星載SAR艦船目標探測實驗研究.pdf

1、艦船是專屬經(jīng)濟區(qū)監(jiān)測的主要對象之一，發(fā)展艦船監(jiān)測和監(jiān)控技術具有重要的意義。合成孔徑雷達(SAR)具有大范圍、全天時、全天候的成像能力在艦船監(jiān)測方面已被證明是一種有效的手段。隨著星載SAR數(shù)據(jù)的不斷豐富，利用SAR圖像進行艦船檢測與分類的研究得到高度重視。 目前已有多種基于SAR圖像的艦船目標檢測與分類算法，但由于缺少實測數(shù)據(jù)，無法為現(xiàn)有的艦船目標檢測與分類算法做出客觀的評價。自2005年～2007年期間，在青島港錨地先后開展了七

2、次與ENVISAT衛(wèi)星同步的艦船探測實驗，獲取了大量的艦船實測數(shù)據(jù)及ENVISAT ASAR圖像?；趯嶒灁?shù)據(jù)，比對了典型SAR艦船目標檢測算法，開展了SAR艦船長度探測精度分析與修正研究，并分析了典型艦船類型的SAR圖像特征，探討了利用該特征進行艦船類型識別的可行性。 在典型SAR艦船目標檢測算法的比對方面，本文基于實驗數(shù)據(jù)開展CFAR檢測算法和小波檢測算法的比對分析研究，給出了上述兩種算法的適用范圍和探測精度：小波檢測算法可

3、檢測肉眼不易識別的艦船目標，但受SAR圖像中相干噪聲的影響較大；CFAR檢測算法受相干噪聲的影響較小，且能較好地提取艦船結(jié)構(gòu)特征。 在艦船長度探測方面，SAR圖像提取的艦船長度與實測艦船長度有較大的差別，平均絕對誤差為31.36m。通過開展半定量的艦船長度探測影響因素分析，提出基于多項式擬合的和基于神經(jīng)網(wǎng)絡的兩種艦船長度修正模型。結(jié)果表明，基于神經(jīng)網(wǎng)絡的艦船長度修正模型的修正精度更高。 在SAR艦船類型的特征分析與識別方