HRWS SAR图像舰船目标监视关键技术研究

发布时间：2017-12-30 15:22

  本文关键词：HRWS SAR图像舰船目标监视关键技术研究　出处：《国防科学技术大学》2014年博士论文　论文类型：学位论文

  更多相关文章： 合成孔径雷达 高分辨宽测绘带 海洋监视 舰船检测 特征提取 舰船分类 稀疏表示分类

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标监视是SAR海洋遥感应用的重要方向之一,在渔业控制、海上交通管理、打击海盗、保护海洋权益等方面具有重要意义。高分辨宽测绘带(High Resolution Wide Swath,HRWS)SAR高分辨和宽测绘带的特点一方面有利于提高SAR图像舰船目标监视应用水平,另一方面也带来了新的挑战。因此,研究HRWS SAR图像舰船目标监视技术具有十分重要的理论意义和实用价值。本文立足于HRWS SAR成像技术的发展,分析HRWS SAR图像舰船目标监视面临的挑战,以提高SAR图像舰船目标监视性能为目的,重点研究了单通道SAR图像舰船目标检测、极化SAR图像舰船目标检测、高分辨SAR图像舰船目标特征提取与分类识别等关键技术问题。主要研究成果如下:1、针对单极化SAR图像中杂波边缘和干扰目标等复杂背景引起的检测性能下降问题,提出一种复杂背景中变化索引和筛选(Variable Index and Excision,VIE)CFAR(Constant False Alarm Rate,CFAR)的SAR图像舰船目标检测算法。首先,研究了不同波段、不同极化方式、不同分辨率、不同海况条件下的海洋杂波统计特性,基于大量实测SAR图像数据验证了0G分布对海洋杂波统计特性描述的有效性;然后,在研究CFAR检测器原理的基础上,设计了VIE-CFAR检测器,分析了该检测器在均匀杂波、杂波边缘、干扰目标等杂波环境中的检测性能;最后,提出了一种复杂背景中VIE-CFAR SAR图像舰船目标检测算法,对ENVISAT、Radarsat-2等实测SAR图像数据舰船目标检测结果表明,本文算法在杂波边缘和干扰目标的杂波环境中较之已有的CFAR方法具有更好的检测性能。2、针对HRWS SAR成像方位向模糊和旁瓣模糊带来的检测虚警问题,研究了极化SAR图像舰船目标检测方法,提出了一种基于特征向量选择加权和SVM(Support Vector Machine,SVM)分类的极化SAR图像舰船目标检测算法。首先,研究了典型极化SAR图像舰船目标检测方法,分析了极化SAR图像舰船目标检测性能;其次,特别针对HRWS SAR成像的方位向模糊和旁瓣模糊特性,构造极化特征向量并进行特征选择和加权,进而采用SVM分类的思想实现极化SAR图像舰船目标检测。基于AIRSAR机载全极化数据和Radarsat-2星载全极化数据对算法性能进行了验证和评估,结果表明,本文算法有效地去除了方位向模糊和旁瓣模糊等引起的虚警,并对不同的全极化数据具有一定鲁棒性。3、针对HRWS SAR图像的高分辨特性,提出了面向分类识别的高分辨SAR图像舰船目标几何特征精确提取算法,提取了一种新的基于舰船目标结构特点及其散射特性的宏结构散射特征。首先,研究了典型的SAR图像舰船目标特征提取方法;然后,针对HRWS SAR高分辨图像中舰船目标的成像旁瓣、邻近目标等造成的几何特征提取误差,提出了一种基于Radon变换域直方图分析的舰船目标高精度几何特征提取方法,并基于实测Terra SAR-X高分辨SAR图像舰船目标切片数据验证了该方法提取几何特征的精确性;最后,研究了典型舰船目标的结构特点和电磁散射特性,提取了面向高分辨SAR图像分类识别的宏结构散射特征,并基于集装箱船、油船、货船三类典型船只的Terra SAR-X SAR图像数据集验证了该特征的有效性。4、研究了HRWS SAR图像舰船目标分类算法,引入稀疏表示理论,提出了基于方位角限制的高分辨SAR图像目标稀疏表示分类(Sparse Representation Classification,SRC)算法和基于特征空间稀疏表示的SAR图像舰船目标分类算法。首先,研究了SRC原理,并基于MSTAR(Moving and Stationary Target Acquisition and Recognition)数据集验证了SRC对SAR图像目标分类识别的有效性;然后,分析了目标方位角与稀疏表示系数之间的关系,提出了基于方位角限制的高分辨SAR图像目标稀疏表示分类算法,实验验证了该算法对雷达俯仰角变化、目标型号变异、不完全观测等条件的鲁棒性;最后,研究了特征空间稀疏表示字典构造方法,提出基于特征空间稀疏表示的高分辨SAR图像舰船目标分类识别算法,基于三类典型舰船目标Terra SAR-X高分辨SAR图像数据集的实验结果表明本文算法的识别性能优于模板匹配、K-nearst neighbor(K-NN)、Bayes、SVM等方法。
[Abstract]:......
【学位授予单位】：国防科学技术大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：U675.7

【相似文献】

相关期刊论文 前10条

1 陈海亮;雷琳;周石琳;;一种抗碎云干扰的海上舰船目标检测方法[J];计算机工程与科学;2010年12期

2 李思纯;杨德森;金莉萍;;基于互双谱与径向基函数神经网络的舰船目标分类(英文)[J];Journal of Marine Science and Application;2009年01期

3 刘松涛,沈同圣,韩艳丽,周晓东;舰船目标海天线提取方法研究[J];激光与红外;2003年01期

4 丛瑜;周伟;于仕财;郭明;;一种对港口影像进行舰船目标提取方法[J];计算机仿真;2014年01期

5 李为民,石志广,付强;舰船目标与舷外干扰的电磁特征分析与鉴别方法研究[J];湖南科技大学学报(自然科学版);2004年04期

6 山鹏;张振华;王晓红;;基于舰船目标的极化SAR改进滤波算法研究[J];遥测遥控;2011年05期

7 王彦情;马雷;田原;;光学遥感图像舰船目标检测与识别综述[J];自动化学报;2011年09期

8 王勇;许小剑;;海上舰船目标的宽带雷达散射特征信号仿真[J];航空学报;2009年02期

9 闫海鹏;于勇;张彬;;基于实测数据的舰船目标前视成像方法研究[J];遥测遥控;2014年04期

10 王玉菊;王学军;岳丽军;莫钦华;;多星对舰船目标联合探测能力研究[J];计算机仿真;2010年07期

相关会议论文 前9条

1 王娟;慈林林;姚康泽;;基于分形的SAR图像舰船目标检测[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

2 徐阳;张雪兰;王娟;;SAR图像舰船目标处理研究综述[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 李文武;李智勇;粟毅;;一种联合灰度和纹理特征的光学图像舰船目标检测方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

4 陈青华;谢晓方;李宗升;郭天杰;;舰船目标红外视景仿真研究[A];第二届红外成像系统仿真测试与评价技术研讨会论文集[C];2008年

5 韩昭颖;种劲松;;极化SAR图像舰船目标检测算法综述[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年

6 张辉;杜春;孙浩;计科峰;;基于CV模型和形状信息的光学遥感舰船目标分割方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

7 何友金;李凯永;任建广;;一种改进的基于递归门限分析的红外舰船目标图像分割方法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

8 许曼;牛照东;陈曾平;;一种新的低信噪比红外舰船目标自动检测方法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

9 谢波;李春升;乔凯;于泽;;基于GRECO的舰船目标高频区RCS计算方法在VC++6.0中实现机制[A];第七届全国信息获取与处理学术会议论文集[C];2009年

相关博士学位论文 前3条

1 段崇雯;基于SAR成像的海面舰船目标特征参数估计[D];国防科学技术大学;2013年

2 邢相薇;HRWS SAR图像舰船目标监视关键技术研究[D];国防科学技术大学;2014年

3 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院（电子学研究所）;2002年

相关硕士学位论文 前10条

1 白海娟;舰船目标卫星遥感影像识别特征分析方法研究[D];电子科技大学;2013年

2 陈珊;合成孔径雷达图像上舰船目标的检测[D];上海交通大学;2008年

3 李振环;海面大型舰船目标红外成像研究[D];哈尔滨工业大学;2014年

4 李翠红;复杂海天背景红外舰船目标自动检测方法研究[D];湖南师范大学;2012年

5 杨明月;复杂背景条件下海面红外舰船目标的识别研究[D];国防科学技术大学;2007年

6 王丁禾;复杂场景红外舰船目标实时检测技术研究[D];国防科学技术大学;2012年

7 蒋李兵;基于高分辨光学遥感图像的舰船目标检测方法研究[D];国防科学技术大学;2006年

8 代鑫;基于时空联合的海天背景舰船目标检测方法研究[D];武汉理工大学;2013年

9 陈秋菊;面向识别的舰船目标雷达回波仿真与特性分析[D];国防科学技术大学;2006年

10 谢熙;海天背景下海天线检测及舰船目标跟踪研究[D];武汉理工大学;2013年

，

本文编号：1355545