论文部分内容阅读
合成孔径雷达(SAR)具有全天候、全天时以及穿透能力强等特点,在军事和民用领域均有着广泛的应用。然而,SAR成像信息不仅与地物类型有关,也与雷达观测角、地物复介电常数、雷达发射波的波长、极化方式等因素有关,使得单个波段单种极化方式下的SAR系统获取的信息非常有限,随着相关硬件技术的突破,SAR系统可以获取多个波段和极化方式下对同一场景的观测信息,多源SAR图像信息的融合应用得到越来越多的关注。地物分类和目标检测是SAR图像解译的两个典型应用,在“十一五”预研项目的支持下,本文重点研究了如何利用多源SAR图像信息来提高地物分类率和目标检测精度,主要内容如下:1.高分辨率全极化SAR图像背景杂波建模与参数估计,SAR图像杂波背景建模是SAR图像处理分析的基础,在目前已有的极化SAR统计模型中, G p0分布能够较好的对复杂场景建模,然而G p0分布参数估计并没有得到很好的解决,针对这一问题,本文提出了基于对数累积量的参数估计方法,对实测数据的拟合实验表明,该方法无论在拟合速度和拟合精度上相比已有的最大似然估计和矩估计方法都有所提高,改进的杂波分布将用在后续的SAR图像地物分类和目标检测中。2.多波段SAR地物分类与决策融合,不同波段数据具有不同的极化方式,需要使用不同的分类算法,对单极化数据的分类,本文使用应用广泛的SVM方法,对于全极化数据的分类,在对最具代表性的Lee方法深入分析的基础上提出了一种改进的全极化SAR图像分类算法,由于该方法引入了螺旋散射和更好的杂波模型,因此在一些复杂场景中取得了比Lee方法更好的分类效果。利用改进的算法实现了不同波段数据的分类,实验结果表明不同波段数据在区分不同地物类型上存在一定的互补性,因此在Dempster-Shafer证据理论的框架下,进一步实现了不同波段数据的分类决策级融合,结果证实多个波段信息的融合可以获得比单个波段更好的分类效果。在对分类结果进行评价时,因为真实的专题制图信息难以获取,本文以容易获取的Google earth影像为参考,由于使用了整个场景的样本数据,所以比传统的人工选择测试样本的方法更客观,更准确。3.伪装网遮蔽车辆检测与决策融合,本文在课题的支持下,在国内率先开展了伪装网遮蔽车辆检测试验,对不同波段极化方式下的遮蔽车辆散射功率进行了深入对比研究,发现入射波越长,目标散射功率越强,在同一波段的不同极化中,交叉极化下的目标成像效果好于同极化。恒虚警检测算法(CFAR)是目前最有可能实用的一类方法,在该算法中,背景杂波统计模型是决定算法性能的关键因素,结合前面改进的杂波模型对全局CFAR算法做了改进,利用改进算法分别实现了有伪装网和无伪装网时不同波段和极化方式下的车辆检测,并对检测结果进行基于Neyman-Pearson准则的决策级融合。实验表明伪装网能够起到一定的遮蔽效果,降低目标检测率,不同波段和极化检测结果的决策级融合可以提高目标检测率,降低虚警率,提升综合检测性能,而且有网时的检测性能提升要高于无网,这意味着伪装网情况下进行多波段多极化SAR检测融合更有必要。4.机场环境解译及算法界面介绍,在前面地物分类和目标检测的研究基础上对机场环境这一典型军事场景进行了处理,得到机场环境的初步解译结果,有利于进一步战场分析和态势估计。最后,给出了上述算法在平台中的相关界面实现。