超高分辨SAR圖像車輛目標(biāo)檢測(cè).pdf

1、合成孔徑雷達(dá)（SAR）圖像是一種全天候的高分辨率圖像，被廣泛應(yīng)用于國(guó)防、自然災(zāi)害檢測(cè)、生態(tài)環(huán)境監(jiān)測(cè)等多個(gè)重要領(lǐng)域。SAR圖像的應(yīng)用包括分割、分類、目標(biāo)檢測(cè)、目標(biāo)識(shí)別等領(lǐng)域。目標(biāo)檢測(cè)是SAR圖像應(yīng)用領(lǐng)域的一個(gè)重要方向。尤其在軍事方面，SAR圖像目標(biāo)檢測(cè)為目標(biāo)打擊、精確制導(dǎo)等方面提供支持。多年來(lái)，研究人員在SAR圖像目標(biāo)檢測(cè)方面取得了豐厚的成果。但隨著SAR圖像的分辨率不斷升高，傳統(tǒng)SAR目標(biāo)檢測(cè)方法已經(jīng)不能滿足當(dāng)前需要。其一，在高分辨SA

2、R圖像中，目標(biāo)不同于以往普通分辨率SAR圖像目標(biāo)成一個(gè)或少數(shù)幾個(gè)亮點(diǎn)的狀態(tài)，因此不能用傳統(tǒng)的CFAR檢測(cè)算法對(duì)目標(biāo)進(jìn)行檢測(cè)。在高分辨SAR圖像中，目標(biāo)成為一片區(qū)域，目標(biāo)自身也具有了分布特征。其二，由于合成孔徑雷達(dá)的特征，具有一定高度的物體會(huì)在一定方向上產(chǎn)生陰影，導(dǎo)致高分辨SAR圖像中的目標(biāo)并不是完整的目標(biāo)。第三，隨著高分辨SAR的發(fā)展，數(shù)量不斷增大，特征越來(lái)越豐富，導(dǎo)致特征維數(shù)災(zāi)難，引起目標(biāo)檢測(cè)的時(shí)間復(fù)雜度過高。
　　我們針對(duì)以上

3、問題，我在本文提出了相應(yīng)的解決方案：
　　第一，本文提出了高分辨SAR圖像分類結(jié)合特征擬合的方法形成目標(biāo)檢測(cè)的方法，在這一方法中，由于車輛本身的分布也是可以擬合的，并且車輛也形成了一個(gè)區(qū)域，這導(dǎo)致我們可以把車輛看作是一個(gè)類別，和諸如草地、跑道、建筑等其它區(qū)域平等對(duì)待，用分類的方法把一幅高分辨SAR圖像分割為幾個(gè)區(qū)域，并結(jié)合車輛的特征對(duì)車輛區(qū)域標(biāo)號(hào)，從而形成最終的檢測(cè)結(jié)果。
　　第二，高分辨SAR圖像中目標(biāo)的補(bǔ)償方法，由于機(jī)載

4、高分辨SAR成像角度問題，會(huì)在特征方向上形成一定的陰影區(qū)域，并對(duì)目標(biāo)的完整性造成影響，本文中，我們把這當(dāng)作一個(gè)特征加入到分割檢測(cè)算法當(dāng)中來(lái)，對(duì)陰影和車輛的聯(lián)合分布進(jìn)行統(tǒng)計(jì)建模，作為車輛的特征，取得了較好的效果。
　　第三，針對(duì)高分辨SAR特征表示復(fù)雜的問題，我們提出了分層稀疏特征表示的方法，在第一個(gè)問題中，SAR圖像的特征表示也是非常一個(gè)難點(diǎn)，由于高分辨SAR圖像的分辨率很高，能在SAR圖像中呈現(xiàn)中很細(xì)微的特征，一般情況下，特征豐

5、富是有利于目標(biāo)檢測(cè)的，但高分辨SAR特征過多會(huì)導(dǎo)致分類過程中優(yōu)化復(fù)雜度過高的問題，針對(duì)這一問題，我們提出了建立過完備的字典，并用過完備的字典對(duì)特征進(jìn)行稀疏表示的方法。在實(shí)際過程中我們發(fā)現(xiàn)，傳統(tǒng)分布函數(shù)不能對(duì)高分辨SAR圖像進(jìn)行很好的擬全，如：四階分布對(duì)高分辨SAR圖像的陰影區(qū)域能較好的擬合能力，但它對(duì)其它區(qū)域的似合度不佳，而高斯分布能擬合一些背景區(qū)域，但對(duì)目標(biāo)和陰影又無(wú)能為力，因此我們提出了一種混合分布來(lái)解決這一問題，經(jīng)驗(yàn)證，取得了非常