SAR圖像中人造目標的檢測和辨別.pdf

1、目標自動檢測和識別在軍事上和民用上都具有重要意義，如：探測埋于地下的管道，監(jiān)測隱藏在樹林中的坦克、行駛于海面的船只，以及尋找和營救失事飛機等等，這些都需要用到目標檢測和識別的技術。而微波雷達具有全天時、全天候成像的特點，因此SAR圖像中目標的自動檢測和識別相對來說，應用前景更為廣泛。 一般的SAR自動目標識別(ATR)方法分為以下三個步驟：檢測，辨別和識別。檢測階段是將目標從背景中提取出來，辨別是剔除檢測階段產(chǎn)生的虛警，識別是對

2、每一目標進行分類。本文主要討論目標的檢測和辨別問題，具體包括以下幾方面的研究內(nèi)容： 1)SAR圖像中自動目標檢測和辨別領域的現(xiàn)狀分析：系統(tǒng)查閱并分析了SAR圖像中自動目標檢測和辨別領域內(nèi)的算法，指出各算法的優(yōu)缺點。目標檢測的方法可分為3種類型：CFAR方法、多分辨率檢測方法、基于相位或方位信息的目標檢測。其中，基于相位信息的目標檢測是最新的、也是目前最為有效的一種方法，但它還不成熟，有待進一步的發(fā)展。目標辨別可以被看成兩類識別過

3、程，在檢測的虛警率很低的情況下，可以省略這一步驟。利用目標與自然地物方位向散射特性的不同來辨別目標是今后發(fā)展的一個方向。 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，對隱藏的目標也有一定的檢測能力。在目標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。在檢測概率很高的情況下，虛警率仍然非常低。并且2L-

4、IHP方法無需建立背景的概率密度模型，算法原理簡單，計算量小。這些都說明了2L-IHP方法的優(yōu)越性。 3)2L-IHP方法的調(diào)整和改進：一般的2L-IHP方法只能使用SLC數(shù)據(jù)，而對于普通用戶，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、樹林和人造目標在一般的2L-IHP算法、消除天線權重的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)人造目標的相干值明

5、顯高于自然地物，三種算法中，經(jīng)過天線權重消除的2L-IHP算法的相干值最高，幅度2L-IHP算法最低，但是幅度2L-IHP方法所得到的目標背景之比足夠用于目標檢測。ADTS數(shù)據(jù)集的試驗也充分說明了這一點。 4)分析比較不同波段、不同極化數(shù)據(jù)的目標檢測結(jié)果，找到最優(yōu)的極化和波段：針對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檢測結(jié)果，得到以下幾點結(jié)論：對于同一波段的單極化圖像，有HH＞VV＞

6、HV；對于同極化、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波段檢測的相干系數(shù)高)；單極化條件下，最好的檢測波段為CHH和LHH；從相干系數(shù)的角度考慮，全極化檢測優(yōu)于單極化檢測。 5)目標檢測的小波分解算法：隨著尺度的變化，目標和背景的表現(xiàn)特征是不同的，利用這一點可以將目標檢測出來。而由于小波分解具有很好的多尺度特性，因此，小波分解用來檢測目標是明顯的選擇。同時討論了小波分解

7、層數(shù)和閾值的選擇，提出了一種自適應小波分解閾值設定的方法。 6)目標極化響應分析：分析了不同的理想元素散射體的極化響應圖，并且在C波段AIRSAR全極化數(shù)據(jù)中選取目標樣本點，進行極化合成生成極化響應圖。生成的實際目標的極化響應圖很多都是由多個元素散射體的極化響應復合形成的，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)由最小二乘方法來確定。 7)PI-SAR數(shù)據(jù)的Cameron分解和SSCM分解：