论文部分内容阅读
针对SAR图像解译应用的需求,为了从大幅SAR图像中快速有效地发现目标ROI,深入研究了SAR图像目标ROI自动获取技术。以发展实用化的SAR图像目标ROI自动获取技术为目的,在大量高分辨率SAR实测数据的支持下,采用理论分析和实验验证的研究方法,对SAR图像杂波统计建模、SAR图像自动目标检测、SAR图像自动目标鉴别等关键技术进行了系统深入的研究。第一章总结了SAR图像目标ROI自动获取技术研究的背景、意义,简明扼要地评述了SAR图像目标ROI自动获取技术的研究进展,指出了现存的问题,概括了论文的主要工作及创新。第二章研究了SAR图像杂波统计建模问题。首先综述了SAR图像统计建模的相关技术;在此基础上,结合实测数据库,深入分析了SAR图像的乘性噪声模型,得出了一些对杂波统计模型应用及进一步研究有意义的结论;运用实测SAR图像中表征不同地物类型的大量数据,深入分析了SAR图像杂波的统计特性。得出了在目前已有实用的统计模型中,G~0分布最适于描述SAR图像杂波统计特性,它对于均匀、一般不均匀和极不均匀杂波区域都能较精确建模的结论。第三章以构建实用化的目标检测过程为目的,研究了SAR图像的自动目标检测问题。在全面系统地总结前人工作的基础上,利用SAR图像杂波统计建模的研究成果,重点研究了目标检测的CFAR技术。提出了一种基于自动筛选的智能CFAR目标检测算法。该算法避免了传统CFAR技术应用于目标检测时的局限性,能够智能判断目标检测所处的杂波环境,以G~0分布为背景杂波统计模型,建立了不同杂波环境下统一的目标CFAR检测,大大增强了目标检测的自动性;在理论分析智能CFAR算法计算量的基础上,提出了智能CFAR算法相应的快速算法,大大增加了算法的实用性。第四章以构建实用化的目标鉴别过程为目的,研究了SAR图像的自动目标鉴别问题。在全面系统地总结前人工作的基础上,对鉴别的特征提取、特征选择、鉴别器的设计等展开了系列的研究。提出了一种目标鉴别的新方案,该方案包括目标鉴别的框架、模型以及算法;提出了基于特征选取鉴别和基于编队提取鉴别“序贯”连接相结合的目标鉴别框架;在基于特征选取进行目标鉴别的方法中,提出了目标鉴别的“松耦合”模型;提出了“松耦合”模型下目标鉴别的特征提取方法,包括已有特征的筛选和3个新的对比度特征的提出;改进了一种基于GA的特征选择方法,克服了已有方法对特征优劣评价不全面的问题;设计了加权二次距离鉴别器,提高了鉴别的性能;研究了基于目标编队知识进行进一步杂波虚警剔除的方法。第五章系统地总结了全文的工作,并给出了进一步研究的建议。