论文部分内容阅读
SAR是一种主动式的微波相干成像雷达，具有全天时、全天候的突出优势，在军事、减灾等各领域有着非常广泛的应用前景，尤其是SAR对金属目标具有很强的探测能力，因此海面舰船目标一直是SAR的重要应用方向之一。近些年，SAR系统的分辨率不断提高，SAR图像舰船目标自动解译越来越受到研究者的关注，然而由于SAR成像机理的特殊性，目前SAR图像舰船目标的自动解译仍然存在较大困难。 本文围绕着米级分辨率和亚米级分辨率的目标自动检测和分类识别两个方向，针对SAR图像中海杂波统计分析、SAR图像舰船目标特征分析与提取等研究重点，对SAR图像舰船目标的自动解译方法展开研究。 本论文的具体研究工作以及创新成果主要体现在以下几个方面: 1)针对中高分辨率SAR图像，提出了一种基于累积量随机学习(SLC)的海杂波概率密度估计方法。此方法无需已知海杂波概率分布模型，直接根据海杂波样本估计海杂波概率密度，相比传统方法具有较高的估计精度。在此基础上提出基于SLC的舰船目标自动检测方法。采用全局和局部CFAR级联的方式，既保证了检测效果又考虑到检测效率;利用聚类算法解决了中高分辨率SAR图像中舰船目标不连通的问题。通过与经典算法的实验对比，验证了算法的有效性。 2)针对中等分辨率SAR图像中舰船目标，提出了一种基于改进形状上下文的舰船特征提取与识别方法。通过对中等分辨率SAR图像中舰船目标主要特征的分析，利用改进形状上下文算法对舰船目标散射中心的拓扑结构进行描述，并根据散射中心强度进行加权匹配识别。实验利用三种外形特征较为相似的舰船目标，对比了经典和最近的算法，验证了算法的有效性。 3)提出了一种基于投影形状模板的高分辨率SAR图像舰船目标识别方法。此方法不需要训练样本，解决了高分辨率SAR图像训练样本不足的问题。根据高分辨率SAR图像中舰船目标的特点，构造多种舰船目标的投影形状模板并提取舰船边缘实现舰船型号的识别。实验利用高分辨率SAR图像舰船目标的实测数据验证了算法的有效性。 总的来说，本文提出了一种适合不同分辨率、不同海杂波分布的概率密度估计方法，在此基础上改进了舰船目标检测方法，并分析了中高分辨率SAR图像中舰船目标的主要可区分特征，然后分别针对中等分辨率和高分辨率SAR图像中舰船的分类识别问题，提出了有效的方法，为SAR图像舰船目标的自动解译提供了方法支撑。