论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)在航空航天、战场侦查、武器制导等领域具有重要的应用价值,基于SAR图像的目标检测技术已经成为SAR军事应用的核心技术之一。地面的坦克集群、运输车队、导弹发射架等是军事战场上的重要目标,对这些目标实现实时的自动检测,为战场指挥提供有用信息,具有极其重要的意义和紧迫性。瞬息万变的战场形势对检测的实时性和有效性提出了更高的要求,因此研究运算快速、检测率高、鲁棒性好的目标检测算法成为目前的研究热点。论文结合国防预研项目进行SAR图像静止车辆目标检测,在研究快速SAR图像相干斑抑制、实时恒虚警目标检测和道路目标提取的基础上,研究了复杂场景下车辆目标自动检测。主要工作概括如下:
1.研究了SAR图像相干斑噪声模型和统计分布,参考增强Lee滤波算法的分区域处理思想,提出了一种基于复数微分滤波器的快速SAR图像相干斑抑制方法。该算法利用复数微分滤波器优异的方向旋转性和有限差分实现快速的优点,具有优异的实时处理性；通过对滤波器的Gibbs现象进行抑制,改善了相干斑抑制性能。
2.研究了双参数CFAR检测和基于GO分布的CFAR检测算法,将两种算法结合,提出了一种实时的SAR图像CFAR检测方法。定义目标置信度,对图像进行灰度累计,从而获得可能的目标,然后对可能的目标像素同时进行双参数CFAR检测和GO-CFAR检测,显著减少了检测时间,同时降低了检测虚警。
3.分析了SAR图像的道路模型,研究了基于道路模型检测算子和基于复数微分方向滤波器的道路边缘检测算法,并将两种检测结果综合后,利用Hough变换连接断裂边缘,去除虚假边缘,较好的提取出了道路区域。对图像进行降分辨率处理,减少了处理的数据量,仿真结果显示道路提取算法基本满足检测系统的实时性要求。
4.分析了目标出现概率对目标检测算法的影响,利用图像中的道路信息和军用车辆的集群信息,引入目标出现概率影响因子,提出了一种可应用于复杂场景下的实时车辆目标自动检测策略,实验结果验证了算法的有效性。