论文部分内容阅读
星载合成孔径雷达(Synthetic Aperture Radar,SAR)因成像幅宽大且不受天时、天候影响而被广泛应用于海上舰船目标监视。对星载SAR海上舰船目标检测与鉴别进行研究,无论是对军事应用还是民事应用都有着重要意义。本文针对当前星载SAR舰船目标检测与鉴别技术的关键问题,围绕星载SAR舰船目标感兴趣区域(Region of Interest,ROI)检测、舰船目标ROI切片精细分割与特征提取、舰船目标ROI鉴别三个方面进行了研究。在星载SAR舰船目标ROI检测方面。首先,对预处理进行研究。然后,针对恒虚警率(Constant False Alarm Rate,CFAR)方法对低信杂比图像检测效果不佳的问题,提出一种基于空间信息的检测方法。该方法将图像的局部灰度密集度信息与原图像构成联合图像,再对联合图像进行常规CFAR检测。基于ENVISAT与TerraSAR-X数据的实验结果表明,该方法对不同分辨率的低信杂比图像都有较好检测效果。最后,针对SAR图像中舰船目标与海洋背景灰度特性差异以及舰船目标在海洋背景中稀疏分布特点,提出了一种基于分块预判断的星载SAR舰船目标ROI检测算法。该方法利用分类器对图像分块进行有无目标预判断,而后再对潜在目标分块进行检测。经遥感卫星-3号数据验证,该方法在检测效果与效率上都有较大提高。在SAR图像舰船目标ROI切片分割与鉴别特征提取方面。首先,对多种阈值分割方法进行对比研究,选定一种改进2D-Otsu分割方法作为本文SAR舰船目标ROI切片精细分割方法。然后,对常用SAR舰船目标ROI鉴别特征进行分析,针对传统标准差易受目标在切片中面积占比影响不能准确区分舰船目标与虚警的问题,提出一种修正标准差特征。最后利用TerraSAR-X数据对常用鉴别特征与修正标准差特征进行提取并进行对比分析。实验结果表明,本文提出的修正标准差特征具有良好的可分性与稳定性。在基于特征选择的SAR图像舰船目标ROI鉴别方面。首先,分析不同特征选择策略方法的优势与不足。然后,提出一种基于序列浮动前向选择(Sequential Floating Forward Selection,SFFS)与支持向量机(Support Vector Machine,SVM)相结合的鉴别特征选择方法。利用该特征选择方法对基于TerraSAR-X数据的鉴别特征进行选择,并对不同特征选择方法所选特征组合进行鉴别性能对比。实验结果表明,本文方法所选特征组合在较低的特征维度下,具有更好的分类鉴别性能。