论文部分内容阅读
随着遥感技术的日益发展,合成孔径雷达(synthetic aperture radar, SAR)图像分辨率得到了大幅度提高。为了快速、准确地发现SAR图像中感兴趣的目标,需要开展目标检测技术的研究。本文在对SAR图像中杂波和目标统计建模研究的基础上,提出并建立一种新的混合统计分布模型。利用混合模型的特性,对目标区域的快速定位与目标检测进行研究。本文的主要工作包括如下几个方面。首先,以SAR图像中的陆地杂波和金属目标为主要研究对象,应用多种拟合度检验方法检验各种常用的统计分布模型对SAR图像数据中杂波、目标的拟合程度,分别找出适用于描述SAR图像陆地杂波和金属目标的统计模型。其次,建立混合统计模型。该模型能够描述图像中的杂波、目标以及杂波和目标混合区域的数据统计特性,该模型还能给出其所表征的图像区域数据中杂波与目标各自所占比例,以及杂波和目标各自的统计模型。研究混合模型的参数估计方法,实现参数估计的高精度。再次,研究目标区域的快速定位方法。利用混合统计模型能给出所描述区域种杂波和目标各自所占比例的特点,通过由粗到精的区域划分方法,用混合模型对各区域参数进行拟合,根据参数估计结果,筛除杂波区域,快速定位目标区域。最后,利用混合模型给出的杂波模型和目标模型,设计广义似然比(generalized likelihoodratio test, GLRT)目标检测算法,通过实验证明了本文提出的GLRT方法与常见的CFAR目标检测方法相比具有更具较低的虚警概率和较高的检测概率,性能上全面优于传统的CFAR方法。本文的工作涉及SAR图像统计建模与目标检测的理论研究,而且给出了算法的具体设计方案,可为相关的学术研究和工程应用提供有效的参考。