基于视觉注意模型的SAR图像目标检测算法研究

发布时间：2021-10-13 00:37

　　合成孔径雷达（Synthetic Aperture Radar,SAR）,因为不受气候与时间限制的工作特性,被广泛应用于军事和民用的许多领域,SAR图像自动目标识别（Automatic Target Recognition,ATR）技术也成为对SAR图像进行处理与分析的重要手段。作为整个SAR ATR系统的基础,目标检测的质量直接影响了对后续目标识别的结果,因此研究SAR图像的目标检测方法具有重要意义。人类视觉系统能够对图像中某些较为突出的对象给予更多的注意,这些对象称为显著目标。利用人眼对这些显著目标的感知机制,研究人员提出了许多性能优良的显著目标检测算法。受此启发,本文将人眼视觉注意机制运用到SAR图像的目标检测中,对现有的显著性检测模型进行改进,使其能够适用于SAR图像目标检测任务中。本文主要研究内容与工作如下:（1）研究了基于人眼视觉注意机制的多种显著性检测模型,对不同类型的算法进行了总结与分析。详细研究了几种经典的显著性检测算法及其特点。（2）经典的Itti算法用于SAR图像目标检测时,容易出现检测目标形状不清晰、可能会丢失大量原始信息的问题。对此,本文提出一种基于多尺度超像... 

【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】：85 页

【学位级别】：硕士

【部分图文】：

猕猴大脑皮层中参与视觉处理脑区连接示意图，引自文献[54]

第三章基于多尺度超像素的SAR图像显著目标检测方法31(c)Itti(d)双参数CFAR图3-9简单多目标检测结果对比（一）(a)原图(b)本章方法(c)Itti(d)双参数CFAR图3-10简单多目标检测结果对比（二）本实验中最小超像素尺度分别为25和50。从图中可以看到，与实验一相似，本章算法对于背景噪声的滤波效果同样比较好，检测出来的显著目标边界也比Itti算法的结果更好；同时相较双参数CFAR的检测结果，本章方法获取的目标结构更为完整，背景更干净，虚警率更低。实验三：本实验是复杂场景下的多目标仿真实验。本实验的实验对象是一幅来自于MiniSAR数据库的分辨率为1683×1063的SAR图像和一幅分辨率为374×246的机载SAR图像。实验结果如图3-11和图3-12所示。原始图像如图3-11(a)和图3-12(a)所示，图3-11(b)和图3-12(b)表示使用本章方法取得的结果，对比算法

第三章基于多尺度超像素的SAR图像显著目标检测方法31(c)Itti(d)双参数CFAR图3-9简单多目标检测结果对比（一）(a)原图(b)本章方法(c)Itti(d)双参数CFAR图3-10简单多目标检测结果对比（二）本实验中最小超像素尺度分别为25和50。从图中可以看到，与实验一相似，本章算法对于背景噪声的滤波效果同样比较好，检测出来的显著目标边界也比Itti算法的结果更好；同时相较双参数CFAR的检测结果，本章方法获取的目标结构更为完整，背景更干净，虚警率更低。实验三：本实验是复杂场景下的多目标仿真实验。本实验的实验对象是一幅来自于MiniSAR数据库的分辨率为1683×1063的SAR图像和一幅分辨率为374×246的机载SAR图像。实验结果如图3-11和图3-12所示。原始图像如图3-11(a)和图3-12(a)所示，图3-11(b)和图3-12(b)表示使用本章方法取得的结果，对比算法


本文编号：3433616