SAR图像自动目标提取方法研究

发布时间：2021-05-10 08:09

　　合成孔径雷达（Synthetic20Aperture20Radar,SAR）,由于具有全天时、全天候的工作特点,成为目前一种不可或缺的遥感观测手段,在军事和民用领域得到了广泛的发展。SAR图像自动目标提取是其应用的重要方向之一,该技术的研究近年来受到国内外学者的广泛关注。本论文以发展实用化的SAR图像自动目标提取技术为目的,结合自动目标提取相关理论和应用背景,针对其中的复杂场景SAR图像目标检测、复杂场景SAR图像目标鉴别和面向鉴别特征提取的目标切片图像分割问题,展开系统的分析和研究,具体内容如下:第一部分,研究了多目标和杂波边界等复杂场景SAR图像中的目标检测问题。对于复杂场景中的目标检测问题,背景参考窗内均匀同质杂波像素的筛选是问题解决的关键,通常采用像素筛选或半窗筛选的策略实现。通过比较传统像素筛选类和半窗筛选类检测算法的各自优势,在背景杂波服从G⁰分布模型假设下,提出了一种基于自动区域筛选的恒虚警率（Constant20False20Alarm20Rate,CFAR）目标检测算法。该算法首先将局部参考窗均匀划分成若干个区域块;然后利用变化指数统计量对局部参... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：144 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 SAR图像自动目标识别系统的研究现状
        1.2.2 SAR图像自动目标提取技术的研究现状
    1.3 SAR图像自动目标提取关键技术分析
    1.4 论文主要研究内容与章节安排
第二章 基于自动区域筛选的SAR图像目标检测算法
    2.1 引言
    2.2 VI-CFAR检测原理
    2.3 SAR图像ABC-CFAR目标检测算法
        2.3.1 自动区域筛选方法
        2.3.2 基于G0分布模型的CFAR检测
        2.3.3 筛选阈值的计算
        2.3.4 ABC-CFAR算法流程及快速实现方法
    2.4 实验结果和分析
    2.5 本章小结
第三章 基于超像素筛选与合并的SAR图像目标检测算法
    3.1 引言
    3.2 SAR-SEEDS图像超像素分割算法
        3.2.1 SAR图像超像素分割目标函数构建
        3.2.2 SAR图像超像素分割目标函数求解
        3.2.3 SAR-SEEDS超像素分割算法处理步骤
    3.3 SAR图像SCM-CFAR目标检测算法
        3.3.1 超像素筛选
        3.3.2 参考窗内背景杂波区域图像分割
        3.3.3 参考背景筛选和超像素CFAR检测
        3.3.4 目标超像素聚类
    3.4 实验结果和分析
        3.4.1 SAR-SEEDS超像素分割算法的性能分析
        3.4.2 SCM-CFAR检测算法的性能分析
    3.5 本章小结
第四章 基于多特征融合词包模型的SAR图像目标鉴别算法
    4.1 引言
    4.2 BOW模型原理
    4.3 SAR图像局部区域描述子
        4.3.1 SIFT和SAR-SIFT特征
        4.3.2 对比度特征和纹理特征
    4.4 多核学习
    4.5 实验结果和分析
        4.5.1 实验1和实验2
        4.5.2 实验3
    4.6 本章小结
第五章 基于幂次变换的SAR图像Otsu分割算法
    5.1 引言
    5.2 Otsu图像分割算法
        5.2.1 算法的原理
        5.2.2 算法在SAR图像中的应用分析
    5.3 基于幂次变换的Otsu图像分割算法
        5.3.1 相干斑滤波及其对分割结果的影响
        5.3.2 幂次变换及其对分割结果的影响
        5.3.3 算法流程及复杂度分析
    5.4 实验结果和分析
        5.4.1 算法有效性分析
        5.4.2 算法稳健性分析
        5.4.3 算法运行时间分析
    5.5 本章小结
第六章 工作总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
作者简介



本文编号：3179021