保持形状特征的高分辨率SAR影像舰船目标检测算法研究

摘要

合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候、观测范围广、穿云透雾等特点，使得SAR图像成为海洋舰船目标检测的重要手段。我国领海广阔、海洋资源丰富，开展SAR图像舰船目标检测研究具有重大意义。随着SAR系统的发展和SAR分辨率的提高，各种高分辨率SAR数据已广泛应用到海洋舰船目标检测中。如何快速获取检测结果并保持被检测舰船的形状特征，从而为后续舰船目标识别与分类提供可靠信息，成为目前研究的重点和热点。
　　论文针对高分辨率SAR影像舰船目标检测存在的问题，重点对检测算法进行了研究与改进，其主要研究工作如下:
　　(1)SAR图像目标检测的本质是从背景杂波中检测出目标回波，因此SAR图像目标检测主要包括目标本身特征及背景环境两方面。本文在分析海洋杂波统计特性的基础上，总结典型的SAR图像海杂波统计模型、模型参数估计方法及模型精度评价准则，用真实的SAR图像切片进行杂波直方图拟合评估。
　　(2)在SAR图像统计建模的基础上，研究了SAR图像舰船目标检测算法。分析了舰船目标检测的影响因素，推导了恒虚警率(Constant False Alarm Rate，CFAR)检测器的理论及基于统计模型的CFAR算法，列出了常用的舰船目标检测算法，最后通过实验，对比分析了各种算法的检测结果。
　　(3)根据高分辨率SAR图像上舰船目标的特点，提出了两种高分辨率SAR图像舰船目标检测算法。一是基于最大熵双阈值(KSW)和CFAR全局阈值的舰船目标检测算法，通过分析KSW双阈值和CFAR全局阈值的统计关系，由CFAR全局阈值快速得到KSW双阈值，实时地完成舰船目标的检测;二是基于CFAR与多特征辨识的舰船目标检测算法，通过直方图分析获得分割阈值，对潜在目标进行多特征辨识去除虚警，完成最终检测。该算法可以得到舰船目标的较完整的形状信息。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 SAR图像舰船目标检测的研究现状与发展趋势

1．3 研究内容及结构安排

2 SAR图像海杂波统计建模

2．1 典型海杂波统计模型

2．2 海杂波统计模型的参数估计方法

2．3 统计建模与拟合优度评价准则

2．4 实验结果与分析

2．5 本章小结

3 SAR图像舰船目标检测

3．1 舰船检测的影响因素

3．2 基于CFAR的舰船目标检测算法

3．3 其它常用舰船目标检测算法

3．4 实验结果与分析

3．5 本章小结

4 高分辨率SAR图像舰船目标检测

4．1 高分辨率SAR图像舰船目标特点

4．2 基于KSW双阈值与CFAR全局阈值的舰船检测算法

4．3 基于CFAR与多特征辨识的舰船检测算法

4．4 实验对比与分析

4．5 本章小结

5 结论与展望

5．1 本文的主要成果

5．2 进一步的工作展望

致谢

参考文献