SAR图像特征提取与目标识别方法研究

SAR在军事侦察和民用方面都具有重要作用，因此开展SAR图像的特征提取 和目标识别工作具有实际意义和应用前景。本文从理论上具体研究了SAR图像的 特征提取和目标识别方法，并通过实验加以验证。 研究了SAR图像的多尺度边缘检测。据信号边界与噪声边界的小波变换模值 跨尺度传递的不同特性，将不同尺度下的边界所具有的特点结合起来，提出由边 缘传递、继承和生长组成的多尺度边缘融合算法。实验证明该算法抑制了噪声对 边缘检测的干扰，获得的边缘轮廓完整、定位准确。用两步法实现了SAR图像中 路状特征的自动提取。首先利用一种改进的SAR图像局部线特征检测算子获得公 路段基元，然后引入关于公路特征的先验知识，利用方向势能函数将局部线特征 组织成较大线性结构。将该算法用于ERS1图像公路网的提取，获得较好的效果。 研究了基于小波域隐Markov模型（HMM）的SAR图像滤波方法。该方法通 过小波域的隐Markov树（HMT）模型来描述小波系数的统计相关性和非高斯性， 利用EM算法获得HMT模型参数的估计。将乘性噪声转化为近似加性高斯噪声， 可以获得SAR图像小波系数的最小方差估计。提出基于迭代结构滤波器的SAR 图像滤波方法。该方法利用一系列反映局部边界特征的邻域模型来描还图像的细 节。引入像素强度的先验概率分布模型，运用模拟退火算法选择合适的邻域结构， 获得强度的最优估计。两种算法都可以在滤除斑点噪声的同时较好地保留图像的 突出细节特征。 提出一种以似然差函数作为相似性衡量林准的SAR图像分割方法。该方法利 用SAR图像的强度分布特性，根据虚警率确定相邻区域之间存在边界的似然差函 数的阈值。然后引入反映区域结构属性的融合代价来控制融合的顺序。为了降低 融合计算量，同时保持了图像的细节特征，提出SAR图像的最优初始分割方法。 它利用似然函数和边界约束方程构造代价函数，来描述区域特征。在块状初始分 割的基础上，利用模拟退火算法获得代价函数最小的初始分割。 提出一种以目标检测、目标分割、目标方位角估计和目标不变性特征提取为线 索的SAR目标识别框架。利用恒定虚警率（CFAR）检测算子，从场景中发现潜 在目标。根据目标、阴影和背景的相互关系，提出相应的MAF模型来描述待分割 图像的先验知识，采用Bayes方法，获得MAP准则下的目标分割。利用目标轮廓 和目标信号的Radon变换奇异值作为目标的旋转、平移不变特征。对于每一类目 标，建立它的样本特征模板集合，每一个样本特征都用方位角来标记。提出目标 方位角综合估计方法，从目标区域获得方位角的估计。根据估计的目标方位角选 择特征模板。提出基于目标轮廓和目标信号的特征匹配度量准则来对目标进行分 类。实验证明这种方法可以获得比较高的目标识别率。