基于素描稀疏表示和低秩分解的SAR圖像目標檢測.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR）圖像的目標檢測首先從SAR圖像中提取出包含潛在目標的感興趣區(qū)域，然后在潛在目標區(qū)域中對人工目標進行定位，實現(xiàn)目標與背景的分離。由于合成孔徑雷達在航空航天、地面監(jiān)測、戰(zhàn)場偵察、武器制導(dǎo)等領(lǐng)域具有重要的應(yīng)用價值，因此基于SAR圖像的目標檢測技術(shù)已經(jīng)成為SAR民用和軍事應(yīng)用的核心技術(shù)之一，對于后續(xù)的目標識別與分類具有十分重要的意義。SAR圖像的素描圖是對圖像結(jié)構(gòu)信息的一種

2、稀疏描述，以比值算子和相關(guān)性算子為基準的邊線模型能夠更好的刻畫SAR圖像中的奇異信息。低秩分解模型通過對觀測矩陣中背景低秩性和前景稀疏性的約束，將實際觀測到的矩陣分解為表示背景的低秩矩陣和表示前景的稀疏矩陣，而目標和噪聲存在于表示前景的稀疏矩陣中。
　　本研究主要內(nèi)容包括：⑴針對人工目標定位不準確的問題，在實現(xiàn)人工目標區(qū)域觀測矩陣構(gòu)造與分解的基礎(chǔ)上，提出了一種基于目標區(qū)域與低秩分解的SAR圖像目標檢測方法。首先研究和分析了劉芳、宋

3、建梅所提出的基于初始素描圖線段規(guī)整度的候選目標區(qū)域提取算法，由于該方法所采用的初始素描圖是通過Primal Sketch模型提取得到的，模型中的邊緣檢測算子是針對光學(xué)圖像的加性噪聲而設(shè)計的，并不適用于SAR圖像的乘性噪聲模型，因此本文在采用SAR素描模型得到素描圖的基礎(chǔ)上進行候選目標區(qū)域的提取，然后利用候選目標區(qū)域灰度和線密度統(tǒng)計特征剔除虛警目標區(qū)域，設(shè)計目標區(qū)域觀測矩陣的構(gòu)造方法，并采用Rpca分解方法對其進行分解得到低秩矩陣和稀疏矩

4、陣，利用稀疏矩陣的統(tǒng)計特性來實現(xiàn)人工目標區(qū)域中的目標定位；⑵在基于初始素描圖線段規(guī)整度的候選目標區(qū)域提取算法和采用SAR素描模型得到素描圖的基礎(chǔ)上，本文分析了不同類型的人工目標在SAR圖像素描圖中的稀疏表示特征，定義了用于計算素描線段規(guī)整度的自適應(yīng)幾何結(jié)構(gòu)窗口，并設(shè)計了區(qū)域擴充規(guī)則進行候選目標區(qū)域的提取。仿真實驗表明，相比原候選目標區(qū)域提取算法中固定窗口大小以及遞歸生長規(guī)則的策略，所提出的基于SAR圖像素描圖與自適應(yīng)幾何結(jié)構(gòu)窗的候選目標