当前位置:主页 > 科技论文 > 信息工程论文 >

基于SAR图像的海上目标检测方法研究

发布时间:2021-05-23 12:24
  合成孔径雷达(SAR)具有适用范围广,成像效果较好的特点,但在海平面的场景下,由于海杂波复杂多变,要分析SAR图像中海洋杂波的相关特性,并在此基础上进行目标检测工作具有较大的难度。同时由于海洋应用的逐渐发展,近年来,各国越来越重视保护自身的海洋权益,因此如何在SAR海洋图像中检测出舰船目标成为一个研究热点。本文基于实际情况与需求,在SAR图像预处理、海上目标检测和海上目标识别三个方面进行了相关方法研究,并将这三个方面作为三个重要步骤形成了一整套舰船检测与识别处理流程方法。在SAR图像预处理方面,使用了基于平稳小波变换的小波去噪方法和基于大津法的海陆分割方法。由于传统的引导函数去噪方法中引导图不易得的劣势和传统小波去噪方法中小波变换过程会丢失相关细节信息的劣势,本文基于小波去噪方法进行改进,在变换过程中使用平稳小波变换,使得图像信息尽量保留并且不需要引导图。去噪后本文基于大津法的进行海陆分割,去除陆地干扰。在海上目标检测方面,使用了基于改进背景窗的级联CFAR检测器。本文先对海洋杂波的特性进行了分析,并对其进行了建模处理,分析何种模型适合何种海况下的SAR图像,接着在海杂波模型的基础上进... 

【文章来源】:电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】:75 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究目标和内容
    1.4 论文结构安排
第二章 SAR图像预处理方法研究
    2.1 SAR图像斑噪抑制
        2.1.1 斑噪抑制方法概述
        2.1.2 基于平稳小波变换的改进小波去噪方法
        2.1.3 图像去噪仿真实验结果分析
    2.2 海陆分割
        2.2.1 海陆分割常用方法概述
        2.2.2 基于大津法的海陆分割方法
        2.2.3 海陆分割仿真实验结果分析
    2.3 本章小结
第三章 海上目标检测方法研究
    3.1 海杂波模型建立
        3.1.1 海杂波模型建立概述
        3.1.2 基于参量统计的海杂波模型建立
        3.1.3 海杂波建模仿真实验结果分析
    3.2 基于CFAR的海上目标检测
        3.2.1 CFAR检测算法概述
        3.2.2 基于改进背景窗的级联CFAR检测器
        3.2.3 海上目标检测仿真实验结果分析
    3.3 本章小结
第四章 海上目标识别方法研究
    4.1 目标识别方法概述
        4.1.1 数据集介绍
        4.1.2 传统目标识别分类器分析
    4.2 基于拉东变换的舰船目标特征提取
    4.3 基于不等距最优超平面的改进SVM目标识别分类器
    4.4 海上目标分类仿真实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 工作展望
致谢
参考文献


【参考文献】:
期刊论文
[1]论可持续发展理念在各国海洋环境立法中的典型性应用[J]. 凌欣,刘家沂.  天津大学学报(社会科学版). 2019(02)
[2]雾霾天气下交通信号灯定位与识别算法[J]. 金充充,何立平,朱仲杰,屠仁伟.  浙江万里学院学报. 2018(06)
[3]强噪声背景信号的Perona-Malik扩散滤波算法[J]. 毋文峰,陈小虎.  机械科学与技术. 2018(08)
[4]一种改进的基于小波变换的相干斑去噪方法[J]. 余金澳,吴彦鸿.  无线电工程. 2017(05)
[5]傅里叶变换与小波分析[J]. 付小叶.  数学建模及其应用. 2016(02)
[6]新型自适应背景窗的SAR图像目标检测[J]. 张颢,王林,刘磊,李德胜.  仪表技术. 2016(03)
[7]SAR图像舰船目标双阈值快速CFAR检测算法[J]. 曲长文,邓淇元,江源.  舰船科学技术. 2015(11)
[8]支持向量机理论与应用研究综述[J]. 张博洋.  无线互联科技. 2015(19)
[9]基于Canny算子和Radon变换的证件图像倾斜校正[J]. 马歌.  中国新技术新产品. 2014(15)
[10]图像噪声类型识别研究[J]. 谭永杰,曹彦,王永亮.  周口师范学院学报. 2013(05)

博士论文
[1]地、海杂波建模及目标检测技术研究[D]. 姜斌.国防科学技术大学 2006

硕士论文
[1]基于SAR图像的舰船目标检测算法的研究[D]. 孟雨晴.大连海事大学 2017
[2]基于SAR图像的相干斑抑制算法[D]. 张敏.大连海事大学 2016
[3]基于SAR图像的海面舰船目标检测与鉴别算法研究[D]. 曹芳.西安电子科技大学 2014
[4]SAR图像舰船目标检测与鉴别技术研究[D]. 曹峰.国防科学技术大学 2012
[5]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[6]基于小波变换的图像去噪方法研究[D]. 张郝.北京交通大学 2008



本文编号:3202518

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3202518.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户7829c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com