復(fù)雜場(chǎng)景下的SAR目標(biāo)檢測(cè).pdf

1、隨著合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)系統(tǒng)的廣泛應(yīng)用，SAR圖像的數(shù)量也飛速的增加，這使自動(dòng)目標(biāo)檢測(cè)算法受到了廣泛的關(guān)注。同時(shí)，隨著SAR系統(tǒng)逐漸被應(yīng)用于更加復(fù)雜的場(chǎng)景，提高復(fù)雜場(chǎng)景下目標(biāo)檢測(cè)算法的性能已經(jīng)成為了一個(gè)重要的研究方向。
　　本文首先簡(jiǎn)明扼要的介紹了SAR圖像目標(biāo)檢測(cè)算法研究的意義與目的，并介紹了該領(lǐng)域的國(guó)內(nèi)外研究現(xiàn)狀。然后，本文介紹了傳統(tǒng)的SAR圖像目標(biāo)檢測(cè)和聚類算法，并對(duì)它們

2、進(jìn)行了深入的分析。接下來(lái)，在國(guó)內(nèi)外的最新研究成果的基礎(chǔ)上，本文主要著眼于復(fù)雜場(chǎng)景的目標(biāo)檢測(cè)研究，包括復(fù)雜地面場(chǎng)景的目標(biāo)檢測(cè)與港口區(qū)域艦船的檢測(cè)。本文的主要研究工作有：
　　1.本文提出了一種基于超像素的雙參數(shù)恒虛警(constant false alarm rate,CFAR)檢測(cè)算法。該檢測(cè)算法主要包括三個(gè)步驟：分割、檢測(cè)與聚類。在分割階段，本文提出了一種SAR圖像超像素分割算法，該算法能夠有效地將目標(biāo)與雜波分離。在檢測(cè)階段，本

3、文將超像素分割結(jié)果與傳統(tǒng)雙參數(shù)CFAR檢測(cè)結(jié)合，利用超像素分割結(jié)果，自適應(yīng)的找到每個(gè)像素所在的雜波區(qū)域，減少了相鄰目標(biāo)對(duì)估計(jì)雜波區(qū)域像素強(qiáng)度分布參數(shù)的影響。這提高了對(duì)雜波區(qū)域像素強(qiáng)度分布參數(shù)的估計(jì)準(zhǔn)確性，于是提高了雙參數(shù)CFAR的檢測(cè)性能。在聚類階段，本文提出了一種基于超像素的聚類算法，該算法能夠有效區(qū)分相鄰目標(biāo)，在多目標(biāo)場(chǎng)景有著較好的聚類性能。
　　2.本文研究了一種基于超像素的多特征融合檢測(cè)算法。該檢測(cè)算法主要包括三個(gè)步驟：分

4、割、提取特征與檢測(cè)。在分割階段，仍然采用上文提到的超像素分割算法，該算法能夠?qū)⒛繕?biāo)分割為相鄰的幾個(gè)超像素。在特征提取階段，本文將三種傳統(tǒng)的像素級(jí)別的檢測(cè)統(tǒng)計(jì)量擴(kuò)展到超像素級(jí)別，并將它們聯(lián)合成為一個(gè)新的特征，用于描述超像素。在檢測(cè)階段，利用先驗(yàn)信息，本文將支持向量數(shù)據(jù)描述(Support Vector Data Description, SVDD)用于檢測(cè)，得到了檢測(cè)性能更好，且更加穩(wěn)定的檢測(cè)算法。
　　3.本文研究了港口區(qū)域的艦船