高分三号SAR图像舰船目标检测研究及实现

发布时间：2020-09-11 16:10

　　合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测是雷达图像解译应用需求之一,高分三号卫星作为我国自主研发并成功发射的相控阵体制卫星。它具有多模式多功能、成像幅宽广、运行寿命长、成像图像质量高等特点,其利用微波成像体制可以实现全天候和全天时的对全球陆地和海洋进行监测与遥感监视。因此利用高分三号卫星提供的雷达图像数据研究舰船目标快速检测算法具有十分重要的理论意义和实际价值。本文主要研究了应用于高分三号图像舰船目标快速检测算法,开发了应用于高分三号图像舰船目标快速检测的软件系统。论文的主要工作和研究成果如下:针对海陆交界复杂背景下,陆地上产生过多虚假目标的问题,第二章研究了基于最大类间方差算法的SAR图像海陆分割算法,其主要介绍了图像预处理方法、最大类间方差算法、形态学处理以及海岸线获取方法等。最后利用高分三号图像进行实验,实验结果表明本文方法可以比较精准的获取陆地海岸线并有效的剔除陆地区域。第三章为整个舰船检测过程中第一级粗检测算法研究。针对传统恒虚警率(Constant False Alarm Rate,CFAR)检测算法的检测过程是非常耗时的问题,提出了基于傅里叶变换的快速CFAR检测算法。首先介绍了传统CFAR检测算法模型与快速CFAR检测算法模型的原理,并给出了其核心过程计算量对比分析。在实际高分三号图像场景中,针对海杂波背景分布模型服从瑞利分布,提出了基于瑞利分布的快速CFAR检测方法。针对海杂波背景分布模型服从高斯分布,提出了基于高斯分布的快速CFAR舰船检测方法。实验结果表明,本文提出的快速CFAR检测算法能够在检测效果与传统CFAR检测方法一样的条件下,大幅度降低检测时间。第四章为整个舰船检测过程中第二级精检测算法研究。针对传统CFAR检测算法检测性能不高的问题,提出了基于支持向量机(Support Vector Machine,SVM)分类器的舰船目标方向梯度直方图(Histogram Of Oriented Gradient,HOG)特征精检测算法。首先着重介绍了HOG特征的工作原理以及特征获取的整个流程。由于特征获取过程中块内重叠现象,提出采用三线性插值方法来修正HOG特征向量。其次对精检测算法流程进行介绍,包括SVM分类算法的工作原理、SVM分类器设计以及采用交叉验证训练方法验证分类器效果。最后利用高分三号5米分辨率和1米分辨率雷达图像对精检测算法进行验证。实验结果表明,通过将基于高斯分布的的快速CFAR检测算法获得的候选目标进行精确检测,实现舰船目标的多级检测,能够大幅提升整个检测系统的性能。第五章的核心工作为利用基于高斯分布的快速CFAR检测算法和基于SVM分类器的舰船目标精检测算法,开发了一套用于处理高分三号图像的交互软件。该软件能够根据用户的需求,实现高分三号图像中舰船目标的精确检测,提取舰船位置以及相关参数。实验结果表明,该软件中的检测算法模块可以完成基本的应用需求,同时也为用户提供便捷的人机交互界面。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN957.52
【部分图文】：

港口,极化模式,花莲,雷达信号处理

中国台湾省花莲县附近高分三号 SAR 图像2016 年 8 月，高分三号卫星采用精细条带 2、VH 极化模式对天津某港口进行像，获得分辨率为 10 米的雷达图像。从图中可以大致的看出河流、港口等地形地特征。国内西安电子科技大学雷达信号处理国家重点实验室某课题组根据应用需求现了对天津港口局部区域低分辨率目标检测，获得了比较好的检测效果，如下图 1和图 1.6 所示。

影像,天津,影像,卫星

海面舰船检测是高分三号雷达图像舰船检测系统的核心，其主要思想是利用在雷达图像上舰船目标与非舰船目标特征差异性实现检测，在海面舰船检测识别中，针对不同的海况信息，提出了多种统计分布模型，如瑞利分布[34]、高斯分布[35,36]、0G 分布[37]、K分布[38,39]、Weibull分布[40,41]、伽马分布、广义伽马分布、有限混合分布[42,43]等模型。其中，基于 K 分布和高斯分布的 CFAR 方法被证实可以应用于具有不同海况信息的舰船目标检测。关于舰船检测的研究大多针对分辨率不高的图像，在雷达图像中感兴趣的舰船只占几个像素单元或者十几个像素单元。为了实现舰船实时检测，加快检测的速度，避免在每一个像素单元进行复杂的阈值计算，各国研究者分别提出了许多算法。加拿大海洋监视工作站[18,19]检测系统算法中没有采用滑动窗口的办法，对整幅图像进行切割对切割后的每一幅子图像进行 K 分布参数估计和阈值计算，虽然提升了检测效率，但是检测性能降低。还有许多的研究者分别提出了基于全局阈值的方法，虽然检测速度比较快，但是其背景杂波的变化会大大的降低检测性能。基于滑窗思想的检测方法，检测效果比较理想，但是计算效率降低。因此有不少研究者提出了将基于全局阈值和

示意图,CFAR检测,算法,示意图

西安电子科技大学硕士学位论文本文算法检测到目标的像素个数为 132，备相同的目标检测性能；但是根据实验设定比，理论上本文算法能够提高检测速度约下，传统 CFAR 算法检测用时 4.9s，本文同，说明了在相同仿真环境下，本文算法在况下，所用检测时间大大缩短，具有更高的

【参考文献】