论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标监视是SAR海洋遥感应用的重要方向之一,在渔业控制、海上交通管理、打击海盗、保护海洋权益等方面具有重要意义。高分辨宽测绘带(High Resolution Wide Swath,HRWS)SAR高分辨和宽测绘带的特点一方面有利于提高SAR图像舰船目标监视应用水平,另一方面也带来了新的挑战。因此,研究HRWS SAR图像舰船目标监视技术具有十分重要的理论意义和实用价值。本文立足于HRWS SAR成像技术的发展,分析HRWS SAR图像舰船目标监视面临的挑战,以提高SAR图像舰船目标监视性能为目的,重点研究了单通道SAR图像舰船目标检测、极化SAR图像舰船目标检测、高分辨SAR图像舰船目标特征提取与分类识别等关键技术问题。主要研究成果如下:1、针对单极化SAR图像中杂波边缘和干扰目标等复杂背景引起的检测性能下降问题,提出一种复杂背景中变化索引和筛选(Variable Index and Excision,VIE)CFAR(Constant False Alarm Rate,CFAR)的SAR图像舰船目标检测算法。首先,研究了不同波段、不同极化方式、不同分辨率、不同海况条件下的海洋杂波统计特性,基于大量实测SAR图像数据验证了0G分布对海洋杂波统计特性描述的有效性;然后,在研究CFAR检测器原理的基础上,设计了VIE-CFAR检测器,分析了该检测器在均匀杂波、杂波边缘、干扰目标等杂波环境中的检测性能;最后,提出了一种复杂背景中VIE-CFAR SAR图像舰船目标检测算法,对ENVISAT、Radarsat-2等实测SAR图像数据舰船目标检测结果表明,本文算法在杂波边缘和干扰目标的杂波环境中较之已有的CFAR方法具有更好的检测性能。2、针对HRWS SAR成像方位向模糊和旁瓣模糊带来的检测虚警问题,研究了极化SAR图像舰船目标检测方法,提出了一种基于特征向量选择加权和SVM(Support Vector Machine,SVM)分类的极化SAR图像舰船目标检测算法。首先,研究了典型极化SAR图像舰船目标检测方法,分析了极化SAR图像舰船目标检测性能;其次,特别针对HRWS SAR成像的方位向模糊和旁瓣模糊特性,构造极化特征向量并进行特征选择和加权,进而采用SVM分类的思想实现极化SAR图像舰船目标检测。基于AIRSAR机载全极化数据和Radarsat-2星载全极化数据对算法性能进行了验证和评估,结果表明,本文算法有效地去除了方位向模糊和旁瓣模糊等引起的虚警,并对不同的全极化数据具有一定鲁棒性。3、针对HRWS SAR图像的高分辨特性,提出了面向分类识别的高分辨SAR图像舰船目标几何特征精确提取算法,提取了一种新的基于舰船目标结构特点及其散射特性的宏结构散射特征。首先,研究了典型的SAR图像舰船目标特征提取方法;然后,针对HRWS SAR高分辨图像中舰船目标的成像旁瓣、邻近目标等造成的几何特征提取误差,提出了一种基于Radon变换域直方图分析的舰船目标高精度几何特征提取方法,并基于实测Terra SAR-X高分辨SAR图像舰船目标切片数据验证了该方法提取几何特征的精确性;最后,研究了典型舰船目标的结构特点和电磁散射特性,提取了面向高分辨SAR图像分类识别的宏结构散射特征,并基于集装箱船、油船、货船三类典型船只的Terra SAR-X SAR图像数据集验证了该特征的有效性。4、研究了HRWS SAR图像舰船目标分类算法,引入稀疏表示理论,提出了基于方位角限制的高分辨SAR图像目标稀疏表示分类(Sparse Representation Classification,SRC)算法和基于特征空间稀疏表示的SAR图像舰船目标分类算法。首先,研究了SRC原理,并基于MSTAR(Moving and Stationary Target Acquisition and Recognition)数据集验证了SRC对SAR图像目标分类识别的有效性;然后,分析了目标方位角与稀疏表示系数之间的关系,提出了基于方位角限制的高分辨SAR图像目标稀疏表示分类算法,实验验证了该算法对雷达俯仰角变化、目标型号变异、不完全观测等条件的鲁棒性;最后,研究了特征空间稀疏表示字典构造方法,提出基于特征空间稀疏表示的高分辨SAR图像舰船目标分类识别算法,基于三类典型舰船目标Terra SAR-X高分辨SAR图像数据集的实验结果表明本文算法的识别性能优于模板匹配、K-nearst neighbor(K-NN)、Bayes、SVM等方法。