SAR圖像中人造目標的檢測和辨別.pdf

1、目標自動檢測和識別在軍事上和民用上都具有重要意義，如：探測埋于地下的管道，監(jiān)測隱藏在樹林中的坦克、行駛于海面的船只，以及尋找和營救失事飛機等等，這些都需要用到目標檢測和識別的技術(shù)。而微波雷達具有全天時、全天候成像的特點，因此SAR圖像中目標的自動檢測和識別相對來說，應(yīng)用前景更為廣泛。 一般的SAR自動目標識別(ATR)方法分為以下三個步驟：檢測，辨別和識別。檢測階段是將目標從背景中提取出來，辨別是剔除檢測階段產(chǎn)生的虛警，識別是對

2、每一目標進行分類。本文主要討論目標的檢測和辨別問題，具體包括以下幾方面的研究內(nèi)容： 1)SAR圖像中自動目標檢測和辨別領(lǐng)域的現(xiàn)狀分析：系統(tǒng)查閱并分析了SAR圖像中自動目標檢測和辨別領(lǐng)域內(nèi)的算法，指出各算法的優(yōu)缺點。目標檢測的方法可分為3種類型：CFAR方法、多分辨率檢測方法、基于相位或方位信息的目標檢測。其中，基于相位信息的目標檢測是最新的、也是目前最為有效的一種方法，但它還不成熟，有待進一步的發(fā)展。目標辨別可以被看成兩類識別過

3、程，在檢測的虛警率很低的情況下，可以省略這一步驟。利用目標與自然地物方位向散射特性的不同來辨別目標是今后發(fā)展的一個方向。 2)最大似然恒虛警率方法(ML-CFAR)和2L-IHP算法的比較研究：利用ADTS數(shù)據(jù)集，分析比較兩算法，發(fā)現(xiàn)2L-IHP方法虛警率低，對隱藏的目標也有一定的檢測能力。在目標分布比較密集的情況下，所有的CFAR方法都不適用，但2L-IHP仍然能夠工作很好。在檢測概率很高的情況下，虛警率仍然非常低。并且2L-

4、IHP方法無需建立背景的概率密度模型，算法原理簡單，計算量小。這些都說明了2L-IHP方法的優(yōu)越性。 3)2L-IHP方法的調(diào)整和改進：一般的2L-IHP方法只能使用SLC數(shù)據(jù)，而對于普通用戶，SLC數(shù)據(jù)比較難于得到，因此，提出了基于幅度數(shù)據(jù)的單極化和全極化的2L-IHP方法。分析草地、樹林和人造目標在一般的2L-IHP算法、消除天線權(quán)重的2L-IHP算法及幅度2L-IHP算法三種算法中所得到的相干值大小，發(fā)現(xiàn)人造目標的相干值明

5、顯高于自然地物，三種算法中，經(jīng)過天線權(quán)重消除的2L-IHP算法的相干值最高，幅度2L-IHP算法最低，但是幅度2L-IHP方法所得到的目標背景之比足夠用于目標檢測。ADTS數(shù)據(jù)集的試驗也充分說明了這一點。 4)分析比較不同波段、不同極化數(shù)據(jù)的目標檢測結(jié)果，找到最優(yōu)的極化和波段：針對AIRSAR的C-、L-、P-波段全極化圖像，分析了不同波段、不同極化條件下的目標檢測結(jié)果，得到以下幾點結(jié)論：對于同一波段的單極化圖像，有HH＞VV＞

6、HV；對于同極化、不同波段圖像，有C＞L＞P(C-HH與L-HH在有些情況下難以比較優(yōu)劣，但多數(shù)情況下，C波段較L波段檢測的相干系數(shù)高)；單極化條件下，最好的檢測波段為CHH和LHH；從相干系數(shù)的角度考慮，全極化檢測優(yōu)于單極化檢測。 5)目標檢測的小波分解算法：隨著尺度的變化，目標和背景的表現(xiàn)特征是不同的，利用這一點可以將目標檢測出來。而由于小波分解具有很好的多尺度特性，因此，小波分解用來檢測目標是明顯的選擇。同時討論了小波分解

7、層數(shù)和閾值的選擇，提出了一種自適應(yīng)小波分解閾值設(shè)定的方法。 6)目標極化響應(yīng)分析：分析了不同的理想元素散射體的極化響應(yīng)圖，并且在C波段AIRSAR全極化數(shù)據(jù)中選取目標樣本點，進行極化合成生成極化響應(yīng)圖。生成的實際目標的極化響應(yīng)圖很多都是由多個元素散射體的極化響應(yīng)復(fù)合形成的，由此提出將Stokes矩陣分解為這些元素散射體的線性組合的思想，其系數(shù)由最小二乘方法來確定。 7)PI-SAR數(shù)據(jù)的Cameron分解和SSCM分解：