目标自动检测和识别在军事上和民用上都具有重要意义,如:探测埋于地下的管道,监测隐藏在树林中的坦克、行驶于海面的船只,以及寻找和营救失事飞机等等,这些都需要用到目标检测和识别的技术。而微波雷达具有全天时、全天候成像的特点,因此SAR(Synthetic Aperture Radar)图像中目标的自动检测和识别相对来说,应用前景更为广泛。 一般的SAR自动目标识别(Automatic Target Recognition,ATR)方法分为以下三个步骤:检测,辨别和识别。检测阶段是将目标从背景中提取出来,辨别是剔除检测阶段产生的虚警,识别是对每一目标进行分类。本文主要讨论目标的检测和辨别问题,具体包括以下几方面的研究内容: 1) SAR图像中自动目标检测和辨别领域的现状分析:系统查阅并分析了SAR图像中自动目标检测和辨别领域内的算法,指出各算法的优缺点。目标检测的方法可分为3种类型:CFAR方法、多分辨率检测方法、基于相位或方位信息的目标检测。其中,基于相位信息的目标检测是最新的、也是目前最为有效的一种方法,但它还不成熟,有待进一步的发展。目标辨别可以被看成两类识别过程,在检测的虚警率很低的情况下,可以省略这一步骤。利用目标与自然地物方位向散射特性的不同来辨别目标是今后发展的一个方向。 2) 最大似然恒虚警率方法(ML-CFAR)和2L-IHP算法的比较研究:利用ADTS数据集,分析比较两算法,发现2L-IHP方法虚警率低,对隐藏的目标也有一定的检测能力。在目标分布比较密集的情况下,所有的CFAR方法都不适用,但2L-IHP仍然能够工作很好。在检测概率很高的情况下,虚警率仍然非常低。并且2L-IHP方法无需建立背景的概率密度模型,算法原理简单,计算量小。这些都说明了2L-IHP方法的优越性。 3) 2L-IHP方法的调整和改进:一般的2L-IHP方法只能使用SLC数据,而对于普通用户,SLC数据比较难于得到,因此,我们提出了基于幅度数据的单极化和全极化的2L-IHP方法。分析草地、树林和人造目标在一般的2L-IHP算法、消除天线权重的2L-IHP算法及幅度2L-IHP算法三种算法中所得到的相干值大小,发现人造目标的相干值明显高于自然地物,三种算法中,经过天线权重消除的2L-IHP算法的相干值最高,幅度2L-IHP算法最低,但是幅度2L-IHP方法所得到的目标背景之比足够用于目标检测。ADTS数据集的试验也充分说明了这一点。 4) 分析比较不同波段、不同极化数据的目标检测结果,找到最优的极化和波段:针对AIRSAR的C-、L-、P-波段全极化图像,分析了不同波段、不同极