本文關鍵詞：基于素描稀疏表示和低秩分解的SAR圖像目標檢測，，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像的目標檢測首先從SAR圖像中提取出包含潛在目標的感興趣區(qū)域,然后在潛在目標區(qū)域中對人工目標進行定位,實現目標與背景的分離。由于合成孔徑雷達在航空航天、地面監(jiān)測、戰(zhàn)場偵察、武器制導等領域具有重要的應用價值,因此基于SAR圖像的目標檢測技術已經成為SAR民用和軍事應用的核心技術之一,對于后續(xù)的目標識別與分類具有十分重要的意義。SAR圖像的素描圖是對圖像結構信息的一種稀疏描述,以比值算子和相關性算子為基準的邊線模型能夠更好的刻畫SAR圖像中的奇異信息。低秩分解模型通過對觀測矩陣中背景低秩性和前景稀疏性的約束,將實際觀測到的矩陣分解為表示背景的低秩矩陣和表示前景的稀疏矩陣,而目標和噪聲存在于表示前景的稀疏矩陣中。本文將結合SAR素描模型和魯棒主成分分析(Robust principal component analysis,Rpca)低秩分解模型,提出基于素描稀疏表示的候選目標區(qū)域提取方法以及基于目標區(qū)域與低秩分解的SAR圖像人工目標定位方法。本文的主要創(chuàng)新工作為:(1)針對人工目標定位不準確的問題,本文在實現人工目標區(qū)域觀測矩陣構造與分解的基礎上,提出了一種基于目標區(qū)域與低秩分解的SAR圖像目標檢測方法。首先研究和分析了劉芳、宋建梅所提出的基于初始素描圖線段規(guī)整度的候選目標區(qū)域提取算法,由于該方法所采用的初始素描圖是通過Primal Sketch模型提取得到的,模型中的邊緣檢測算子是針對光學圖像的加性噪聲而設計的,并不適用于SAR圖像的乘性噪聲模型,因此本文在采用SAR素描模型得到素描圖的基礎上進行候選目標區(qū)域的提取,然后利用候選目標區(qū)域灰度和線密度統(tǒng)計特征剔除虛警目標區(qū)域,設計目標區(qū)域觀測矩陣的構造方法,并采用Rpca分解方法對其進行分解得到低秩矩陣和稀疏矩陣,利用稀疏矩陣的統(tǒng)計特性來實現人工目標區(qū)域中的目標定位;(2)在基于初始素描圖線段規(guī)整度的候選目標區(qū)域提取算法和采用SAR素描模型得到素描圖的基礎上,本文分析了不同類型的人工目標在SAR圖像素描圖中的稀疏表示特征,定義了用于計算素描線段規(guī)整度的自適應幾何結構窗口,并設計了區(qū)域擴充規(guī)則進行候選目標區(qū)域的提取。仿真實驗表明,相比原候選目標區(qū)域提取算法中固定窗口大小以及遞歸生長規(guī)則的策略,本文所提出的基于SAR圖像素描圖與自適應幾何結構窗的候選目標區(qū)域提取方法能夠有效的降低候選目標區(qū)域中所包含的虛警目標比例,更有利于后續(xù)人工目標的定位。
【關鍵詞】：目標檢測 SAR素描模型 候選目標區(qū)域 Rpca 觀測矩陣
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 符號對照表9-10
• 縮略語對照表10-13
• 第一章 緒論13-21
• 1.1 SAR圖像概述13-14
• 1.2 SAR圖像目標檢測的研究背景及意義14-16
• 1.3 圖像目標檢測方法的研究現狀16-19
• 1.3.1 光學圖像目標檢測方法16-17
• 1.3.2 SAR圖像目標檢測方法17-19
• 1.4 論文的主要內容及安排19-21
• 第二章 相關工作和背景技術21-29
• 2.1 視覺計算理論21-22
• 2.2 初始素描模型與候選目標區(qū)域提取算法22-25
• 2.2.1 初始素描模型22-24
• 2.2.2 基于初始素描圖線段規(guī)整度的候選目標區(qū)域提取算法24-25
• 2.3 低秩矩陣恢復及其應用場景25-26
• 2.4 本章小結26-29
• 第三章 基于目標區(qū)域與低秩分解的SAR圖像目標檢測算法29-47
• 3.1 引言29-32
• 3.1.1 Rpca低秩分解模型及其求解方法29-30
• 3.1.2 SAR素描模型30-32
• 3.2 基于SAR圖像素描圖線段規(guī)整度的候選目標區(qū)域提取算法32-36
• 3.2.1 算法描述32-33
• 3.2.2 仿真實驗與分析33-36
• 3.3 候選目標區(qū)域觀測矩陣的構造36-41
• 3.3.1 候選目標區(qū)域觀測矩陣的構造方法36-38
• 3.3.2 仿真實驗與分析38-41
• 3.4 基于目標區(qū)域與低秩分解的SAR圖像目標檢測算法41-45
• 3.4.1 算法描述41-42
• 3.4.2 仿真實驗與分析42-45
• 3.5 本章小結45-47
• 第四章 基于自適應幾何結構窗與低秩分解的SAR圖像目標檢測算法47-61
• 4.1 引言47-50
• 4.1.1 圖像ROI提取方法47-49
• 4.1.2 計算初始素描圖線段規(guī)整度的區(qū)域劃分49
• 4.1.3 區(qū)域生長規(guī)則的定義49-50
• 4.2 自適應幾何結構窗的構造50-53
• 4.2.1 自適應幾何結構窗的構造方法50-52
• 4.2.2 仿真實驗與分析52-53
• 4.3 基于SAR圖像素描圖與自適應幾何結構窗的候選目標區(qū)域提取算法53-57
• 4.3.1 算法描述53-55
• 4.3.2 仿真實驗與分析55-57
• 4.4 基于自適應幾何結構窗與低秩分解的SAR圖像目標檢測算法57-60
• 4.4.1 算法描述57-58
• 4.4.2 仿真實驗與分析58-60
• 4.5 本章小結60-61
• 第五章 總結與展望61-63
• 5.1 總結61-62
• 5.2 展望62-63
• 參考文獻63-67
• 致謝67-69
• 作者簡介69-70

【相似文獻】

中國期刊全文數據庫 前10條

1 李坤;邵蕓;張風麗;;基于多極化機載合成孔徑雷達(SAR)數據的水稻識別[J];浙江大學學報(農業(yè)與生命科學版);2011年02期

2 劉開剛;許梅生;李維;;一種基于雙閾值區(qū)域分割的SAR圖像目標提取方法[J];國外電子測量技術;2008年03期

3 ;西部測圖工程機載干涉SAR測圖系統(tǒng)項目啟動會在北京召開[J];遙感信息;2008年04期

4 蔡紅;;基于稀疏表示的SAR圖像壓縮方法研究[J];計算機工程與應用;2012年24期

5 李杏朝，董文敏;SAR圖像的水文應用研究[J];遙感信息;1996年04期

6 孫盡堯,孫洪;自然場景SAR圖像的仿真[J];雷達科學與技術;2003年04期

7 李金;程超;許浩;;無人機機載合成孔徑雷達(SAR)定位方法綜述[J];影像技術;2008年03期

8 陳原;張榮;尹東;;基于Tetrolet Packet變換的SAR圖像稀疏表示[J];電子與信息學報;2012年02期

9 何毅;范偉杰;;手機批量SAR測試方案[J];安徽電子信息職業(yè)技術學院學報;2013年05期

10 紀建;田錚;徐海霞;;SAR圖像壓縮的多尺度自回歸滑動平均模型方法[J];電子學報;2005年12期

中國重要會議論文全文數據庫 前10條

1 沈晶;楊學志;;基于邊緣保持分水嶺算法的SAR海冰圖像分割[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

2 郝衛(wèi)東;熊鄴;曲蘭英;周志麗;;一種降低手機SAR的設計[A];2009年全國天線年會論文集（下）[C];2009年

3 方勇;;綜合多視角SAR圖像改正遮蔽區(qū)試驗[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

4 于明成;許稼;彭應寧;;SAR多普勒中心快速解模糊的新方法[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

5 戴爾燕;金亞秋;;多軌道飛行全極化SAR圖像對目標的立體重構[A];第二屆微波遙感技術研討會摘要全集[C];2006年

6 常本義;高力;;SAR單圖像定位原理[A];中國科協2001年學術年會分會場特邀報告匯編[C];2001年

7 錢方明;鞏丹超;劉薇;;SAR圖像邊緣特征提取方法研究[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

8 陳林輝;葉偉;賈鑫;;分布式衛(wèi)星SAR圖像方位向分辨率分析[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

9 孫偉順;計科峰;朱俊;粟毅;;典型軍用目標SAR圖像預估[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

10 黃勇;王建國;黃順吉;;基于分段的非監(jiān)督SAR圖像變化檢測[A];第十一屆全國信號處理學術年會（CCSP-2003）論文集[C];2003年

中國重要報紙全文數據庫 前2條

1 張顯峰;機載干涉SAR：掀起測繪革命[N];科技日報;2004年

2 鐘勇;國內首套SAR測圖系統(tǒng)通過評審[N];中國測繪報;2010年

中國博士學位論文全文數據庫 前10條

1 賀廣均;聯合SAR與光學遙感數據的山區(qū)積雪識別研究[D];南京大學;2015年

2 張雙喜;高分辨寬測繪帶多通道SAR和動目標成像理論與方法[D];西安電子科技大學;2014年

3 劉小寧;星上SAR實時成像處理關鍵技術研究[D];北京理工大學;2016年

4 李蘭;森林垂直信息P-波段SAR層析提取方法[D];中國林業(yè)科學研究院;2016年

5 張澤兵;知識輔助的SAR目標索引及特征提取技術研究[D];國防科學技術大學;2014年

6 張鵬;基于統(tǒng)計模型的SAR圖像降斑和分割方法研究[D];西安電子科技大學;2012年

7 王勃;星載全極化SAR海面散射特性及其船目標檢測方法[D];中國海洋大學;2013年

8 倪心強;SAR圖像分類與自動目標識別技術研究[D];中國科學院研究生院（電子學研究所）;2007年

9 周鵬;彈載SAR多種工作模式的成像算法研究[D];西安電子科技大學;2011年

10 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國防科學技術大學;2009年

中國碩士學位論文全文數據庫 前10條

1 董立亞;SAR圖像去噪的小波和偏微分方程的數學建模[D];河北聯合大學;2014年

2 秦靖堯;陣列三維SAR快速成像方法研究[D];電子科技大學;2016年

3 季飛霞;極化干涉SAR小麥植被高度反演算法研究[D];寧夏大學;2016年

4 楊俊凱;面向礦區(qū)大梯度形變監(jiān)測的SAR信息提取方法研究[D];中國礦業(yè)大學;2016年

5 孫銘;基于梯度互信息的SAR與可見光圖像配準[D];西安電子科技大學;2015年

6 魏明月;SAR圖像海岸線檢測與地物分類[D];西安電子科技大學;2015年

7 閆曉莉;基于素描稀疏表示和低秩分解的SAR圖像目標檢測[D];西安電子科技大學;2016年

8 李慶;ISAR成像若干關鍵技術及SAR動目標檢測[D];西安電子科技大學;2012年

9 潘秋豐;基于兩步稀疏編碼和字典學習的SAR圖像去斑[D];西安電子科技大學;2013年

10 于利娟;手機天線輻射特性優(yōu)化與SAR研究[D];西安電子科技大學;2013年

  本文關鍵詞：基于素描稀疏表示和低秩分解的SAR圖像目標檢測，由筆耕文化傳播整理發(fā)布。

本文編號：271584