

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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:
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 水下圖像中人造目標(biāo)檢測(cè)算法研究.pdf
- 視頻圖像中人體目標(biāo)的檢測(cè)方法研究.pdf
- 極化SAR圖像人造目標(biāo)提取算法研究.pdf
- 極化SAR圖像人造目標(biāo)特征提取與檢測(cè)方法研究.pdf
- SAR圖像車輛目標(biāo)檢測(cè).pdf
- 高分辨率SAR圖像中車輛目標(biāo)的檢測(cè).pdf
- SAR圖像港口目標(biāo)檢測(cè)研究.pdf
- 聯(lián)合SAR目標(biāo)檢測(cè)和圖像子帶編碼.pdf
- SAR圖像艦船目標(biāo)檢測(cè)方法研究.pdf
- 結(jié)合結(jié)構(gòu)信息和統(tǒng)計(jì)特征的SAR圖像目標(biāo)檢測(cè).pdf
- 多目標(biāo)的圖像檢測(cè)—人臉人眼檢測(cè).pdf
- 超高分辨SAR圖像車輛目標(biāo)檢測(cè).pdf
- SAR圖像目標(biāo)檢測(cè)的并行處理研究.pdf
- SAR圖像特定目標(biāo)檢測(cè)技術(shù)研究.pdf
- SAR人造目標(biāo)識(shí)別方法研究.pdf
- 紫外圖像弱小目標(biāo)的檢測(cè)與跟蹤.pdf
- 基于時(shí)頻分析的極化SAR圖像人造目標(biāo)提取技術(shù)研究.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測(cè).pdf
- 合成孔徑雷達(dá)(SAR)圖像目標(biāo)檢測(cè).pdf
- 基于目標(biāo)檢測(cè)的SAR圖像變化檢測(cè)方法研究.pdf
評(píng)論
0/150
提交評(píng)論