论文部分内容阅读
合成孔径雷达(SAR)用于海洋监测已得到广泛的重视。海洋中存在大量的分布目标，如舰船尾迹、内波和油膜等。本文以海杂波的混沌和分形特性为出发点，结合小波变换、数学形态学和神经网络等数学工具，探索海面SAR图像中的分布目标检测算法，主要的研究工作和创新包括以下五个方面：
(1)验证了机载SAR收集的海杂波数据具有混沌特性。对机载SAR收集的L/X波段3、4、5级海况的海杂波数据的关联维数和最大Lyapunov指数进行了计算分析，结果表明：机载SAR收集的海杂波具有有限的关联维数和正的最大Lyapunov指数，说明其具有混沌系统的典型特征。海杂波的混沌特性为基于混沌理论进行海面SAR图像目标检测奠定了基础。
(2)提出了基于混沌理论的海面SAR图像分布目标检测算法。在机载SAR收集的海杂波数据具有混沌特性的基础上，利用海杂波的混沌预测误差对海面SAR图像上的分布目标进行检测。用实测的海面SAR图像进行检测实验，结果表明基于混沌理论的海面SAR图像分布目标检测算法是有效的。
(3)分析了海面SAR图像的分形特性。分析结果表明：L波段SAR图像分形维数的均值随着海况级别的增高而减小，X波段SAR图像分形维数的均值随着海况级别的增高而增大，同时，机载SAR海面图像也具有多重分形特征。
(4)基于海面SAR图像的分形特性，提出了基于分形特征的海况分类算法。在这一部分中，对各类海况图像分形特征的分类性能进行了详细的分析，最终选取分形维数、广义分形维数D(8)、尺度s=0时的有向多尺度Hurst参数Hx0和Hy0为海况分类的特征量，利用模糊判决分类器对6类海况进行分类，总体分类精度高达98.2％。与利用统计方法的分类结果(总体分类精度为86.7％)相比，本文提出的基于分形特征的海况分类算法的分类效果要好。
(5)对定义在图像像素点上的扩展分形特征的计算公式进行了修正，并将其引入到海面SAR图像分布目标检测中，提出了基于扩展分形特征的海面SAR图像分布目标检测算法，并通过实验证明了该算法能有效地检测海面SAR图像中的分布目标。