基于多层CFAR算法的超高分辨率SAR图像目标检测

摘要

统计建模是合成孔径雷达(SAR)图像解译必不可少的东西，不同的SAR统计模型（如K分布，高斯分布，伽马分布，对数正态分布，混合分布等）对不同的SAR地物类型（如农田，森林，草地，河流等）的建模能力各不相同。本文首先介绍了不同的统计分布及其特点，对不同的SAR图像地物类型进行统计建模，找出各种统计模型所适合的地物类型。
　　目标检测更是SAR图像应用的重中之重，文章针对机载SAR图像中车辆检测问题结合CFAR算法提出了针对角反射器散射特点的目标检测算法，并采用真实的机载P波段和L波段SAR图像数据对算法进行了验证。
　　超高分辨率SAR图像具有数据量大，传统CFAR算法处理时间复杂度高，目标具有一定的形态及细节的特征。针对这些特点我们提出了多层CFAR算法。算法中采用对数正态分布作为图像的统计分布模型。我们通过对整幅SAR图像采用基于对数正态分布的全局CFAR算法滤除强散射点来找出SAR图像背景区域。然后依据提取出的SAR图像背景来进一步检测舰船目标。尽管多层CFAR算法提取出较准确的舰船目标，但是依然存在很多虚警目标。我们根据先验舰船尺寸大小，对多层CFAR算法处理后的图像滤除虚警目标。由于超高SAR图像特点，滤除虚警后的目标有着不完整或者船体出现空洞的现象，我们提出了提取目标轮廓算法，并对目标轮廓进行填充来得到完整的目标。实验中使用两幅TerraSAR-X图像真实数据，分辨率为1米，分别采用多层CFAR算法及传统CFAR算法进行实验比较，结果证明我们的算法有较好的检测结果。
　　论文得到了国家自然科学基金（No.61072106，61271302）的资助和国家“973”计划（No.2013CB329402）的支持。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 SAR背景介绍

1.2 SAR图像的基本特征及质量评估

1.3本文研究内容及结构

第二章 SAR图像杂波统计模型

2.1 SAR图像杂波模型的分类

2.2 各种统计分布简介

2.3 SAR统计模型的参数估计

2.4 混合模型

2.5 SAR统计模型的拟合精度评价准

2.6 本章小结

第三章 SAR图像目标检测基础理论及算法

3.1 CFAR检测理论

3.2 CFAR检测阈值推导

3.3 基于SαS模型的SAR图像目标检测

3.4 全局CFAR算法

3.5 陆地车辆目标检测算法及实验结果

3.6 本章小结

第四章 多层CFAR算法目标检测

4.1 影响舰船检测的因素

4.2 多层CFAR算法

4.3 虚警目标的滤除

4.4 SAR图像目标轮廓提取及填充

4.5 实验结果

4.6 本章小结

第五章 结论与展望

5.1 总结

5.2 SAR图像目标检测展望

参考文献

致谢

作者简介

1.基本情况

2.教育背景

3.攻读硕士学位期间的研究成果