SAR圖像處理及地面目標識別技術研究.pdf

1、合成孔徑雷達(SAR)地面目標識別在戰(zhàn)場感知中發(fā)揮著重要作用,是地面情報的主要來源之一,能夠為戰(zhàn)爭決策提供強有力的支持。本論文主要對SAR地面目標識別技術進行了深入的研究,從兩個方面展開:其一為SAR圖像預處理,其二為SAR目標特征提取和SAR目標識別。論文內(nèi)容可概括為如下六部分:
　　 第一部分,提出了一種復合的SAR.圖像去噪算法。該方法首先利用信號的小波相鄰尺度相關性將信號和噪聲分離,然后根據(jù)SAR圖像近似瑞利分布的特點把

2、SAR圖像轉(zhuǎn)換為近高斯分布,再分別利用復數(shù)擴散震動濾波器對SAR圖像部分進行增強,用各項異性擴散方程對含噪部分進行去噪,最后用小波平穩(wěn)變換對圖像進行重構。實驗結(jié)果表明,與傳統(tǒng)的SAR圖像去噪算法相比,新算法無論在邊緣增強還是在噪聲去除能力方面均有顯著提高。
　　 第二部分,提出了一種基于CUDA分段自回歸模型的SAR圖像插值算法。由于硬件條件和SAR成像的限制,獲取的SAR圖像分辨率不高,不利于圖像的觀察和分析,通常的最近鄰插值

3、法、雙線性插值法、雙三次插值法、立方卷積插值法等對原始圖像進行放大,一定程度上改善了圖像的視覺效果,但是這些算法插值的精細度不夠高,對圖像的視覺效果改善度不夠大。基于分段二維自回歸模型(PAR)的圖像插值算法,通過使用非線性優(yōu)化的方法來同時估計模型參數(shù)和缺失像素。這種插值方法能夠產(chǎn)生具有很好視覺效果的高分辨率圖像,但是該方法的計算成本非常高。針對該問題,提出了一個基于CUDA的并行實現(xiàn)方法,它先將一幅圖像根據(jù)兩次插值約束分成多個9×9的

4、局部窗口,對每個局部窗口進行基于分段自回歸模型的圖像插值:首先,啟動一個CUDA線程利用自回歸插值算法來對圖像進行第一輪插值,而自回歸模型的參數(shù)則利用高精度的共軛梯度算法進行估計；然后,在第二輪插值中,利用第一輪插值得到的自回歸模型參數(shù)作為共軛梯度算法的初始值進行第二輪的參數(shù)估計,從而降低了第二輪插值時間。實驗結(jié)果表明,與基于傳統(tǒng)的CPU的插值算法相比,基于GPU的并行算法在實現(xiàn)插值一個2592×1944的圖像時,時間縮短為原來的1/1

5、10,并且圖像尺寸越大,加速越快。文中的算法能最佳的利用自回歸模型的局部性和CUDA的并行性,在得到高質(zhì)量插值圖像的同時計算速度大幅提高。
　　 第三部分,提出了一種融合SAR目標輪廓和陰影輪廓的目標識別算法。在進行SAR自動識別時,大多數(shù)算法都使用目標內(nèi)部結(jié)構特征,如灰度值,峰值,中心距等特征,而很少使用SAR圖像輪廓信息,更很少使用SAR圖像陰影信息。事實上,SAR圖像輪廓反映了SAR目標的局部空間結(jié)構信息,如果分割得當,能

6、夠分割出準確,精細的輪廓信息,而輪廓信息可以作為一種非常穩(wěn)健的識別特征的。因此我們首先提出了一種基于控制標記符的SAR圖像分割算法,得到SAR圖像目標輪廓和陰影輪廓,然后融合這兩種輪廓進行SAR目標識別?；贛STAR的實驗結(jié)果驗證了本算法的有效性。實驗結(jié)果證明,目標輪廓和陰影輪廓的結(jié)合,除反映本身包含的局部空間結(jié)構信息外,還能反應SAR目標的高度信息,較單一輪廓特征,是一種更為穩(wěn)健的特征。
　　 第四部分,提出了一種基于多模分

7、布的SAR圖像分割算法。SAR圖像目標,背景,陰影的不同成像機理使得這三部分具有不同的統(tǒng)計特性。本文分析SAR圖像三部分的統(tǒng)計性質(zhì),并對其分別建立統(tǒng)計模型,并給出了一種基于這三種模型組合的多模分布的SAR圖像分割算法,對于目標分割和陰影分割分別采用不同的預處理方法,分別提出了快速Otsu分割算法分割目標,以及基于背景均值保留的沖擊濾波算法分割陰影。分割結(jié)果表明,這種基于多模分布的SAR圖像分割算法與傳統(tǒng)的基于單模分割算法相比,能最佳的利

8、用各部分統(tǒng)計特性的差異,得到準確的分割結(jié)果。
　　 第五部分,提出了一種SAR目標姿態(tài)角的估計算法。SAR成像對目標方位角非常敏感,當SAR與目標的相對位置發(fā)生變化時,目標的散射中心也會發(fā)生變化,導致不同的方位角下的目標有明顯的區(qū)別。因此,SAR目標姿態(tài)角的估計是SAR目標識別的一個重要步驟,在SAR目標分類和識別中,精確的方位角估計可以減小目標匹配數(shù)和檢測誤差。我們在前面目標分割的基礎上,分析SAR圖像隨方位角變化的不變特征,

9、提出了一種基于清晰雙邊的隨機Hough變換法,基于MSTAR的實測數(shù)據(jù)實驗結(jié)果表明,這種算法估算SAR目標姿態(tài)角具有估計精度高,計算時間短的優(yōu)點。
　　 第六部分,提出了一種基于紋理特征的SAR目標識別算法,同時針對SAR目標變體提出了一種基于局部紋理特征的SAR目標變體識別算法。由于真實世界中使用的測試數(shù)據(jù)不可能與訓練數(shù)據(jù)完全一致,也就是同一目標存在多種不同變體,這是SAR目標識別的難點,也是影響SAR目標識別率和SAR目標識

10、別推廣性的主要原因之一。提出了一種針對變體的識別算法,利用變體與原目標局部紋理之間的相似性進行識別。首先,提出了一種基于清晰邊緣的SAR圖像配準算法,然后使用結(jié)合Gabor變換,LBP和空間區(qū)域直方圖的紋理特征來描述SAR圖像,最后用基于大特征的直方圖序列的匹配做識別。由于采用了基于配準的紋理來描述SAR圖像,因而能有效描述SAR目標；用局部直方圖匹配來進行識別,比用基于全局特征的算法推廣性更好?；贛STARS2的實驗結(jié)果證明了本算法