uwb-sar图像中的目标检测与鉴别

《uwb-sar图像中的目标检测与鉴别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、国防科学技术大学研究生院学位论文摘要针对超宽带合成孔径雷达(UltraWideBandSyntheticApertureRadar，即UWB·SAR)探测nfJ簇隐蔽目标的应用需求，对UWB—SAR图像中的目标检测与鉴别问题进行了系统深入的研究。首先综述了UWB．SAR目标检测与鉴别问题的研究现状、方法和意义，指出了UWB—SAR目标检测与鉴别在UWB．SAR自动目标识别系统中的位置和现存问题。第二章研究了UWB．SAR图像中的恒虚警牢(ConstantFalseAlarmRate，即CFAR)目标检测问题。采用试验数据分析了UWB—SAR图像中各种不同植被覆盖类型杂波的

2、统计特性，并基于得到的结论提出了一种CFAR目标检测方法，该方法在一个通用形式下，能够在已知类型的不同植被覆盖杂波中实现CFAR处理；提出了一种快速统计量计算方法，该方法能大大提高CFAR算法的计算效率。第三章针对目标检测与鉴别的应用需求研究了UWB．SAR图像中的目标特征提取方法。基于UWB—SAP．回波模型和成像原理，研究了用频域滤波的方法在UWB—SAP．图像频域支撑中提取目标的方向域、频率域和分辨率域特征的方法，给出了相应的滤波器设计；建立了UWB—SAR目标模型，改进了隐马尔可夫模型和统计分析方法用于特征整合：研究了UWB—SAR点目标检测及树干杂波抑制问题：实

3、验结果表明，所研究的结果能改善UWB—SAP．目标检测与鉴别的性能。第四章研究了UWB—SAR图像中的非均匀背景目标检测问题。针对UWB．SAR图像中杂波统计模型随植被覆盖类型漂移的问题，在改进了a截集雷达杂波识别方法的基础上，提出了一种对杂波统计模型自适应的CFAR检测方法，有效地实现了在不同植被覆盖类型下的CFAR目标检测；针剐杂被边沿的非均匀性，基于变量索引CFAR方法研究了UWB—SAlt图像中强弱杂波边沿处的CFAR检测问题，实现了在杂波边沿处的CFAR目标检测；实验结果验证了方法的有效性。第五章研究了UWB—SAR图像中日标检测与鉴别的定量性能评估方法。基于接

4、收机工作特性曲线，提出了两种对目标检测算法性能进行定量评估的方法：以目标与杂波的可分离性为度量，引入了两个用于评估特征提取方法的性能指标；针对UWB．SAR图像中杂波与舀标的特点，改迸了UWB．SAIl图像中目标检测与鉴别性能评估中若干参量的计算方法。最后系统地总结了全文的工作，并给出了进’步研究的建议。关键词：超宽带合成子L径雷达(UWB-SAR)，目标检测与鉴别，特征提取树干杂波．非均匀背景，定量性能评估，(3FAR第1页国防科学技术大学研究生院学位论文AbstractTodetectconcealedtargetsinfoliagewithUltraWideBand

5、SyntheticApertureRadar(UWB—SAR)，theproblemoftargetdetectionanddiscriminationinUWB—SARimageissystematicallystudiedinthisthesis．Atfirst，thepresentresearchstate，methodsandsignificanceofUWB—SARtargetdetectionanddiscriminationaresummarized，andthesituationofUWB．SARtargetdetectionanddiscriminati

6、oninUWB—SARautomatictargetrecognitionsystemanditscurrentexistingproblemisalsopointedout．TheproblemofConstantFalseAlarmRate(CFAR)targetdetectioninUWB-SARimageisstudiedinchapter2．Theclutterstatisticalpropertyofdifferentvegetationbestrowisanalysed，andaCFARtargetdetectionmethodisproposedbased

7、onthecorrespondingconclusions．Underacommonform，themethodcanperformCFARprocessingindifferentvegetationbestrowclutter．AfaststatisticscomputationmethodiSproposedforC眦processing，whichCallsavethecomputationexpensealot．InChapter3，thetargetfeatureextractionmethodisstudiedf