SAR图像舰船目标检测算法研究

发布时间：2017-09-16 21:18

  本文关键词：SAR图像舰船目标检测算法研究

  更多相关文章： SAR图像 舰船检测 统计模型 恒虚警率 阈值调整

【摘要】：SAR舰船目标检测技术在军事目标跟踪、战场环境监视和侦察、远程战略预警等领域中都有着大量的应用，是现代高科技战争中赢得战争胜利的关键因素之一，已成为军事领域的前沿任务，世界各国都给予高度的重视，开展基于SAR图像的舰船目标检测技术的研究具有重要意义。本文研究工作主要集中在海杂波背景建模与舰船目标检测算法两个方面。 本文首先对海洋杂波统计特性进行分析，对常用的海杂波模型进行了研究，给出了各个分布模型在SAR海杂波建模中的适用范围，对其应用于目标检测时的阈值与虚警概率之间的关系进行了定性的研究。分别从模型的选定、模型参数的估计、模型的拟合程度评估三个方面对海杂波的参数模型建立过程进行了阐述，并给出了实验结果及分析。 其次，研究了CFAR舰船检测算法的原理及流程，对多种CFAR检测器的结构及检测性能进行分析，给出了应用于舰船目标检测中的全局CFAR算法与局部双参数CFAR算法的原理与流程，采用多种经典杂波分布模型对上述两种CFAR算法进行实现。 再次，针对传统CA-CFAR算法无法兼顾SAR图像全局信息与局部信息的问题，提出了一种改进的CFAR算法，使用全局阈值对局部阈值进行调整，利用待测单元邻域灰度信息对图像进行灰度重构，增强了目标与背景的对比度，抑制斑点噪声的影响，实验证明改进的方法能够较好的兼顾图像全局与局部信息，提高了舰船目标的检测性能。 最后，本文将宽动态范围的分布模型与VI-CFAR检测器结合，使得算法具有更广泛的海杂波拟合范围，并能够自适应的根据当前杂波环境选取与之匹配的检测器。提出了基于韦布分布与K分布的VI-CFAR算法，并将前文中改进CFAR算法的阈值处理与灰度值重构部分应用其中，通过实例应用验证了改进算法的优越性。
【关键词】：SAR图像 舰船检测 统计模型 恒虚警率 阈值调整
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TN957.52
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题研究的背景和意义10-11
• 1.2 课题的国内外研究现状11-14
• 1.2.1 SAR 技术的国内外研究现状11-13
• 1.2.2 SAR 图像目标检测技术的国内外研究现状13-14
• 1.3 论文的研究内容及结构安排14-16
• 第2章 SAR 图像舰船目标检测基础理论16-28
• 2.1 引言16
• 2.2 SAR 系统参数及成像原理16-19
• 2.2.1 SAR 系统参数16-17
• 2.2.2 SAR 系统成像原理17-19
• 2.3 SAR 图像特征19-21
• 2.4 SAR 图像目标几何特征21-24
• 2.5 SAR 图像舰船目标检测影响因素24-27
• 2.5.1 SAR 系统因素24-25
• 2.5.2 舰船因素25-26
• 2.5.3 海洋环境因素26-27
• 2.6 本章小结27-28
• 第3章 SAR 图像海杂波统计建模28-50
• 3.1 引言28
• 3.2 SAR 图像海杂波统计模型分类28-29
• 3.3 典型海杂波参量模型29-38
• 3.3.1 基于高斯分布的统计模型29-31
• 3.3.2 基于对数正态分布的统计模型31-33
• 3.3.3 基于韦布分布的统计模型33-34
• 3.3.4 基于瑞利分布的统计模型34-36
• 3.3.5 基于 K 分布的统计模型36-38
• 3.4 典型海杂波统计分布模型的参数估计方法38-43
• 3.4.1 高斯分布模型参数估计39
• 3.4.2 对数正态分布模型参数估计39
• 3.4.3 韦布分布模型参数估计39-40
• 3.4.4 瑞利分布模型参数估计40
• 3.4.5 K 分布模型参数估计40-42
• 3.4.6 实验结果及分析42-43
• 3.5 海杂波分布模型的拟合程度评估方法43-46
• 3.5.1 AIC 准则43-44
• 3.5.2 绝对值误差检验44
• 3.5.3 Pearson 检验44
• 3.5.4 K-S 检验44-45
• 3.5.5 D’Agostino-Pearson 匹配检验45-46
• 3.5.6 偏度系数检验46
• 3.5.7 峰度系数检验46
• 3.6 实验结果及分析46-48
• 3.7 本章小结48-50
• 第4章 基于 CFAR 的 SAR 图像舰船目标检测方法50-60
• 4.1 引言50
• 4.2 基于 CFAR 的 SAR 图像舰船目标检测原理50-56
• 4.2.1 CFAR 检测算法描述51-52
• 4.2.2 CFAR 检测器52-56
• 4.3 全局和局部的 CFAR 检测算法56-59
• 4.3.1 全局 CFAR 检测算法56-57
• 4.3.2 局部双参数 CFAR 检测算法57-58
• 4.3.3 实验结果及分析58-59
• 4.4 本章小结59-60
• 第5章 自适应 SAR 图像舰船目标检测方法60-73
• 5.1 引言60
• 5.2 改进的 CFAR 检测方法60-64
• 5.2.1 阈值调整61
• 5.2.2 灰度值重构61-62
• 5.2.3 实验结果及分析62-64
• 5.3 韦布分布下的 VI-CFAR 检测方法64-69
• 5.3.1 背景数据类型确定与选取65-66
• 5.3.2 韦布分布下检测阈值的确定66-67
• 5.3.3 实验结果及分析67-69
• 5.4 K 分布下的 VI-CFAR 检测方法69-72
• 5.4.1 背景数据类型确定与选取69
• 5.4.2 K 分布下检测阈值的确定69-70
• 5.4.3 实验结果及分析70-72
• 5.5 本章小结72-73
• 结论73-74
• 参考文献74-78
• 攻读硕士学位期间发表的论文和取得的科研成果78-79
• 致谢79

【参考文献】

中国期刊全文数据库 前10条

1 扈罗全;林乐科;朱洪波;;三种重拖尾分布海杂波的比较与分析[J];电波科学学报;2007年06期

2 郝程鹏,侯朝焕,鄢锦;一种新的K分布形状参数估计器[J];电子与信息学报;2005年09期

3 张亮;李禹;计科峰;粟毅;;SAR图像局部自适应ACCA-CFAR检测算法[J];电子与信息学报;2009年01期

4 艾加秋;齐向阳;禹卫东;;改进的SAR图像双参数CFAR舰船检测算法[J];电子与信息学报;2009年12期

5 李大朋;姚迪;;对K分布形状参数的M估计器的再改进[J];电子与信息学报;2011年07期

6 唐沐恩;林挺强;文贡坚;;遥感图像中舰船检测方法综述[J];计算机应用研究;2011年01期

7 欧林晖;;海杂波幅度模型及参数估计综述[J];科技风;2010年12期

8 李广强;盛文;;海杂波特性分析方法研究和比较[J];中国电子科学研究院学报;2006年05期

9 周树道;王敏;叶松;王俊;;基于SAR图像的海洋舰船目标检测技术[J];微计算机应用;2010年02期

10 石志广;周剑雄;付强;;K分布海杂波参数估计方法研究[J];信号处理;2007年03期

，

本文编号：865479