基于复杂场景SAR图像的多目标智能检测算法研究

摘要

合成孔径雷达(SAR)在航空航天、对地观测及军事侦察等领域具有非常广阔的应用前景，如何从复杂场景中快速检测出感兴趣目标对战场侦察、军事指挥等具有重要意义。针对复杂场景中多目标检测困难的问题，本文对复杂场景下的SAR图像进行了深入研究，最终提出一种智能检测SAR图像中多目标的算法。主要研究内容与成果如下：
　　⑴研究了不同背景下杂波分布的拟合，用6种统计分布拟合Sandia数据库中不同背景图像，结合三种拟合精度评价指标综合判断最佳统计模型。给出低植被、高植被、城区建筑物、海杂波等区域的最佳统计模型，最终建立起多种背景的统计模型库。
　　⑵研究了CFAR检测，提出了基于统计模型的智能迭代CFAR检测算法。针对自动筛选CFAR检测器在图像应用中的局限性，提出在局部CFAR检测中加入背景先验知识，根据背景所处区域，结合已建立的背景统计模型库选择最佳统计模型；考虑杂波窗口中混入的其他目标样本导致参数估计不准确，提出智能迭代CFAR检测算法，对图像进行多次CFAR检测，得到更准确的检测结果；在计算筛选深度时提出一种全局排序法求解全局阈值，加入全局排序初始化算法后，大大缩短迭代次数，提高检测效率。实验表明本文设计的检测器比自动筛选检测器和局部CFAR检测器检测性能更好。
　　⑶研究了SAR图像重建的目标检测。首先，针对重建图像质量评价指标的不足，提出三种新指标并验证了指标的有效性。其次，由于SAR图像与光学图像成像机理不同，提出一种针对SAR图像的非局部聚类稀疏表示重建算法，并利用评价指标验证本文提出的重建算法在降噪能力上比传统的PPB算法更好。最后，对重建图像进行智能迭代CFAR检测。实验表明由于重建降低了SAR图像中的相干斑噪声，更有利于目标检测。与原始图像检测结果对比，检测概率和品质因素都有较大提升。
　　⑷研究了EF特征检测算法。针对CFAR检测后图像中仍存在大量虚警，提出用EF特征检测对CFAR检测后的图像进一步检测，抑制虚警。并将原图像检测结果与重建图像检测结果融合，丰富目标边缘信息。最终，利用本文提出的检测算法完成了复杂场景下多目标检测的任务，不仅可以检测图像中多个或者多类目标，并且对于同一幅图像，能够自适应检测所需目标，使检测达到可选的目的。

目录

声明

缩略词

第一章 绪论

1.1 研究背景与意义

1.2 研究现状与发展趋势

1.3本文内容与章节安排

第二章 SAR图像杂波统计模型分析

2.1 引言

2.2 SAR图像统计模型及其参数估计

2.3 模型拟合精度评价准则

2.4 实验结果分析

2.5 小结

第三章 基于背景统计模型的CFAR目标检测方法

3.1 引言

3.2 不同统计模型下CFAR检测阈值和基本CFAR检测器

3.3 基于自动筛选的目标智能迭代CFAR检测

3.4 小结

第四章 基于SAR图像重建的目标检测

4.1 引言

4.2 图像重建的方法

4.3重建图像的性能评估指标

4.4 基于稀疏表示的SAR图像重建与目标检测

4.5 小结

第五章 基于复杂场景SAR图像的多目标检测

5.1 引言

5.2 基于扩展分形特征的目标检测

5.3 复杂场景中的多目标检测

5.4 小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

在学期间的研究成果及发表的学术论文