基于多層CFAR算法的超高分辨率SAR圖像目標檢測.pdf

1、統(tǒng)計建模是合成孔徑雷達(SAR)圖像解譯必不可少的東西，不同的SAR統(tǒng)計模型（如K分布，高斯分布，伽馬分布，對數(shù)正態(tài)分布，混合分布等）對不同的SAR地物類型（如農(nóng)田，森林，草地，河流等）的建模能力各不相同。本文首先介紹了不同的統(tǒng)計分布及其特點，對不同的SAR圖像地物類型進行統(tǒng)計建模，找出各種統(tǒng)計模型所適合的地物類型。
　　目標檢測更是SAR圖像應用的重中之重，文章針對機載SAR圖像中車輛檢測問題結(jié)合CFAR算法提出了針對角反射器散

2、射特點的目標檢測算法，并采用真實的機載P波段和L波段SAR圖像數(shù)據(jù)對算法進行了驗證。
　　超高分辨率SAR圖像具有數(shù)據(jù)量大，傳統(tǒng)CFAR算法處理時間復雜度高，目標具有一定的形態(tài)及細節(jié)的特征。針對這些特點我們提出了多層CFAR算法。算法中采用對數(shù)正態(tài)分布作為圖像的統(tǒng)計分布模型。我們通過對整幅SAR圖像采用基于對數(shù)正態(tài)分布的全局CFAR算法濾除強散射點來找出SAR圖像背景區(qū)域。然后依據(jù)提取出的SAR圖像背景來進一步檢測艦船目標。盡管多

3、層CFAR算法提取出較準確的艦船目標，但是依然存在很多虛警目標。我們根據(jù)先驗艦船尺寸大小，對多層CFAR算法處理后的圖像濾除虛警目標。由于超高SAR圖像特點，濾除虛警后的目標有著不完整或者船體出現(xiàn)空洞的現(xiàn)象，我們提出了提取目標輪廓算法，并對目標輪廓進行填充來得到完整的目標。實驗中使用兩幅TerraSAR-X圖像真實數(shù)據(jù)，分辨率為1米，分別采用多層CFAR算法及傳統(tǒng)CFAR算法進行實驗比較，結(jié)果證明我們的算法有較好的檢測結(jié)果。