论文部分内容阅读
合成孔径雷达(SAR)在航空航天、对地观测及军事侦察等领域具有非常广阔的应用前景,如何从复杂场景中快速检测出感兴趣目标对战场侦察、军事指挥等具有重要意义。针对复杂场景下的目标检测困难问题,本文对复杂场景下的SAR图像进行了深入研究,最终提出一种基于模糊逻辑与背景统计模型的CFAR检测算法。主要研究内容与成果如下:⑴研究了不同背景下杂波分布的拟合,用6种统计分布拟合Sandia数据库中不同背景图像,拟合的方法包括传统的三种拟合精度准则和本文提出的基于模糊聚类隶属度值的拟合精度准则(FCC准则)。分别给出基于传统拟合准则和基于FCC准则的低植被、高植被、城区建筑物、海杂波等区域的最佳统计模型。⑵研究了基于统计模型的智能迭代CFAR检测算法和模糊集理论,经过分析,将模糊逻辑引入了基于统计模型的智能迭代CFAR检测算法中,提出了基于模糊逻辑与背景统计模型的CFAR检测算法。首先,考虑拟合过程中的不确定性,用基于FCC准则的统计模型替换了基于传统拟合准则的统计模型;其次,针对传统CFAR检测器因使用“硬判决”而导致信息利用率低的问题,将基于统计模型的智能迭代CFAR检测算法中的CFAR检测器替换成了模糊CFAR检测器。实验表明本文设计的基于模糊逻辑与背景统计模型的CFAR检测算法比SII-CFAR检测器的检测性能更好。⑶研究了SAR图像分割算法,结合背景统计模型和FCC准则,提出了一种统计模型判别ROI的算法,这是一种基于模糊逻辑与背景匹配的检测区域提取算法。首先,重点研究了基于CV模型的图像分割算法,为了防止小目标对图像分割的干扰,提出一种改进的基于CV模型的图像分割算法,在分割之前先进行了一次的小目标检测得到初步检测图,之后将初步检测图与原始SAR图像融合,进而隐去原始图像中的部分小目标,从而在一定概率上减小了小目标对图像分割的干扰,进一步提高了图像分割的效果。然后,从分割结果图中的两类区域图像中,提取出ROI,由于不同区域有各自所对应的最佳背景统计模型,因而某一区域的最佳统计模型便可作为该区域的特征,故可以通过已确定的ROI的最佳统计模型与图像分割后的每一类区域进行背景特征匹配(特征匹配使用了基于模糊聚类隶属度值的拟合精度准则FCC),从而提取可能的ROI。提取出ROI后,再使用基于模糊逻辑与背景统计模型的CFAR检测器对提取出来的检测区进行目标检测。实验结果表明,检测率达到了极大的提高。