论文部分内容阅读
近年来合成孔径雷达（SAN）在许多方面得到了应用，其技术能够用来检测 杂波背景中的感兴趣目标。一些学者和研究机构研究了SAR目标检测和识别， 在这方面比较有影响的研究机构是MIT的Lincoln实验室。该实验室在DARP （国防高级研究计划署）的支持下展开了自动目标识别（ATR ）研究，该课题己 在发展和完善中。 本文在国防科工委支持下研究了SAR目标检测技术，以及与之有关的如噪 声抑制，边缘提取等方法。针对这些技术和方法的不足之处，提出了一些新的方 法和算法。其内容如下： 1．研究了相干斑噪声抑制技术，提出了门）增强小波软阈值相干斑噪声抑 制方法。考虑SAN杂波复杂情况，不同类型的区域滤波要求不同，本文将小波 软阈值滤波方法与 SAR杂波特点结合。（2）增强小波维纳相干斑噪声抑制方法。 基于合成孔径霄达图像杂波结构，结合小波变换和自适应维纳滤波提出了新的抑 制 SAR图像相干斑噪声方法，该方法能够较好保留杂波边缘和点目标。方法（2） 同方法门）比较，利用自适应维纳滤波的优点，避兔了小波阈值的选取，克服 了方法（1）的不足之处。实验表明这两种相干斑噪声抑制方法能够获得比较满 意的效果，并且增强小波维纳方法略优于增强小波软阈值方法效果。 2．分析了 SAR目标检测技术，提出了u）根据 SAR统计分布特性的鲁棒恒 虚警目标检测方法，在Gaona分布条件下研究了SAR目标检测，得到了阈值系数 与恒虚警关系，提出了阈值选择理论及其简单实现方法，优化了杂波均值估计并 给出了其鲁棒算法。在方法（3）中，相干斑噪声的存在影响了杂波均值的估计， 中值具有较好的抗噪特性，但是中值往往是均值的有偏估计，对于Ganun分布而 言，中值与均值具有比例关系。（4）抑制相干斑后的增强目标检测方法，分析了 抑制SAR图像相于斑噪声后的多分布特性，研究了相应的SAR目标检测，提出了 一种新的 SAR图像目标检测方法及其实现。在方法（4）中，去噪后的 SAR图像 中有三种不同的统计分布，即：高斯分布、Gamma分布、高阶Gamma分布，因此 要针对不同的统计分布分别作出相应的检测方法，最后采用区域掩膜得到检测后 的SAR目标。实验表明鲁棒恒虚警目标检测方法和增强目标检测方法均具有较好 检测性能。 3．研究了SAR边缘提取，提出了鲁棒比例边缘提取方法o人在经典比例边 缘提取方法中，需要进行均值估计，这要受到相干斑的影响，相干斑噪声是边缘 提取的障碍，采用传统的抑制方法会损害边缘，而增强相于斑抑制技术事先对边 缘作了某种假定。是否有这样一种边缘检测方法，它不考虑噪声抑制问题，而又 IV要避兔噪声的干扰？这里利用了第四章目标检测的研究成果，提出了中值比例边缘提取的鲁棒方法。实验表明鲁棒比例边缘法是一种效果较好的边缘提取方法。 4．研究了SAR数据的地物和目标分类。分类也是一种描述SAR中目标、地物和地貌的常用手段，本文叙述了常用的适合SAn的一阶和二阶纹理特征，用大量的实验结果来描述这些特征的相对贡献，从而获得有用特征集：分析了常用的分类器，采用最小距离分类法，最大似然分类法，C均值聚类法，学习矢量量化神经网络聚类法来对SAR地物分类。同时本文研究了利用将小波结合恒虚警技术来表示SAR目标方法。小波变换适合信号多分辨分析，小波滤波后其方差特征能有效地表示信号。将SAR图像经过恒虚警处理后通过小波滤波器，用不同频段的方差矢量能够有效地表示目标特征。实际SAR数据的测试结果也表明了该研究方法的有效性。 本文在目标检测，相干斑抑制，边缘提取方面完成了大量的新算法验证，其结果表明它们都优于常用的经典方法。