高分辨SAR图像目标特性建模及检测方法研究
发布时间：2022-12-05 07:18
合成孔径雷达（Synthetic Aperture Radar,SAR）目标检测被用于从成像场景中发现感兴趣目标区域。目标检测结果可直接为军事侦察与民用监测提供情报,也可作为进一步分类/识别的输入信息。错误的检测结果可能严重影响其后续步骤的性能。因此,目标检测是SAR图像解译的重要环节。近年来,高分辨、多极化SAR图像带来丰富的地物信息,包含更高的检测价值,但高分辨条件下目标也表现出明显的幅度起伏、分裂的强散射区域以及混合的极化成分等问题,使SAR图像的目标特性愈加复杂。传统检测方法大多基于背景特性,而对目标特性的利用不足,因此难以适用于高分辨SAR图像。为了提高检测性能,本文对高分辨SAR图像目标特性建模展开研究。此处的目标特性指目标在SAR图像域中表现的具体形式,如散射统计、几何结构或极化类别等。基于上述目标特性对检测的影响,提出了针对性目标检测方法。本文主要工作包括以下方面:1.介绍常用的SAR图像地物特性及检测方法,研究目标与背景特性的差异。基于理论模型和实测数据研究恒虚警率（Constant False Alarm Rate,CFAR）检测性能,通过模板匹配分析不同分辨率下检...
【文章页数】：144 页
【学位级别】：博士
【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
1.1 研究工作的背景及意义
1.2 国内外研究现状
1.2.1 SAR图像地物特性研究现状
1.2.2 SAR图像检测性能研究现状
1.2.3 SAR图像检测方法研究现状
1.3 论文的主要内容和章节安排
1.3.1 本文主要研究内容
1.3.2 本文结构安排
第二章 SAR图像地物特性与检测性能分析
2.1 引言
2.2 SAR图像典型地物特性模型与检测方法
2.2.1 散射特性模型
2.2.2 几何特性模型
2.2.3 极化特性模型
2.2.4 典型检测方法
2.3 SAR图像检测性能分析
2.3.1 分辨率对检测性能的影响
2.3.2 极化方式对检测性能的影响
2.4 本章小结
第三章 高分辨SAR图像目标区域散射特性及检测方法
3.1 引言
3.2 SAR图像超像素分割
3.3 区域散射特性建模
3.3.1 经验直方图与信息熵
3.3.2 分段直方图及条件熵
3.4 基于迭代离群值检测和递归显著性深度的目标检测
3.4.1 迭代离群值检测
3.4.2 递归显著性深度
3.4.3 局部显著性优化
3.5 实验结果与分析
3.5.1 检测流程实验
3.5.2 复杂场景实验
3.5.3 方法对比实验
3.6 本章小结
第四章 高分辨SAR图像目标几何特性及检测方法
4.1 引言
4.2 目标几何特性建模
4.2.1 部件模型
4.2.2 DPM检测效果分析
4.3 基于部件搜索的目标检测方法
4.3.1 图像预处理
4.3.2 兴趣点提取
4.3.3 目标部件生成
4.3.4 部件组合推断
4.4 实验结果与分析
4.4.1 检测结果对比
4.4.2 运行效率对比
4.5 本章小结
第五章 高分辨SAR图像目标极化特性及检测方法
5.1 引言
5.2 极化特性建模
5.2.1 基于极化分解的类别模型
5.2.2 基于聚类的类别模型
5.3 基于全局加权GPF的检测方法
5.3.1 GPF检测器
5.3.2 初始化GPF
5.3.3 基于空间稀疏性的显著性分析
5.3.4 全局显著性加权及融合
5.3.5 后处理步骤
5.4 实验结果与分析
5.4.1 实验数据描述
5.4.2 检测结果对比
5.4.3 运行效率对比
5.5 本章小结
第六章 全文总结与展望
6.1 全文工作总结
6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于纹理特征和双门限分割技术的SAR图像目标快速检测方法[J]. 戴军. 仪器仪表用户. 2018(08)
[2]基于PCDM香农熵的全极化SAR图像船舶目标检测方法[J]. 张程,张红,王超. 遥感技术与应用. 2018(03)
[3]基于模糊C均值聚类的高分辨率合成孔径雷达图像舰船目标检测[J]. 张临杰,张晰,郎海涛. 中国海洋大学学报(自然科学版). 2018(03)
[4]高分辨率合成孔径雷达图像舰船目标几何特征提取方法[J]. 熊伟,徐永力,崔亚奇,李岳峰. 光子学报. 2018(01)
[5]基于频谱残差视觉显著计算的高分辨SAR图像舰船检测算法[J]. 熊伟,徐永力,姚力波,崔亚奇,李岳峰. 电光与控制. 2018(04)
[6]一种基于多极化散射机理的极化SAR图像舰船目标检测方法[J]. 文伟,曹雪菲,张学峰,陈渤,王英华,刘宏伟. 电子与信息学报. 2017(01)
[7]基于边缘特征的SAR图像目标检测方法[J]. 孙宏岩. 雷达科学与技术. 2013(05)
[8]稀疏距离扩展目标自适应检测及性能分析[J]. 魏广芬,苏峰,简涛. 自动化学报. 2013(07)
[9]面向地面运动目标检测的SAR图像分辨率选取[J]. 蔚婧,杨志伟,李亚安. 应用科学学报. 2012(05)
[10]基于G~0分布的高海况SAR船只目标检测方法[J]. 鲁统臻,张杰,纪永刚,张晰,孟俊敏. 海洋科学进展. 2011(02)
博士论文
[1]SAR图像特征提取与检测、配准算法研究[D]. 曾丽娜.西北工业大学 2017
[2]复杂场景下高分辨率遥感图像目标识别方法及应用研究[D]. 吴其昌.国防科学技术大学 2016
[3]SAR/ISAR目标电磁特征提取及应用研究[D]. 段佳.西安电子科技大学 2015
硕士论文
[1]PolSAR图像近海岸船舶检测方法研究[D]. 王晨逸.哈尔滨工业大学 2018
[2]大场景PolSAR图像人造目标检测方法研究[D]. 李维珂.哈尔滨工业大学 2017
[3]基于散射特征的极化SAR图像飞机目标检测[D]. 陈丽丽.中国民航大学 2017
[4]SAR图像舰船检测方法研究[D]. 胡宇.沈阳航空航天大学 2017
[5]SAR图像舰船目标检测算法研究[D]. 杜臻.哈尔滨工业大学 2016
[6]SAR图像舰船检测与分类方法研究[D]. 蒋明哲.合肥工业大学 2016
[7]高分辨率SAR图像目标检测与分类[D]. 张茂桢.长春理工大学 2016
[8]复杂场景下的SAR目标检测[D]. 余文毅.西安电子科技大学 2015
[9]基于视觉注意的SAR目标快速检测算法研究[D]. 张强.电子科技大学 2015
[10]高分辨率机载SAR图像中飞机目标的检测与识别技术研究[D]. 李情芸.华中科技大学 2015
本文编号：3709947
【文章页数】：144 页
【学位级别】：博士
【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
1.1 研究工作的背景及意义
1.2 国内外研究现状
1.2.1 SAR图像地物特性研究现状
1.2.2 SAR图像检测性能研究现状
1.2.3 SAR图像检测方法研究现状
1.3 论文的主要内容和章节安排
1.3.1 本文主要研究内容
1.3.2 本文结构安排
第二章 SAR图像地物特性与检测性能分析
2.1 引言
2.2 SAR图像典型地物特性模型与检测方法
2.2.1 散射特性模型
2.2.2 几何特性模型
2.2.3 极化特性模型
2.2.4 典型检测方法
2.3 SAR图像检测性能分析
2.3.1 分辨率对检测性能的影响
2.3.2 极化方式对检测性能的影响
2.4 本章小结
第三章 高分辨SAR图像目标区域散射特性及检测方法
3.1 引言
3.2 SAR图像超像素分割
3.3 区域散射特性建模
3.3.1 经验直方图与信息熵
3.3.2 分段直方图及条件熵
3.4 基于迭代离群值检测和递归显著性深度的目标检测
3.4.1 迭代离群值检测
3.4.2 递归显著性深度
3.4.3 局部显著性优化
3.5 实验结果与分析
3.5.1 检测流程实验
3.5.2 复杂场景实验
3.5.3 方法对比实验
3.6 本章小结
第四章 高分辨SAR图像目标几何特性及检测方法
4.1 引言
4.2 目标几何特性建模
4.2.1 部件模型
4.2.2 DPM检测效果分析
4.3 基于部件搜索的目标检测方法
4.3.1 图像预处理
4.3.2 兴趣点提取
4.3.3 目标部件生成
4.3.4 部件组合推断
4.4 实验结果与分析
4.4.1 检测结果对比
4.4.2 运行效率对比
4.5 本章小结
第五章 高分辨SAR图像目标极化特性及检测方法
5.1 引言
5.2 极化特性建模
5.2.1 基于极化分解的类别模型
5.2.2 基于聚类的类别模型
5.3 基于全局加权GPF的检测方法
5.3.1 GPF检测器
5.3.2 初始化GPF
5.3.3 基于空间稀疏性的显著性分析
5.3.4 全局显著性加权及融合
5.3.5 后处理步骤
5.4 实验结果与分析
5.4.1 实验数据描述
5.4.2 检测结果对比
5.4.3 运行效率对比
5.5 本章小结
第六章 全文总结与展望
6.1 全文工作总结
6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于纹理特征和双门限分割技术的SAR图像目标快速检测方法[J]. 戴军. 仪器仪表用户. 2018(08)
[2]基于PCDM香农熵的全极化SAR图像船舶目标检测方法[J]. 张程,张红,王超. 遥感技术与应用. 2018(03)
[3]基于模糊C均值聚类的高分辨率合成孔径雷达图像舰船目标检测[J]. 张临杰,张晰,郎海涛. 中国海洋大学学报(自然科学版). 2018(03)
[4]高分辨率合成孔径雷达图像舰船目标几何特征提取方法[J]. 熊伟,徐永力,崔亚奇,李岳峰. 光子学报. 2018(01)
[5]基于频谱残差视觉显著计算的高分辨SAR图像舰船检测算法[J]. 熊伟,徐永力,姚力波,崔亚奇,李岳峰. 电光与控制. 2018(04)
[6]一种基于多极化散射机理的极化SAR图像舰船目标检测方法[J]. 文伟,曹雪菲,张学峰,陈渤,王英华,刘宏伟. 电子与信息学报. 2017(01)
[7]基于边缘特征的SAR图像目标检测方法[J]. 孙宏岩. 雷达科学与技术. 2013(05)
[8]稀疏距离扩展目标自适应检测及性能分析[J]. 魏广芬,苏峰,简涛. 自动化学报. 2013(07)
[9]面向地面运动目标检测的SAR图像分辨率选取[J]. 蔚婧,杨志伟,李亚安. 应用科学学报. 2012(05)
[10]基于G~0分布的高海况SAR船只目标检测方法[J]. 鲁统臻,张杰,纪永刚,张晰,孟俊敏. 海洋科学进展. 2011(02)
博士论文
[1]SAR图像特征提取与检测、配准算法研究[D]. 曾丽娜.西北工业大学 2017
[2]复杂场景下高分辨率遥感图像目标识别方法及应用研究[D]. 吴其昌.国防科学技术大学 2016
[3]SAR/ISAR目标电磁特征提取及应用研究[D]. 段佳.西安电子科技大学 2015
硕士论文
[1]PolSAR图像近海岸船舶检测方法研究[D]. 王晨逸.哈尔滨工业大学 2018
[2]大场景PolSAR图像人造目标检测方法研究[D]. 李维珂.哈尔滨工业大学 2017
[3]基于散射特征的极化SAR图像飞机目标检测[D]. 陈丽丽.中国民航大学 2017
[4]SAR图像舰船检测方法研究[D]. 胡宇.沈阳航空航天大学 2017
[5]SAR图像舰船目标检测算法研究[D]. 杜臻.哈尔滨工业大学 2016
[6]SAR图像舰船检测与分类方法研究[D]. 蒋明哲.合肥工业大学 2016
[7]高分辨率SAR图像目标检测与分类[D]. 张茂桢.长春理工大学 2016
[8]复杂场景下的SAR目标检测[D]. 余文毅.西安电子科技大学 2015
[9]基于视觉注意的SAR目标快速检测算法研究[D]. 张强.电子科技大学 2015
[10]高分辨率机载SAR图像中飞机目标的检测与识别技术研究[D]. 李情芸.华中科技大学 2015
本文编号：3709947
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3709947.html