基于統(tǒng)計(jì)特性和壓縮感知技術(shù)的SAR圖像多目標(biāo)檢測算法研究.pdf

1、合成孔徑雷達(dá)（Synthetic APerture Radar, SAR）目前已經(jīng)廣泛應(yīng)用于軍事上的目標(biāo)探測和民用的雷達(dá)主動遙感等領(lǐng)域。開展目標(biāo)檢測技術(shù)的研究，突破SAR圖像半自動、自動解譯技術(shù)瓶頸，已經(jīng)成為國家戰(zhàn)略偵察、監(jiān)視和預(yù)警以及精確打擊武器型號發(fā)展中的迫切需求。近年來合成孔徑雷達(dá)在許多方面得到了應(yīng)用，其技術(shù)能夠用來檢測雜波背景中的感興趣目標(biāo)。本文對“基于運(yùn)動和靜止目標(biāo)的捕獲與識別（Moving and Stationary Ta

2、rget Acquisition and Recognition, MSTAR）”數(shù)據(jù)庫和Sandia數(shù)據(jù)庫進(jìn)行了深入研究。
　　首先，對國內(nèi)外SAR圖像統(tǒng)計(jì)特性的發(fā)展和目標(biāo)檢測現(xiàn)狀進(jìn)行了較深入的了解和分析，確立了目前在目標(biāo)檢測方向所面臨的問題，即如何在大幅圖像中復(fù)雜背景下進(jìn)行所需目標(biāo)的檢測。
　　其次，對SAR圖像的統(tǒng)計(jì)特性用兩種數(shù)據(jù)庫，從K-S和KL兩種指標(biāo)上可以得到在不同背景下選擇何種統(tǒng)計(jì)模型更為有效。分別給出了Gam

3、ma分布、Rician分布、K分布、Log Normal分布、G0分布和Weibull分布適用的背景，以及存在的局限性。
　　接著，在上述的研究分析的基礎(chǔ)上，提出了基于統(tǒng)計(jì)模型的自動篩選智能目標(biāo)聚類SAF-CFAR算法(Satitics Auto Filter-CFAR)。本文的算法是在不同背景的統(tǒng)計(jì)特性的基礎(chǔ)上確定分布模型確定檢測區(qū)域，并結(jié)合K-S和KL以及失配判斷的指標(biāo)，重新計(jì)算局部閾值用自動篩選檢測器(Auto Filter

4、-CFAR，AF-CFAR)進(jìn)行目標(biāo)檢測，可以得到更準(zhǔn)確的多目標(biāo)檢測結(jié)果。本算法可以排除其余的非所需目標(biāo)，對大幅圖像復(fù)雜背景下多種目標(biāo)同時(shí)存在的情況下，進(jìn)行目標(biāo)檢測有很重要的意義。
　　最后，為了在大幅圖像復(fù)雜地形下完整可靠目標(biāo)信息和防止漏檢的發(fā)生，本文進(jìn)一步提出了基于壓縮感知的目標(biāo)檢測圖像融合算法，并與較為經(jīng)典的小波融合算法進(jìn)行了比較和仿真，得到了更優(yōu)的指標(biāo)，并將其應(yīng)用于SAF-CFAR算法檢測出的圖像，有效的防止了漏檢的發(fā)生并