论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)图像的目标检测首先从SAR图像中提取出包含潜在目标的感兴趣区域,然后在潜在目标区域中对人工目标进行定位,实现目标与背景的分离。由于合成孔径雷达在航空航天、地面监测、战场侦察、武器制导等领域具有重要的应用价值,因此基于SAR图像的目标检测技术已经成为SAR民用和军事应用的核心技术之一,对于后续的目标识别与分类具有十分重要的意义。SAR图像的素描图是对图像结构信息的一种稀疏描述,以比值算子和相关性算子为基准的边线模型能够更好的刻画SAR图像中的奇异信息。低秩分解模型通过对观测矩阵中背景低秩性和前景稀疏性的约束,将实际观测到的矩阵分解为表示背景的低秩矩阵和表示前景的稀疏矩阵,而目标和噪声存在于表示前景的稀疏矩阵中。本文将结合SAR素描模型和鲁棒主成分分析(Robust principal component analysis,Rpca)低秩分解模型,提出基于素描稀疏表示的候选目标区域提取方法以及基于目标区域与低秩分解的SAR图像人工目标定位方法。本文的主要创新工作为:(1)针对人工目标定位不准确的问题,本文在实现人工目标区域观测矩阵构造与分解的基础上,提出了一种基于目标区域与低秩分解的SAR图像目标检测方法。首先研究和分析了刘芳、宋建梅所提出的基于初始素描图线段规整度的候选目标区域提取算法,由于该方法所采用的初始素描图是通过Primal Sketch模型提取得到的,模型中的边缘检测算子是针对光学图像的加性噪声而设计的,并不适用于SAR图像的乘性噪声模型,因此本文在采用SAR素描模型得到素描图的基础上进行候选目标区域的提取,然后利用候选目标区域灰度和线密度统计特征剔除虚警目标区域,设计目标区域观测矩阵的构造方法,并采用Rpca分解方法对其进行分解得到低秩矩阵和稀疏矩阵,利用稀疏矩阵的统计特性来实现人工目标区域中的目标定位;(2)在基于初始素描图线段规整度的候选目标区域提取算法和采用SAR素描模型得到素描图的基础上,本文分析了不同类型的人工目标在SAR图像素描图中的稀疏表示特征,定义了用于计算素描线段规整度的自适应几何结构窗口,并设计了区域扩充规则进行候选目标区域的提取。仿真实验表明,相比原候选目标区域提取算法中固定窗口大小以及递归生长规则的策略,本文所提出的基于SAR图像素描图与自适应几何结构窗的候选目标区域提取方法能够有效的降低候选目标区域中所包含的虚警目标比例,更有利于后续人工目标的定位。