SAR圖像車輛目標(biāo)檢測(cè).pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)在航空航天、戰(zhàn)場(chǎng)偵查、武器制導(dǎo)等領(lǐng)域具有重要的應(yīng)用價(jià)值,基于SAR圖像的目標(biāo)檢測(cè)技術(shù)已經(jīng)成為SAR軍事應(yīng)用的核心技術(shù)之一。地面的坦克集群、運(yùn)輸車隊(duì)、導(dǎo)彈發(fā)射架等是軍事戰(zhàn)場(chǎng)上的重要目標(biāo),對(duì)這些目標(biāo)實(shí)現(xiàn)實(shí)時(shí)的自動(dòng)檢測(cè),為戰(zhàn)場(chǎng)指揮提供有用信息,具有極其重要的意義和緊迫性。瞬息萬(wàn)變的戰(zhàn)場(chǎng)形勢(shì)對(duì)檢測(cè)的實(shí)時(shí)性和有效性提出了更高的要求,因此研究運(yùn)算快速、檢測(cè)率高、魯棒性好的目標(biāo)檢

2、測(cè)算法成為目前的研究熱點(diǎn)。論文結(jié)合國(guó)防預(yù)研項(xiàng)目進(jìn)行SAR圖像靜止車輛目標(biāo)檢測(cè),在研究快速SAR圖像相干斑抑制、實(shí)時(shí)恒虛警目標(biāo)檢測(cè)和道路目標(biāo)提取的基礎(chǔ)上,研究了復(fù)雜場(chǎng)景下車輛目標(biāo)自動(dòng)檢測(cè)。主要工作概括如下:
　　 1.研究了SAR圖像相干斑噪聲模型和統(tǒng)計(jì)分布,參考增強(qiáng)Lee濾波算法的分區(qū)域處理思想,提出了一種基于復(fù)數(shù)微分濾波器的快速SAR圖像相干斑抑制方法。該算法利用復(fù)數(shù)微分濾波器優(yōu)異的方向旋轉(zhuǎn)性和有限差分實(shí)現(xiàn)快速的優(yōu)點(diǎn),具有優(yōu)異

3、的實(shí)時(shí)處理性；通過(guò)對(duì)濾波器的Gibbs現(xiàn)象進(jìn)行抑制,改善了相干斑抑制性能。
　　 2.研究了雙參數(shù)CFAR檢測(cè)和基于GO分布的CFAR檢測(cè)算法,將兩種算法結(jié)合,提出了一種實(shí)時(shí)的SAR圖像CFAR檢測(cè)方法。定義目標(biāo)置信度,對(duì)圖像進(jìn)行灰度累計(jì),從而獲得可能的目標(biāo),然后對(duì)可能的目標(biāo)像素同時(shí)進(jìn)行雙參數(shù)CFAR檢測(cè)和GO-CFAR檢測(cè),顯著減少了檢測(cè)時(shí)間,同時(shí)降低了檢測(cè)虛警。
　　 3.分析了SAR圖像的道路模型,研究了基于道路模

4、型檢測(cè)算子和基于復(fù)數(shù)微分方向?yàn)V波器的道路邊緣檢測(cè)算法,并將兩種檢測(cè)結(jié)果綜合后,利用Hough變換連接斷裂邊緣,去除虛假邊緣,較好的提取出了道路區(qū)域。對(duì)圖像進(jìn)行降分辨率處理,減少了處理的數(shù)據(jù)量,仿真結(jié)果顯示道路提取算法基本滿足檢測(cè)系統(tǒng)的實(shí)時(shí)性要求。
　　 4.分析了目標(biāo)出現(xiàn)概率對(duì)目標(biāo)檢測(cè)算法的影響,利用圖像中的道路信息和軍用車輛的集群信息,引入目標(biāo)出現(xiàn)概率影響因子,提出了一種可應(yīng)用于復(fù)雜場(chǎng)景下的實(shí)時(shí)車輛目標(biāo)自動(dòng)檢測(cè)策略,實(shí)驗(yàn)結(jié)果驗(yàn)