论文部分内容阅读
作为微波遥感领域的典型代表,合成孔径雷达(Synthetic Aperture Radar,SAR)以其独特的对地观测优势,广泛应用于军事侦察、测绘以及国民经济各领域中。随着SAR技术的日益发展,给SAR图像的自动解译工作带来了新挑战,而SAR自动目标识别(Automatic Target Recognition, ATR)系统正是当前各国的研究热点。本文基于恒虚警检测技术、模糊理论、水平集技术、支撑向量机理论等,开展了针对SAR图像中地面军事目标(车辆、坦克等)的检测与分类技术的一系列研究工作,主要内容概况如下:1.提出了一种基于模糊CFAR的SAR图像目标检测新算法。该算法引入模糊逻辑的概念,基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器。实验结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,并具备一定的实时处理能力。2.针对高分辨率SAR图像中车辆、坦克等目标的特点和相干斑的影响,深入研究分析了水平集理论和抗噪性较强的Chan-Vese模型,实现了SAR图像中地面军事目标的检测提取。结合Chan-Vese模型,利用水平集技术,以高一维的隐式方法来控制目标轮廓曲线演化,最终提取出完整的目标数据信息,实验结果表明,该方法具有良好的目标提取能力,并且具有优越的抗噪性能,以及较高的鲁棒性。3.提出了一种基于目标数据提取的SAR图像目标分类识别方法。结合基于水平集技术提取目标信息的方法,利用支撑向量机较强的泛化分类能力,实现SAR图像不同类型目标的分类识别。实验使用MSTAR数据库数据集进行测试,结果证明,其能有效剔除背景数据干扰,充分利用目标数据,提高分类识别精度。