节点文献

基于统计模型的SAR图像车辆目标检测方法研究

【作者】 张琦

【导师】 匡纲要;

【作者基本信息】 国防科学技术大学, 信息与通信工程, 2005, 硕士

【摘要】 SAR是一种具有诸多优点的传感器,在军事侦察领域具有巨大的应用潜力,已经引起了世界各国的普遍关注。其中,针对SAR机动目标解译应用构建自动目标识别(ATR)系统成为了SAR应用的一个主要方面。实际上,由于目标所处的地物场景的千变万化,以现有的技术无法达到稳健的目标识别的要求,因而从实用的系统出发,如何快速有效地检测目标成为当前的一个研究热点。检测是自动目标识别系统的第一步,其性能的好坏对后续处理的影响较大。从现有的文献来看,基于杂波统计特性分析的目标检测算法是所有检测算法中最为稳健,最为实用,发展最快的。因此,论文首先深入分析了SAR图像杂波统计模型,在此基础上,系统研究了目标检测的恒虚警算法,为了提高目标检测的性能,进而给出了基于模型利用特征的目标检测算法。论文的主要工作包括:首先,作为全文研究的理论基础,深入分析了SAR图像杂波的统计模型。结合不同杂波的散射机理,把杂波分为三大类:均匀杂波、一般不均匀杂波以及极不均匀杂波。针对这三类杂波分别给出了其统计模型,并对各个模型进行了理论的推导以及模型参数的估计。进一步,为了定量评价不同模型对杂波的拟合精度,总结和比较了现有的模型匹配评估准则。其次,在研究杂波统计模型得到的结论的指导下,系统研究了恒虚警率(CFAR)目标检测算法。详细推导了不同分布下CFAR算法的具体形式,包括检测阈值与虚警率的关系,杂波统计量的估计等内容。给出了几种有代表性的CFAR检测器,如单元平均CFAR检测器、有序统计量CFAR检测器等。最后给出了对比实验,为今后针对不同后续处理的需要,选择适当的算法提供了依据。最后,针对CFAR检测方法在强杂波环境中虚警率过高的问题,论文提出了基于模型利用特征的目标检测思路以提高目标检测的性能。引入并改进了两种利用目标特征进行检测的方法:EF特征检测和基于二次Gamma核的目标检测。在结合EF特征方面,该方法可以克服CFAR的缺陷,在强杂波环境中能有效检测目标,但同时存在负值效应,给检测带来了新的虚警。因此,文中提出了一种利用EF特征检测和CFAR检测进行融合的检测方法,实验证明了该方法大大降低了检测的虚警率。在利用二次Gamma核的目标检测算法方面,改进了原有算法的参数估计方法,提出了一种根据目标尺度信息自动获取参数值的方法。通过对实测数据进行实验,证实了该方法的有效性。在此基础上,提出了将EF特征检测和基于二次Gamma核的检测进行融合的检测方法。

  • 【分类号】TN953
  • 【被引频次】25
  • 【下载频次】687
节点文献中: 

本文链接的文献网络图示: