SAR图像ATR系统中机动目标的分割及相似性量化对比研究

摘要

目前，合成孔径雷达(SAR)侦察系统的数据获取技术明显超前于数据处理技术，图像的解译能力无法满足大量的图像数据处理的要求。如何通过计算机运算实现SAR图像的自动目标识别和解译，是当前急需解决的世界性难题。而SAR图像相似性量化对比，是图像检索、图像匹配、目标识别与分类等应用的重要组成部分，对于SAR图像的自动解译有着十分重要的意义。
　　本文将对SAR图像的相似性量化对比转变为分别对机动目标、阴影和背景区域这三部分进行相似性量化对比，以达到对整幅SAR图像进行量化对比的目的。针对恒虚警检测算法的缺点以及只能二值化分割的特点，本文提出在恒虚警检测之前先根据图像的纹理特征对图像进行一定的模糊处理。本文将对感兴趣区域的对比分为轮廓对比和灰度对比两方面。本文提出了一种新颖的轮廓对比方法，即提取轮廓信息，进而提取并匹配特征点，对序列进行最佳比对及元素填充，最后计算序列相似度。灰度对比方法是指以平均灰度差和直方图的相关系数来度量灰度的相似性。本文采用并改进差分计盒维数法以及自相关函数法和基于灰度共生矩阵的纹理特征提取方法对图像的纹理进行描述以及相似性对比。为了直观地体现对比结果，本文将盒维数之差、角二阶矩和逆差矩之差作为衡量纹理相似性的指标。
　　SAR图像的分类和识别是实现SAR图像自我解译的一个重要环节，而SAR图像相似性量化对比是实现SAR图像分类与目标识别的核心部分。本文提出的算法计算结果与人眼视觉判断结果相吻合，可为图像的后续处理提供参考。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．3 论文研究内容及要求

1．4 论文组织结构

第二章 SAR图像机动目标分割

2．1 前言

2．2 SAR图像分剖概述

2．3 基于灰度共生矩阵的特征影像的提取

2．3．1 灰度共生矩阵理论概述

2．3．2 算法流程

2．3．3 实验结果与分析

2．4 基于瑞利分布的恒虚警检测算法

2．4．1 恒虚警检测算法理论概述

2．4．2 算法流程

2．4．3 实验结果与分析

2．5 本章小结

第三章 SAR图像机动目标相似性量化对比

3．1 前言

3．2 物体轮廓的相似性量化对比

3．2．1 基于Freeman链码物体轮廓的提取

3．2．2 特征点的提取与匹配

3．2．3 基于Needleman-Wunsch算法的最佳序列比对

3．2．4 序列相似度的计算

3．3 物体灰度的相似性量化对比

3．3．1 图像的灰度直方图

3．3．2 灰度直方图的相关系数的计算

3．4 本章小结

第四章 SAR图像背景纹理相似性量化对比

4．1 前言

4．2 图像纹理概述

4．3 基于差分计盒维数法的纹理特征描述

4．3．1 分形理论概述

4．3．2 差分计盒维数法

4．4 基于自相关函数的纹理特征描述

4．5 基于灰度共生矩阵的纹理特征描述

4．6 实验结果与分析

4．7 本章小结

第五章 总结与展望

5．1 本文工作总结

5．2 后续工作展望

致谢

参考文献

攻读硕士学位期间发表的论文