SAR圖像中人造目標(biāo)的檢測(cè)和辨別.pdf

1、目標(biāo)自動(dòng)檢測(cè)和識(shí)別在軍事上和民用上都具有重要意義，如：探測(cè)埋于地下的管道，監(jiān)測(cè)隱藏在樹(shù)林中的坦克、行駛于海面的船只，以及尋找和營(yíng)救失事飛機(jī)等等，這些都需要用到目標(biāo)檢測(cè)和識(shí)別的技術(shù)。而微波雷達(dá)具有全天時(shí)、全天候成像的特點(diǎn)，因此SAR圖像中目標(biāo)的自動(dòng)檢測(cè)和識(shí)別相對(duì)來(lái)說(shuō)，應(yīng)用前景更為廣泛。 一般的SAR自動(dòng)目標(biāo)識(shí)別(ATR)方法分為以下三個(gè)步驟：檢測(cè)，辨別和識(shí)別。檢測(cè)階段是將目標(biāo)從背景中提取出來(lái)，辨別是剔除檢測(cè)階段產(chǎn)生的虛警，識(shí)別是對(duì)

2、每一目標(biāo)進(jìn)行分類。本文主要討論目標(biāo)的檢測(cè)和辨別問(wèn)題，具體包括以下幾方面的研究?jī)?nèi)容： 1)SAR圖像中自動(dòng)目標(biāo)檢測(cè)和辨別領(lǐng)域的現(xiàn)狀分析：系統(tǒng)查閱并分析了SAR圖像中自動(dòng)目標(biāo)檢測(cè)和辨別領(lǐng)域內(nèi)的算法，指出各算法的優(yōu)缺點(diǎn)。目標(biāo)檢測(cè)的方法可分為3種類型：CFAR方法、多分辨率檢測(cè)方法、基于相位或方位信息的目標(biāo)檢測(cè)。其中，基于相位信息的目標(biāo)檢測(cè)是最新的、也是目前最為有效的一種方法，但它還不成熟，有待進(jìn)一步的發(fā)展。目標(biāo)辨別可以被看成兩類識(shí)別過(guò)

3、程，在檢測(cè)的虛警率很低的情況下，可以省略這一步驟。利用目標(biāo)與自然地物方位向散射特性的不同來(lái)辨別目標(biāo)是今后發(fā)展的一個(gè)方向。 2)最大似然恒虛警率方法(ML-CFAR)和2L-IHP算法的比較研究：利用ADTS數(shù)據(jù)集，分析比較兩算法，發(fā)現(xiàn)2L-IHP方法虛警率低，對(duì)隱藏的目標(biāo)也有一定的檢測(cè)能力。在目標(biāo)分布比較密集的情況下，所有的CFAR方法都不適用，但2L-IHP仍然能夠工作很好。在檢測(cè)概率很高的情況下，虛警率仍然非常低。并且2L-

4、IHP方法無(wú)需建立背景的概率密度模型，算法原理簡(jiǎn)單，計(jì)算量小。這些都說(shuō)明了2L-IHP方法的優(yōu)越性。 3)2L-IHP方法的調(diào)整和改進(jìn)：一般的2L-IHP方法只能使用SLC數(shù)據(jù)，而對(duì)于普通用戶，SLC數(shù)據(jù)比較難于得到，因此，提出了基于幅度數(shù)據(jù)的單極化和全極化的2L-IHP方法。分析草地、樹(shù)林和人造目標(biāo)在一般的2L-IHP算法、消除天線權(quán)重的2L-IHP算法及幅度2L-IHP算法三種算法中所得到的相干值大小，發(fā)現(xiàn)人造目標(biāo)的相干值明

5、顯高于自然地物，三種算法中，經(jīng)過(guò)天線權(quán)重消除的2L-IHP算法的相干值最高，幅度2L-IHP算法最低，但是幅度2L-IHP方法所得到的目標(biāo)背景之比足夠用于目標(biāo)檢測(cè)。ADTS數(shù)據(jù)集的試驗(yàn)也充分說(shuō)明了這一點(diǎn)。 4)分析比較不同波段、不同極化數(shù)據(jù)的目標(biāo)檢測(cè)結(jié)果，找到最優(yōu)的極化和波段：針對(duì)AIRSAR的C-、L-、P-波段全極化圖像，分析了不同波段、不同極化條件下的目標(biāo)檢測(cè)結(jié)果，得到以下幾點(diǎn)結(jié)論：對(duì)于同一波段的單極化圖像，有HH＞VV＞

6、HV；對(duì)于同極化、不同波段圖像，有C＞L＞P(C-HH與L-HH在有些情況下難以比較優(yōu)劣，但多數(shù)情況下，C波段較L波段檢測(cè)的相干系數(shù)高)；單極化條件下，最好的檢測(cè)波段為CHH和LHH；從相干系數(shù)的角度考慮，全極化檢測(cè)優(yōu)于單極化檢測(cè)。 5)目標(biāo)檢測(cè)的小波分解算法：隨著尺度的變化，目標(biāo)和背景的表現(xiàn)特征是不同的，利用這一點(diǎn)可以將目標(biāo)檢測(cè)出來(lái)。而由于小波分解具有很好的多尺度特性，因此，小波分解用來(lái)檢測(cè)目標(biāo)是明顯的選擇。同時(shí)討論了小波分解

7、層數(shù)和閾值的選擇，提出了一種自適應(yīng)小波分解閾值設(shè)定的方法。 6)目標(biāo)極化響應(yīng)分析：分析了不同的理想元素散射體的極化響應(yīng)圖，并且在C波段AIRSAR全極化數(shù)據(jù)中選取目標(biāo)樣本點(diǎn)，進(jìn)行極化合成生成極化響應(yīng)圖。生成的實(shí)際目標(biāo)的極化響應(yīng)圖很多都是由多個(gè)元素散射體的極化響應(yīng)復(fù)合形成的，由此提出將Stokes矩陣分解為這些元素散射體的線性組合的思想，其系數(shù)由最小二乘方法來(lái)確定。 7)PI-SAR數(shù)據(jù)的Cameron分解和SSCM分解：