论文部分内容阅读
SAR目标自动识别(Automatic Target Recognition,ATR)是SAR图像解译和分析的重要环节。由于SAR图像不同于其它成像图像,它掺杂着大量的相干斑噪声、几何畸变,易受方位角影响,从而导致背景散射与目标散射间存在差异。因此,如何从SAR图像中检测出目标区域,并提取目标有效信息,从而对SAR目标进行合理解译是一个亟待攻克的难题。本文主要研究了SAR图像最优分数域时频特征的提取,以及在此基础上完成的高精度SAR目标检测与识别方法。本文在相关科研工作者研究的基础上,将时频分析与分数阶傅里叶变换相结合,增加了这种瞬态分析方法的灵活性,并将该方法用于SAR地面目标检测,进而开展目标识别方法研究。本文所做的主要研究工作和贡献如下:(1)研究了SAR ATR的基本理论,掌握了SAR图像的特性,包括其成像机理,噪声产生原理及抑制,对SAR目标特性也进行了分析,为本文SAR ATR系统的构建打下理论基础。(2)学习了时频分析、分数阶傅里叶变换(Fractional Fourier Transform,Fr FT)的基本理论,并在此基础上深入研究了分数域时频分析方法。Fr FT结合计算复杂度低的Gabor变换提出了分数阶Gabor变换(Fractional Gabor Transform,Fr GT),并把它推广至2维SAR图像信号处理中。(3)对Fr GT最优化实现进行了深入的研究,主要是针对窗函数设计和最优变换阶次2方面,并进行了实验仿真与分析。(4)为了把时频谱降维可视化,深入研究了最优实现后的时频谱的特征提取方法,选择最优特征,保证检测的精度。从而提出了基于最优分数域时频谱特征的SAR目标检测方法,自适应最优分数阶Gabor变换(Optimal Fractional Gabor Transform,OFr GT),并进行了实验仿真与对比分析。(5)深入研究了分类模块的设计方法,对分类策略及特征组合进行了讨论,参数寻优以及决策融合方式也进行了深入讨论,进行了实验仿真与分析。对实际MSTAR图像库处理的结果中表明,分数域时频分析方法为SAR图像处理提出了一个新思路,且本文提出的检测和识别方法是可行的。