论文部分内容阅读
随着雷达对地观测技术的日趋发展, SAR图像数据收集能力的不断增强, SAR图像的自动目标识别技术已逐渐成为目前该领域的研究热点。其中,目标检测是SAR图像自动目标识别的基础,其结果的好坏直接影响着后续目标特征的提取,并最终影响目标识别与分类的精度。坦克、导弹发射车、装甲车等地面车辆是SAR战场监视和对地探测的重要目标,对SAR图像中车辆目标的自动检测研究具有较高的应用价值。本文对含有车辆目标的真实SAR图像进行了图像抑噪和目标检测的研究。首先,介绍了SAR的成像原理、SAR图像的目标特点和SAR图像的统计特性,通过对含有车辆目标的真实SAR图像数据进行统计特性分析,得出几乎在整个SAR图像的灰度分布范围内,SAR图像的灰度概率分布基本上服从σ取SAR图像灰度均方差时的瑞利分布。其次,介绍了相干斑噪声的产生机理和模型,在传统滤波方法的基础上,结合Lee算法中地物的分类思想和中值滤波,提出了一种改进的小波抑噪方法,通过对各种方法抑噪效果的评价,得出改进的小波抑噪法在抑制噪声和保持图像细节信息方面均比较优。最后,介绍了恒虚警率检测技术和三种恒虚警率检测器,在恒虚警率(CFAR)统计检测理论的基础上,对常规双参数CFAR检测方法进行了分析,得出因SAR图像数据的统计特性与高斯分布有着明显的差异,导致实验结果中的实际虚警率与理论虚警率偏离过大。结合SAR图像的灰度概率分布服从瑞利分布的先验知识,给出了基于瑞利分布的CFAR检测方法。考虑到CFAR检测模板过大,而造成SAR图像30cm宽的外边缘不能被检测,结合数学形态学提出了一种改进的CFAR检测方法。各种检测算法对真实SAR图像的检测结果表明改进的CFAR检测算法具有相对较优的检测性能。