SAR圖像中目標識別方法研究.pdf

1、由于合成孔徑雷達(SAR，Synthetic Aperture Radar)在地質勘探和偵察等領域的重要性，SAR圖像目標匹配識別的相關技術成為一個受到高度關注的領域，本文研究了SAR圖像的濾波、目標分割和匹配的方法。
　　基于SAR圖像相干斑噪聲的乘性模型，研究了Frost、Kuan、Lee和GammaMAP等基于統(tǒng)計模型的濾波器，這幾種濾波器都假設乘性噪聲的均值為平穩(wěn)過程，在一定的鄰域內對真實圖像進行估計，因此窗口大小的選擇對

2、濾波效果影響較大。研究了相對標準差和邊緣保持的噪聲抑制方法，實驗表明，相對標準差的濾波方法有效地抑制了圖像的相干斑噪聲，而邊緣保持的噪聲抑制方法很好地保持了圖像的邊緣細節(jié)信息。
　　根據(jù)目標的空間關系，把圖像分為陣列、港口、團塊和機場四類目標。研究了最大類間方差(Ostu)分割方法和閾值面積消去目標區(qū)域檢測方法。對標準的恒虛警率(Constant False Alarm Rate，簡稱CFAR)分割方法進行了改進，假定圖像模型服從

3、瑞利分布，以矩形環(huán)形窗口為移動環(huán)窗，通過計算窗口內背景的均值和方差作為雙參數(shù)實現(xiàn)目標的分割。改進了傳統(tǒng)的Hough變換方法，給出了區(qū)域Hough變換方法。實驗表明，Ostu分割方法的算法簡單，運算速度快，能很好地實現(xiàn)對陣列目標的分割；閾值面積消去目標區(qū)域檢測方法能有效地去除由噪聲或是背景雜波引起的小斑點區(qū)域；改進的CFAR目標分割方法分割速度快，對團塊類目標分割效果很好；區(qū)域Hough變換方法有效地完成了對含有多目標區(qū)域的圖像中直線段的