SAR圖像中目標(biāo)識別方法研究.pdf

1、由于合成孔徑雷達(dá)(SAR，Synthetic Aperture Radar)在地質(zhì)勘探和偵察等領(lǐng)域的重要性，SAR圖像目標(biāo)匹配識別的相關(guān)技術(shù)成為一個(gè)受到高度關(guān)注的領(lǐng)域，本文研究了SAR圖像的濾波、目標(biāo)分割和匹配的方法。
　　基于SAR圖像相干斑噪聲的乘性模型，研究了Frost、Kuan、Lee和GammaMAP等基于統(tǒng)計(jì)模型的濾波器，這幾種濾波器都假設(shè)乘性噪聲的均值為平穩(wěn)過程，在一定的鄰域內(nèi)對真實(shí)圖像進(jìn)行估計(jì)，因此窗口大小的選擇對

2、濾波效果影響較大。研究了相對標(biāo)準(zhǔn)差和邊緣保持的噪聲抑制方法，實(shí)驗(yàn)表明，相對標(biāo)準(zhǔn)差的濾波方法有效地抑制了圖像的相干斑噪聲，而邊緣保持的噪聲抑制方法很好地保持了圖像的邊緣細(xì)節(jié)信息。
　　根據(jù)目標(biāo)的空間關(guān)系，把圖像分為陣列、港口、團(tuán)塊和機(jī)場四類目標(biāo)。研究了最大類間方差(Ostu)分割方法和閾值面積消去目標(biāo)區(qū)域檢測方法。對標(biāo)準(zhǔn)的恒虛警率(Constant False Alarm Rate，簡稱CFAR)分割方法進(jìn)行了改進(jìn)，假定圖像模型服從

3、瑞利分布，以矩形環(huán)形窗口為移動(dòng)環(huán)窗，通過計(jì)算窗口內(nèi)背景的均值和方差作為雙參數(shù)實(shí)現(xiàn)目標(biāo)的分割。改進(jìn)了傳統(tǒng)的Hough變換方法，給出了區(qū)域Hough變換方法。實(shí)驗(yàn)表明，Ostu分割方法的算法簡單，運(yùn)算速度快，能很好地實(shí)現(xiàn)對陣列目標(biāo)的分割；閾值面積消去目標(biāo)區(qū)域檢測方法能有效地去除由噪聲或是背景雜波引起的小斑點(diǎn)區(qū)域；改進(jìn)的CFAR目標(biāo)分割方法分割速度快，對團(tuán)塊類目標(biāo)分割效果很好；區(qū)域Hough變換方法有效地完成了對含有多目標(biāo)區(qū)域的圖像中直線段的