学位论文 > 优秀研究生学位论文题录展示

UWB SAR叶簇隐蔽目标变化检测技术研究

作　者: 王广学
导　师: 周智敏; 黄晓涛
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 超宽带合成孔径雷达变化检测叶簇隐蔽目标检测融合检测图像配准辐射校正 Harris 算子广义 Laguerre 多项式 Edgeworth 展开式支持向量数据描述拉普拉斯特征映射算法 Nystr m 近似
分类号: TN957.52
类　型: 博士论文
年　份: 2012年
下　载: 43次
引　用: 0次
阅　读: 论文下载

内容摘要

超宽带合成孔径雷达（Ultra-Wide Band Synthetic Aperture Radar，UWB SAR）具有穿透叶簇对隐蔽目标进行成像探测的能力，军事应用潜力巨大。然而，由于树干强杂波干扰的影响，长期以来，基于UWB SAR图像的叶簇隐蔽目标检测一直受到高虚警概率问题的困扰。针对此一问题，本文对基于多时相UWB SAR图像的叶簇隐蔽目标变化检测技术进行了系统深入的研究，以期利用树干杂波在不同时相UWB SAR图像中具有很强相关性的特点，采用变化检测技术对其进行有效抑制，从而获取更好的叶簇隐蔽目标检测性能。本文的研究工作主要包括以下几方面的内容。研究了UWB SAR叶簇隐蔽目标变化检测中的图像预处理问题。提出了一种基于点特征的图像配准算法，该算法针对UWB SAR图像往往具有较高噪声的特点，设计出一种基于多尺度Harris 算子的点特征提取方法，提高了噪声环境下点特征图像配准处理的可靠性；对基于线性回归模型的SAR图像相对辐射校正方法进行了理论分析，并指出其存在的误差，在此基础上提出了一种基于双方向线性回归模型的相对辐射校正方法，提高了辐射校正的精度。研究了UWB SAR叶簇隐蔽目标变化检测中的像素级变化检测问题。首先对理想条件下基于图像差值法的像素级变化检测与基于图像比值法的像素级变化检测进行了理论分析与比较，证明了图像差值法的优越性；而后针对实际应用中，叶簇观测区域背景后向散射强度与多时相图像相关系数同时具有快变特性的特点，对图像差值法进行改进，提出了一种基于图像分割差值法的像素级变化检测法，有效克服了上述快变特性带来的不利影响；最后对图像分割差值法进行进一步的优化，提高了算法中图像分割的速度以及杂波分布估计的精度。研究了UWB SAR叶簇隐蔽目标变化检测中的统计分布特征变化检测问题。提出了一种基于广义 Laguerre 多项式的统计分布特征变化检测算法，与现有算法相比，该算法具有更高的概率密度函数估计精度，因而具有更优的变化检测性能；提出了一种基于二维Edgeworth 展开式的统计分布特征变化检测算法，与现有算法相比，该算法可在一维概率密度函数比较的基础上，进一步对二维概率密度函数进行比较，因而具有更好的变化检测效果。研究了UWB SAR叶簇隐蔽目标变化检测中的融合变化检测问题。针对现有基于支持向量数据描述（Support Vector Data Description, SVDD）的融合变化检测方法的不足，利用流行学习中的拉普拉斯特征映射（Laplacian Eigenmap，LE）算法对SVDD进行改进，并在此基础上提出了一种拉普拉斯特征映射SVDD（Laplacian Eigenmap SVDD，LE-SVDD）融合变化检测方法，与原有算法相比，该方法不仅可以从训练样本中提取分类信息，而且可以根据样本间的几何结构特性对分类判决函数进行优化，从而获得更好的融合变化检测性能。此外，针对融合变化检测实际应用中，LE-SVDD训练需要进行大规模矩阵求逆运算的特点，提出了一种基于Nystr m近似的训练方法，有效的降低了LE-SVDD训练所需运算量，提高了融合变化检测的运行速度。论文最后在总结全文研究成果的基础上，提出了下一步的研究展望。

全文目录

摘要  10-12
Abstract  12-14
第一章绪论  14-26
  1.1 课题的研究背景与意义  14-19
    1.1.1 UWB SAR 的兴起与发展  14-16
    1.1.2 UWB SAR 叶簇隐蔽目标变化检测技术的研究意义  16-19
  1.2 研究与发展现状  19-23
    1.2.1 基于光学图像和常规 SAR 图像的变化检测技术研究现状  19-21
    1.2.2 UWB SAR 叶簇隐蔽目标变化检测技术研究现状  21-22
    1.2.3 UWB SAR 叶簇隐蔽目标变化检测研究中存在的问题  22-23
  1.3 本文的主要工作和结构安排  23-26
第二章叶簇隐蔽目标变化检测中的图像预处理  26-53
  2.1 引言  26-27
  2.2 图像配准原理介绍与方法选择  27-33
    2.2.1 图像配准的基本原理  27-28
    2.2.2 图像配准的基本方法  28-32
    2.2.3 图像配准方法的比较与选择  32-33
  2.3 基于点特征的 UWB SAR 图像配准  33-45
    2.3.1 基于多尺度 Harris 算子的点特征提取  33-37
    2.3.2 基于迭代滤波器的高斯滤波  37-39
    2.3.3 点特征不变描述子的构建  39
    2.3.4 特征匹配的鲁棒方法  39-41
    2.3.5 变换模型求解与坐标变换  41
    2.3.6 图像配准流程  41
    2.3.7 图像配准实验  41-45
  2.4 基于双方向线性回归模型的 UWB SAR 图像相对辐射校正  45-52
    2.4.1 基于线性回归模型的相对辐射校正方法原理与分析  45-47
    2.4.2 基于双方向线性回归模型的相对辐射校正方法原理与实现  47-49
    2.4.3 实验比较与分析  49-52
  2.5 小结  52-53
第三章基于图像分割差值法的叶簇隐蔽目标像素级变化检测  53-82
  3.1 引言  53-54
  3.2 理想条件下图像差值法与图像比值法变化检测性能分析与比较  54-59
    3.2.1 理想条件下图像差值法变化检测性能的理论分析  55-57
    3.2.2 理想条件下图像比值法变化检测性能的理论分析  57-58
    3.2.3 理想条件下图像差值法与图像比值法变化检测性能的比较  58-59
  3.3 叶簇隐蔽目标图像分割差值变化检测方法  59-70
    3.3.1 图像分割差值变化检测方法原理说明  60-61
    3.3.2 图像分割的实现  61-62
    3.3.3 自适应门限检测的实现  62-64
    3.3.4 实验验证  64-70
  3.4 图像分割差值变化检测方法的优化  70-81
    3.4.1 基于改进 PSO 算法的图像分割最佳阈值求解  71-73
    3.4.2 基于改进杂波分布模型的自适应门限检测  73-76
    3.4.3 实验验证  76-81
  3.5 小结  81-82
第四章基于统计分布特征的叶簇隐蔽目标特征级变化检测  82-107
  4.1 引言  82-83
  4.2 统计分布特征变化检测方法介绍与分析  83-87
    4.2.1 基于 Edgeworth 展开式的邻域像素灰度值概率密度函数估计  84-85
    4.2.2 基于 K-L 散度的概率密度函数差异分析  85-87
    4.2.3 现有统计分布特征变化检测方法存在的不足  87
  4.3 基于广义 Laguerre 多项式的统计分布特征变化检测  87-93
    4.3.1 基于广义 Laguerre 多项式的概率密度函数估计  87-91
    4.3.2 概率密度函数差异分析  91-93
  4.4 基于二维 Edgeworth 展开式的统计分布特征变化检测  93-100
    4.4.1 二维观测矢量的定义与说明  93-94
    4.4.2 基于二维 Edgeworth 展开式的概率密度函数估计  94-98
    4.4.3 概率密度函数差异分析  98-100
  4.5 叶簇隐蔽目标统计分布特征变化检测实验分析  100-106
    4.5.1 统计分布特征变化检测流程  100-101
    4.5.2 变化检测实验  101-106
  4.6 小结  106-107
第五章基于 LE-SVDD 的叶簇隐蔽目标融合变化检测  107-130
  5.1 引言  107-108
  5.2 SVDD 基本原理  108-114
    5.2.1 输入空间 SVDD  108-110
    5.2.2 核特征空间 SVDD  110-112
    5.2.3 SVDD 的训练方法  112-114
  5.3 LE-SVDD 分类器  114-122
    5.3.1 流行学习与 LE 学习方法  115-116
    5.3.2 LE-SVDD 的原理  116-119
    5.3.3 LE-SVDD 的 SMO 训练方法  119-120
    5.3.4 LE-SVDD 与 SVDD 性能比较  120-122
  5.4 基于 LE-SVDD 的叶簇隐蔽目标融合变化检测  122-128
    5.4.1 基于 LE-SVDD 的融合变化检测流程  122
    5.4.2 训练样本集与待测试样本集提取  122-123
    5.4.3 基于 Nystr m 近似的 LE-SVDD 训练方法  123-126
    5.4.4 基于 LE-SVDD 的融合变化检测实验  126-128
  5.5 小结  128-130
第六章结束语  130-133
  6.1 本文工作总结  130-131
  6.2 未来研究展望  131-133
致谢  133-135
参考文献  135-148
作者在学期间取得的学术成果  148-150
附录 A 式(4.57 )的推导  150-151

UWB SAR叶簇隐蔽目标变化检测技术研究

内容摘要

全文目录

相似论文