合成孔径雷达(Synthetic Aperture Radar-SAR)是一种全天候、全天时、不受光照等条件限制的主动式传感器,它可对感兴趣的目标进行侦察,已成为一种重要的军事侦察手段。随着SAR成像技术的发展,SAR图像的来源越来越广泛,迫切需要研究对图像的自动解译系统。表现在军用上,就需要研究针对军事目标的自动目标识别系统。世界各国都对SAR自动目标识别表现出极大的兴趣,投入了大量的人力和物力,其中美国的投入和研究在全世界都处于领先地位。本课题为国防航空预研项目“机载微波高分辨率成像自动识别技术”,要求对地面人造目标如坦克等进行有效的识别。　　 本论文的工作从以下几个方面展开:SAR图像统计特性分析、SAR图像去噪滤波、SAR图像人造目标检测、SAR图像目标识别。研究的重点包括:SAR图像经典统计特性分析和乘性噪声特性的分析、基于二维模糊熵的SAR图像目标检测、遗传算法和蚁群算法对二维图像分割阈值的参数寻优、SAR图像目标的小波矩特征提取和选择、SAR图像目标方位角估计和支持向量机在SAR图像目标识别中的应用等方面。　　 本论文的主要研究内容和创新性工作包括:　　 1.分析了SAR图像的经典统计特性,从图像的均值-均方差图、残差图和相关系数三个方面证明了SAR图像的乘性噪声模型。　　 2.研究了现有的图像滤波算法的优缺点,提出了一种SAR图像自适应小波滤波算法。该算法具有自适应性和充分利用图像小波系数分布的特点。将图像在小波域分为三部分:平滑区、纹理区和强烈不均匀区,根据不同的区域采用不同的滤波方法。在图像小波域,用混合高斯模型描述小波系数的分布,用EM估计来估计小波系数分布模型,用贝叶斯估计恢复图像的真实信息。实验结果表明,该滤波算法可以在去除SAR图像噪声的同时有效保留图像的细节信息。　　 3.提出了一种将二维模糊熵用于SAR图像的目标分割算法。该算法采用二维灰度直方图,既利用了图像的灰度信息,又利用了图像相邻像素之间的关系信息。通过合理选择适合SAR图像的隶属度函数和熵函数,可以获得较好的分割效果。　　 4.针对二维SAR图像分割中阈值寻优范围大、极值点多的特点,研究了用遗传算法和蚁群算法对阈值进行寻优,在较短的时间内取得了很好的结果。相对于再量化算法而言,这两种寻优算法保留了图像的有用信息并且计算时间短。在阈值寻优中,遗传算法和蚁群算法都得到了较好的视觉结果。但相比而言,蚁群算法的稳定性优于遗传算法。这是因为遗传算法通过随机数来控制交叉和变异,因而结果有一定的随机性；而蚁群算法利用了正反馈的原理,在一定程度上可以加快进化过程,并且不同个体之间可以不断进行信启、的交流和传递,从而更有利于发现较好的解。　　 5.提出了提取SAR图像的小波矩特征,用于SAR图像目标识别。这基于两个因为:一是SAR图像在方位角相邻时具有某种相似性；二是小波矩特征既有小波分析多分辨率的特性,又有矩特征的旋转、平移和尺寸不变性的特性。用最大距离法在众多的小波矩特征中选出了5个最能代表目标特性的特征,并用小波神经网对目标进行训练和识别。结果表明,小波不变矩特征稳定性好,可以有效地描述SAR图像的目标特征。　　 6.提出了一种先估计出SAR图像目标的方位角再进行SAR图像目标识别的算法。由于SAR图像随着目标方位角的变化会发生很大的变化,这给目标识别带来很大的困难。该算法首先用旋转矩形法估计出目标的方位角,再在方位角限定的范围内对目标进行训练和识别。实验结果表明,该方法简单有效。　　 7.研究了支持向量机用于SAR图像目标识别的算法。支持向量机在目标样本数较少时具有很好的泛化性能,并且具有运算量低的特点,目前还没有被广泛用于SAR图像的自动目标识别中。SVM运算量低的特点使其容易实时实现,因而将其用于SAR自动目标识别系统具有一定的实际意义。由于本实验中小波矩特征本身的可分离性,线性核函数取得了优于多项式核函数、高斯核函数和径向基核函数的结果。实验结果表明,支持向量机的识别结果优于距离分类器的识别结果,并且计算简单。