基于SAR圖像的艦船目標(biāo)檢測算法的研究.pdf

1、近年來，合成孔徑雷達成像技術(shù)與應(yīng)用得到快速發(fā)展，在導(dǎo)航雷達存在探測盲區(qū)而且AIS不能提供非合作艦船信息的情況下，合成孔徑雷達提供了另一艦船探測的重要途徑，但復(fù)雜背景下的SAR圖像目標(biāo)檢測問題一直未能得到很好的解決。本文以復(fù)雜背景下的SAR圖像中艦船目標(biāo)的檢測算法為研究重點，給出一種解決方法，引入視覺注意機制，再結(jié)合Shearlet變換檢測方法，實驗結(jié)果證明取得了較好的檢測效果。所做主要工作如下:
　　對復(fù)雜背景下的海雜波的統(tǒng)計分布

2、特性展開研究。介紹了幾種海雜波統(tǒng)計分布模型及其參數(shù)估計方法，對背景雜波進行分布擬合實驗，并進行分析總結(jié)。
　　將視覺顯著注意模型與CA-CFAR檢測相結(jié)合，用于艦船目標(biāo)的預(yù)篩選。選取SR視覺注意模型計算顯著區(qū)域，生成顯著圖，在顯著圖上進行CFAR檢測，得到初步篩選結(jié)果。研究了SR模型，分析SAR圖像的平均對數(shù)幅度譜曲線，闡明了模型在SAR圖像上應(yīng)用的可行性。結(jié)合原圖與顯著圖的灰度直方圖，從原理上說明了經(jīng)過顯著區(qū)域計算之后，原圖的雜

3、波分布發(fā)生變化，海雜波強度集中分布到低強度值區(qū)域，引入評價雜波強度和不均勻程度即復(fù)雜度的指標(biāo)均值和標(biāo)準(zhǔn)差。結(jié)果表明，顯著圖的雜波復(fù)雜度指標(biāo)均值和標(biāo)準(zhǔn)差均大大降低。針對一次顯著圖未排除的雜波干擾，本文提出求取二次顯著圖，在二次顯著圖上進行CFAR檢測，實驗結(jié)果顯示排除了雜波干擾。
　　針對因顯著圖帶來的虛警現(xiàn)象，采用Shearlet變換檢測算法來進行虛警判別。Shearlet變換檢測方法在強雜波邊緣容易出現(xiàn)虛警而且對圖像大小有限制，