论文部分内容阅读
作为主动寻的探测设备，合成孔径雷达(SAR)可以全天候、全天时提供高清晰度图像，从而在军事侦察和民用上得到了广泛的应用。但是由于其相干成像的特殊性，因而在SAR图像中包含有大量的相干斑噪声，使得对SAR图像的处理、分析和解译非常困难。而且面对广阔而复杂多变的地形环境，SAR图像背景环境极为复杂，并且SAR图像中含有大量的冗余数据，因此如何综合运用各种知识，对算法的实用性、快速性、有效性和检测精度等性能进行折中是目标检测算法的难点和关键点。本文主要对高分辨率机载SAR图像的目标检测和识别进行研究。主要研究以下几个方面内容： 1、详细分析和研究SAR图像相干斑杂波的统计分布模型和各种统计分布模型的适用性。对几种广泛使用的典型非高斯数据分布模型(Gamma分布、Weibull分布、K分布、有限混合高斯和混合Gamma分布)的数学特点进行了详细讨论和分析，并给出了不同分布模型下参数向量的估计公式。在此基础上，在MSE准则下，对T72坦克的几种不同成像条件下的高分辨率SAR图像数据的统计分布模型(Gamma分布、Weibull分布及有限混合高斯分布)以及对基于Ku波段的机载序列SAR图像数据的统计分布模型(有限混和高斯分布)进行分析和估计。 2、在SAR图像数据统计分布模型研究的基础上，对SAR图像的目标信息自动提取方法进行研究。主要提出了基于局部窗口的恒虚警(CFAR)方法、MAP方法和基于上下文关系的方法。在对单／多T72坦克SAR图像的目标检测方面，这些方法从不同的角度表现出了对SAR图像信息自动提取的能力。并且运用MAP方法对在不同方位角下对太阳能塔所成的机载SAR条带图像序列进行目标检测和分割，仿真结果表明MAP方法对序列SAR图像的目标检测是有效和稳健的。相对于恒虚警方法和贝叶斯方法，基于上下文的SAR图像信息提取方法具有较大的时间消耗外，三种方法均具有较强的鲁棒性和SAR图像的信息提取性能。在SAR图像的目标信息自动检测方面具有明显的优势和应用潜力。 3、提出了一种新的SAR图像的目标区域特征提取和目标识别方法。在基于Hu矩不变特征的基础上，引入了描述目标区域灰度信息的狄度均值和方差系数，将这九个目标区域特征量作为对目标进行识别和分类的依据。对不同分