论文部分内容阅读
本文以SAR图像目标检测与识别应用的处理流程为主线开展研究，重点对基于多源数据的海洋目标检测，高分辨率SAR数据陆地目标检测，不同传感器条件下目标特征稳定性分析以及基于多特征多分类器的目标识别方法这四个关键技术进行了研究。其具体研究内容如下：
研究了基于多源数据的海洋船只检测技术，提出了一种基于分治策略的多源星载SAR数据海洋船只检测方法。在该方法处理流程中，针对不同分辨率SAR数据的特点，分别使用了GIS数据和图像边缘信息对陆地区域进行掩膜。随后提出了目标增强滤波增加船海对比度，并提出了基于均质检验的区域分割方法将研究区域分割为一系列均质区域。对这些均质区域，使用高斯CFAR检测器检测单通道数据中的目标，而对双通道的Envisat ASAR交替极化数据，则提出了基于二维高斯双通道CFAR检测器检测其中的船只目标。最后，为提高检测的精度，降低检测结果的虚警率，定义了一个复合目标辨识算子。在这个辨识器中，较为耗时辨识算法被放在较后的位置，而简单的辨识算法则位于前方，这样可以在保证辨识效果的同时，提高算法的效率。
对高分辨率SAR图像中的机场飞机目标检测技术进行了研究，提出了一种基于小波变换的高分辨率SAR图像陆地目标检测方法。利用小波变换将高分辨率SAR图像变换为低分辨率图像，然后使用RC-CFAR检测算法对图像进行粗检测，并记录检测结果的位置。再对图像进行小波反变换和软阈值滤波，在滤波后的图像上确定粗检测的结果，并再次使用RC-CFAR检测器进行精检测，然后使用计数滤波器、形态学滤波，面积追踪和峰值比滤波器对检测结果进行辨识并定位目标。
研究了目标峰值特征和目标小波低频特征提取方法。介绍了从目标ROI切片中提取目标峰值特征和小波低频特征的处理流程，重点对小波低频特征的提取进行了研究，提出了基于类内和类间方差的最优小波母函数评价方法，并使用该方法对常用小波母函数进行了评价实验。结合MSTAR数据和基于射线追踪法的模拟数据，研究了在目标方位角、雷达俯视角和雷达波频率变化时，目标峰值特征和目标小波低频特征的稳定性变化情况。
研究了基于多特征多分类器的目标识别方法。提出了基于世界观测矢量的峰值特征描述方法，将点特征匹配问题转化为加权二分图完美匹配问题，并使用KM算法求解最优匹配。使用SVM分类器根据目标小波低频特征识别测试样本，介绍了SVM分类器识别目标的具体处理流程，研究了方位角间隔变化对目标识别性能的影响，确定了最优方位角间隔。最后研究了基于多分类器组合的目标识别方法，提出了级联结构的度量层分类器组合方法。使用SVM分类器作为第一级分类器，根据输出的后验概率序列定义了分类置信度。对于分类结果置信度低于给定指标的样本，则使用峰值匹配识别算法进行二次识别。为避免分类器度量值量级上差异的影响，对峰值匹配分类器的输出结果进行了归一化变换。最后再使用分类组合判决准则中的加法准则对SVM分类和峰值匹配分类器的结果进行了综合判决。