基于多層CFAR算法的超高分辨率SAR圖像目標(biāo)檢測.pdf

1、統(tǒng)計(jì)建模是合成孔徑雷達(dá)(SAR)圖像解譯必不可少的東西，不同的SAR統(tǒng)計(jì)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(jì)分布及其特點(diǎn)，對不同的SAR圖像地物類型進(jìn)行統(tǒng)計(jì)建模，找出各種統(tǒng)計(jì)模型所適合的地物類型。
　　目標(biāo)檢測更是SAR圖像應(yīng)用的重中之重，文章針對機(jī)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(diǎn)的目標(biāo)檢測算法，并采用真實(shí)的機(jī)載P波段和L波段SAR圖像數(shù)據(jù)對算法進(jìn)行了驗(yàn)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(shí)間復(fù)雜度高，目標(biāo)具有一定的形態(tài)及細(xì)節(jié)的特征。針對這些特點(diǎn)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(jì)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(qiáng)散射點(diǎn)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(jìn)一步檢測艦船目標(biāo)。盡管多

3、層CFAR算法提取出較準(zhǔn)確的艦船目標(biāo)，但是依然存在很多虛警目標(biāo)。我們根據(jù)先驗(yàn)艦船尺寸大小，對多層CFAR算法處理后的圖像濾除虛警目標(biāo)。由于超高SAR圖像特點(diǎn)，濾除虛警后的目標(biāo)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(biāo)輪廓算法，并對目標(biāo)輪廓進(jìn)行填充來得到完整的目標(biāo)。實(shí)驗(yàn)中使用兩幅TerraSAR-X圖像真實(shí)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(jìn)行實(shí)驗(yàn)比較，結(jié)果證明我們的算法有較好的檢測結(jié)果。