车辆目标SAR图像预处理方法研究

论文摘要

近二十年来,合成孔径雷达(SAR)技术取得了长足的发展。由于SAR主动发射的电磁波能够穿透云层,不受天气和时间限制,因此可以为我们全天时、全天候地提供所需的信息。同时,随着SAR图像获取能力的进步,SAR图像自动目标识别(ATR)正逐步成为SAR图像解译的重要方面。但是,SAR侧视成像和相干成像的特点决定了图像几何失真较大并且可能包含有大量相干斑乘性噪声,传统的图像处理技术很难直接应用,以至于影响SAR图像自动目标识别的准确性和稳健性。因此在进行目标自动识别之前,一般会针对目标切片做一些初步的图像预处理。SAR图像的预处理可以在很大程度上抑制目标切片的噪声,提高图像的分辨率,同时可以通过预处理提取目标切片的一些特征,如目标的轮廓特征、方位角信息等,可为后续的识别算法奠定良好的基础,有效地提高分类的准确率和效率。因此,SAR图像预处理是SAR图像处理的重要环节。对于基于仿真图像模板的SAR目标分类方法来说,由于仿真图像与实测图像之间的差异性较大,预处理环节尤为关键。本文重点针对方位角估计、目标增强等预处理技术进行了研究,以期提高基于仿真图像模板的SAR目标分类性能。在SAR图像目标方位角估计方面,本文研究了基于主导边界的方位角估计方法、基于包络盒的方位角估计方法以及两者结合的方位角估计方法,并提出一种基于主导边界Radon变换的SAR目标方位角估计方法,该方法利用分割图像中目标主导边界长度特征,解决了传统利用主导边界估计带来的目标垂直与水平方位的模糊问题。MSTAR实测数据的实验结果表明本文提出的算法具有良好的精确度和稳健性。在SAR图像目标增强方面,本文分析对比了实测图像和仿真图像之间的差异性,并由此提出应用正则化手段来进行目标图像增强,基于MSTAR目标数据,对一种基于l k范数的正则化算法进行了实验验证,结果表明该方法可有效地降低实测图像和仿真图像之间的差异性,提高图像的信噪比,这为下文基于仿真图像的SAR目标分类方法奠定了良好的基础。最后,为验证预处理手段对SAR图像目标分类效果影响,本文分别在像素层面和特征层面构建了两种基于仿真模板的目标分类方法,并基于仿真图像模板数据和MSTAR实测数据进行了对比实验,结果表明预处理手段明显提高了目标分类性能,而且本文构建的SAR目标分类方法可有效减少模板库存储量,节约实测数据采集成本,具有实际应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 SAR 图像分类方法概述
• 1.3 SAR 图像预处理方法概述
• 1.4 论文结构安排
• 第二章 SAR 图像目标方位角估计
• 2.1 引言
• 2.2 目标方位角估计概述
• 2.3 一种新的基于主导边界Radon 变换的方位角估计算法
• 2.3.1 图像分割及主导边界提取
• 2.3.2 Radon 变换
• 2.3.3 基于主导边界长度大小特征的判断方法
• 2.4 实验结果及结论
• 2.5 小结
• 第三章 基于正则化的SAR 图像目标增强
• 3.1 引言
• 3.2 实测SAR 图像与模板图像差异性分析
• 3.3 SAR 图像目标正则化增强
• 3.3.1 正则化原理
• 3.3.2 基于l k 范数的正则化算法实现
• 3.3.3 正则化算法实验结果
• 3.4 SAR 目标峰值特征提取
• 3.4.1 峰值特征定义
• 3.4.2 基于正则化预处理的峰值点提取方法
• 3.5 小结
• 第四章 预处理对SAR 图像目标分类效果影响分析
• 4.1 引言
• 4.2 一种基于仿真模板的像素级分类方法
• 4.2.1 算法概述
• 4.2.2 实验结果及结论
• 4.3 一种基于仿真模板的特征级分类方法
• 4.3.1 哈希算法原理
• 4.3.2 基于峰值特征的分类方法
• 4.3.3 实验结果及结论
• 4.4 小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果