢測方法對比實驗
    3.5 本章小結(jié)
第四章 SAR圖像多尺度艦船目標(biāo)無監(jiān)督檢測
    4.1 引言
    4.2 多尺度艦船可能區(qū)域采樣方法
        4.2.1 多尺度艦船可能區(qū)域?qū)蛹壘酆?br>        4.2.2 多尺度艦船可能區(qū)域評分
    4.3 實驗結(jié)果與分析
        4.3.1 檢測流程分析
        4.3.2 與其他方法對比
    4.4 本章小結(jié)
第五章 SAR圖像多尺度艦船目標(biāo)端到端檢測
    5.1 引言
    5.2 特征金字塔網(wǎng)絡(luò)
    5.3 基于尺度遷移層的特征金字塔網(wǎng)絡(luò)
        5.3.1 尺度遷移層
        5.3.2 密集連接
    5.4 實驗結(jié)果與分析
        5.4.1 SSDD數(shù)據(jù)集實驗
        5.4.2 SAR Ship Dataset數(shù)據(jù)集實驗
    5.5 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]AIR-SARShip-1.0：高分辨率SAR艦船檢測數(shù)據(jù)集[J]. 孫顯,王智睿,孫元睿,刁文輝,張躍,付琨.  雷達(dá)學(xué)報. 2019(06)
[2]自適應(yīng)無監(jiān)督分類的PolSAR圖像機(jī)場跑道區(qū)域快速檢測[J]. 盧曉光,藺澤山,韓萍,鄒璨.  遙感學(xué)報. 2019(06)
[3]基于差異度迭代的極化SAR圖像機(jī)場跑道檢測算法[J]. 張喆,萬義爽,韓萍,程爭.  信號處理. 2019(06)
[4]基于直線和區(qū)域顯著性融合機(jī)制的機(jī)場檢測[J]. 潘治鴻,竇浩,劉迪,田金文.  計算機(jī)工程與應(yīng)用. 2018(08)
[5]改進(jìn)區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的機(jī)場檢測方法[J]. 朱明明,許悅雷,馬時平,唐紅,辛鵬,馬紅強(qiáng).  光學(xué)學(xué)報. 2018(07)
[6]區(qū)域提取網(wǎng)絡(luò)結(jié)合自適應(yīng)池化網(wǎng)絡(luò)的機(jī)場檢測[J]. 辛鵬,許悅雷,馬時平,李帥,呂超.  西安電子科技大學(xué)學(xué)報. 2018(03)
[7]高分三號衛(wèi)星總體設(shè)計與關(guān)鍵技術(shù)[J]. 張慶君.  測繪學(xué)報. 2017(03)
[8]大場景下的極化SAR機(jī)場檢測[J]. 晉瑞錦,周偉,楊健.  清華大學(xué)學(xué)報(自然科學(xué)版). 2014(12)
[9]Airport automatic detection in large space-borne SAR imagery[J]. Shaoming Zhang,Yi Lin,Xiaohu Zhang,and Yingying Chen Research Center of Remote Sensing and Spatial Informatics Technology,Tongji University,Shanghai 200092,P.R.China.  Journal of Systems Engineering and Electronics. 2010(03)
[10]基于模板搜索的高分辨率SAR圖像機(jī)場提取方法[J]. 楊浩,張紅,王超,張波,張立平.  遙感信息. 2010(02)

博士論文
[1]多維高分辨雷達(dá)圖像目標(biāo)識別方法研究[D]. 周知.電子科技大學(xué) 2019
[2]高分辨SAR圖像目標(biāo)特性建模及檢測方法研究[D]. 楊海溢.電子科技大學(xué) 2019



本文編號：3730877