SAR图像港口及近海区域船只检测方法研究
毕业论文关键词 SAR图像 广义 K分布 舰船检测 快速算法
Title Study of ship detection in synthetic aperture radar image in harbor and coastal area
Abstract In recent years, ship detection based on SAR image is a vital way for sea surveillance and fishery supervisory. There remains great importance of studying ship detection in synthetic aperture radar image in harbor and coastal area for sea security. In this circumstance,this article mainly study ship detection method in SAR image in harbor andcoastal area , this article choose G-K distribution as our clutter distribution model through comparing various commonly used clutter distribution models, optimize our algorithm by reducing duplicate pixels,this article use detection method based on human visual attention system to detect ships. In terms of the outcome, our detection method has better capacity than normal CFAR filter and can satisfy most requirements of the processing of SAR images in harbor and coastal area.
Keywords SAR image Generalized-K distribution Ship detection Fast algorithm
目次
1绪论1
1.1研究背景1
1.3研究内容和意义2
1.4论文组织结构3
2SAR图像海杂波分布模型研究4
2.1概述4
2.2常用海杂波分布模型4
2.3基于广义K分布的非均质SAR图像海杂波建模6
2.4小结7
3基于广义K分布模型的船只目标增强8
3.1基于广义K分布的目标增强滤波器8
3.2基于广义K分布模型的改进滑窗增强滤波器9
3.3改进滑窗增强滤波器的快速算法11
3.4小结13
4基于人眼识别系统的船只检测方法14
4.1SAR图像CFAR检测原理14
4.2人眼识别系统视觉增强检测原理15
4.3仿真实验与分析17
4.4小结21
5总结与展望22
5.1总结22
5.2不足与展望22
致谢24
参考文献25
1 绪论 1.1 研究背景 海洋舰船目标监测是世界各大海洋国家的传统任务，在维护国家海洋权益、领土完整和领海安全、海上执法、海上搜救、海洋环境保护等多方面有着重要意义和举足轻重的地位。与光学和红外传感器相比，合成孔径雷达(SAR)因其全天时、全天候、大范围、高分辨率、长期连续观测的优点，得到了世界各大海洋国家的高度关注，SAR 图像船只目标检测已成为海洋应用领域的一个重要研究方向和热点问题。 美、英、法、加拿大等国学者在方面开展了大量卓有成效的工作，并获得巨大的成功。美国的 AKDEMO系统(Alaska SAR Demonstration)，加拿大的 OMW 系统(Ocean Monitoring Workstation)，欧盟的SUMO系统(Search for Unidentified Maritime Objects)、挪威NDRE(Norwegian Defense Research Establishment)的Eldhuset 系统、法国的 CLS 系统[1]等均已投入实际应用。 然而，现有船只检测技术主要适用于均质或近似均质的海面区域 ，对于近海和港口等非均质区域，其检测性能有不同程度的下降，影响了 SAR 图像船只监测技术在相关区域的推广应用。有鉴于此，本课题将结合近年来在海面杂波分析和海上目标检测中表现出优秀潜力的广义K分布(G-K分布)模型开展研究，利用G-K分布刻画近海和港口区域的海杂波分布特性，研究基于 G-K分布的船-海对比度增强滤波方法，在此基础上，实现对近海区域船只的检测。