HRWSSAR圖像艦船目標(biāo)監(jiān)視關(guān)鍵技術(shù)研究.pdf

1、合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）圖像艦船目標(biāo)監(jiān)視是SAR海洋遙感應(yīng)用的重要方向之一，在漁業(yè)控制、海上交通管理、打擊海盜、保護(hù)海洋權(quán)益等方面具有重要意義。高分辨寬測繪帶（High Resolution Wide Swath，HRWS） SAR高分辨和寬測繪帶的特點(diǎn)一方面有利于提高 SAR圖像艦船目標(biāo)監(jiān)視應(yīng)用水平，另一方面也帶來了新的挑戰(zhàn)。因此，研究HRWS SAR圖像艦船目標(biāo)監(jiān)視技術(shù)具有十分重要的理

2、論意義和實(shí)用價值。
　　本文立足于HRWS SAR成像技術(shù)的發(fā)展，分析HRWS SAR圖像艦船目標(biāo)監(jiān)視面臨的挑戰(zhàn)，以提高SAR圖像艦船目標(biāo)監(jiān)視性能為目的，重點(diǎn)研究了單通道SAR圖像艦船目標(biāo)檢測、極化SAR圖像艦船目標(biāo)檢測、高分辨SAR圖像艦船目標(biāo)特征提取與分類識別等關(guān)鍵技術(shù)問題。主要研究成果如下：
　　1、針對單極化 SAR圖像中雜波邊緣和干擾目標(biāo)等復(fù)雜背景引起的檢測性能下降問題，提出一種復(fù)雜背景中變化索引和篩選（Varia

3、ble Index and Excision，VIE） CFAR（Constant False Alarm Rate，CFAR）的SAR圖像艦船目標(biāo)檢測算法。首先，研究了不同波段、不同極化方式、不同分辨率、不同海況條件下的海洋雜波統(tǒng)計(jì)特性，基于大量實(shí)測SAR圖像數(shù)據(jù)驗(yàn)證了G0分布對海洋雜波統(tǒng)計(jì)特性描述的有效性；然后，在研究CFAR檢測器原理的基礎(chǔ)上，設(shè)計(jì)了VIE-CFAR檢測器，分析了該檢測器在均勻雜波、雜波邊緣、干擾目標(biāo)等雜波環(huán)境中的

4、檢測性能；最后，提出了一種復(fù)雜背景中VIE-CFAR SAR圖像艦船目標(biāo)檢測算法，對ENVISAT、Radarsat-2等實(shí)測 SAR圖像數(shù)據(jù)艦船目標(biāo)檢測結(jié)果表明，本文算法在雜波邊緣和干擾目標(biāo)的雜波環(huán)境中較之已有的CFAR方法具有更好的檢測性能。
　　2、針對HRWS SAR成像方位向模糊和旁瓣模糊帶來的檢測虛警問題，研究了極化 SAR圖像艦船目標(biāo)檢測方法，提出了一種基于特征向量選擇加權(quán)和SVM（Support Vector Ma

5、chine，SVM）分類的極化SAR圖像艦船目標(biāo)檢測算法。首先，研究了典型極化SAR圖像艦船目標(biāo)檢測方法，分析了極化SAR圖像艦船目標(biāo)檢測性能；其次，特別針對HRWS SAR成像的方位向模糊和旁瓣模糊特性，構(gòu)造極化特征向量并進(jìn)行特征選擇和加權(quán)，進(jìn)而采用SVM分類的思想實(shí)現(xiàn)極化SAR圖像艦船目標(biāo)檢測?；贏IRSAR機(jī)載全極化數(shù)據(jù)和Radarsat-2星載全極化數(shù)據(jù)對算法性能進(jìn)行了驗(yàn)證和評估，結(jié)果表明，本文算法有效地去除了方位向模糊和旁瓣

6、模糊等引起的虛警，并對不同的全極化數(shù)據(jù)具有一定魯棒性。
　　3、針對HRWS SAR圖像的高分辨特性，提出了面向分類識別的高分辨SAR圖像艦船目標(biāo)幾何特征精確提取算法，提取了一種新的基于艦船目標(biāo)結(jié)構(gòu)特點(diǎn)及其散射特性的宏結(jié)構(gòu)散射特征。首先，研究了典型的SAR圖像艦船目標(biāo)特征提取方法；然后，針對HRWS SAR高分辨圖像中艦船目標(biāo)的成像旁瓣、鄰近目標(biāo)等造成的幾何特征提取誤差，提出了一種基于Radon變換域直方圖分析的艦船目標(biāo)高精度幾何

7、特征提取方法，并基于實(shí)測TerraSAR-X高分辨SAR圖像艦船目標(biāo)切片數(shù)據(jù)驗(yàn)證了該方法提取幾何特征的精確性；最后，研究了典型艦船目標(biāo)的結(jié)構(gòu)特點(diǎn)和電磁散射特性，提取了面向高分辨SAR圖像分類識別的宏結(jié)構(gòu)散射特征，并基于集裝箱船、油船、貨船三類典型船只的TerraSAR-X SAR圖像數(shù)據(jù)集驗(yàn)證了該特征的有效性。
　　4、研究了HRWS SAR圖像艦船目標(biāo)分類算法，引入稀疏表示理論，提出了基于方位角限制的高分辨SAR圖像目標(biāo)稀疏表示

8、分類（Sparse Representation Classification，SRC）算法和基于特征空間稀疏表示的SAR圖像艦船目標(biāo)分類算法。首先，研究了SRC原理，并基于MSTAR(Moving and Stationary Target Acquisition and Recognition)數(shù)據(jù)集驗(yàn)證了SRC對SAR圖像目標(biāo)分類識別的有效性；然后，分析了目標(biāo)方位角與稀疏表示系數(shù)之間的關(guān)系，提出了基于方位角限制的高分辨SAR圖像目