SAR圖像顯著性檢測方法研究.pdf

1、人類視覺系統(tǒng)具備高效的圖像解譯能力，能夠快速地檢測顯著性區(qū)域，提取感興趣目標。本文旨在將視覺注意機制理論應(yīng)用于SAR圖像解譯中，提出適用于SAR圖像的顯著性檢測方法。針對這一問題，本文總結(jié)分析了現(xiàn)有典型的顯著性檢測算法，并結(jié)合 SAR圖像的特性，提出基于顯著性的SAR圖像目標檢測算法和尺度自適應(yīng)的SAR圖像顯著性檢測方法。本文主要工作包含以下幾個方面：
　　(1)總結(jié)分析了典型的顯著性檢測算法。首先重點分析了特征融合理論以及在此基

2、礎(chǔ)上提出來的Koch視覺注意生物神經(jīng)學(xué)框架；討論了顯著性檢測算法的客觀評估指標；總結(jié)了四種典型的顯著性檢測算法的原理和計算方法，并使用上述算法分別對光學(xué)圖像和SAR圖像進行實驗和評價。
　　(2)提出了基于顯著性的SAR圖像目標檢測算法。首先簡要介紹了SAR圖像背景雜波統(tǒng)計建模的方法，總結(jié)了SAR圖像常用的背景雜波統(tǒng)計分布模型以及最優(yōu)統(tǒng)計分布模型的選擇準則。其次，總結(jié)分析了基于統(tǒng)計分布模型的雙參數(shù)CFAR算法的算法流程和判決閾值的

3、計算問題。再次，從視覺顯著性理論出發(fā)，結(jié)合 CFAR算法的窗口設(shè)計和 SAR圖像雜波背景統(tǒng)計建模方法，運用假設(shè)檢驗方法和貝葉斯定理設(shè)計基于顯著性的SAR圖像目標檢測算法。最后，通過對比實驗驗證本文算法在虛警率、運算效率指標上優(yōu)于基于統(tǒng)計分布模型的雙參數(shù)CFAR算法。
　　(3)提出了尺度自適應(yīng)的SAR圖像顯著性檢測方法。在Kadir顯著區(qū)域檢測算法基礎(chǔ)上，結(jié)合SAR圖像特性進行算法改進，提出了尺度自適應(yīng)的SAR圖像顯著性檢測方法。

4、首先，重定義局部復(fù)雜度測度，解決信息熵度量方式不適合用于度量SAR圖像局部復(fù)雜度測度這一問題。通過比率距離度量方式替代差值距離度量方式，克服SAR圖像相干斑噪聲，進而考慮了像素之間的空間分布,構(gòu)造與空間分布相關(guān)的局部復(fù)雜度測度度量方法，該度量方法比信息熵度量方法更適用于SAR圖像。其次，重定義了自差異性測度，選取了一種對于顯著信息變化敏感的自差異性測度度量方法。再次，改進了顯著性尺度確定方法，優(yōu)化算法檢測的準確性；最后，根據(jù)顯著性測度和