SAR图像目标检测.docVIP

班级 020651 学 本科毕业设计（论文） 外文资料翻译 毕业设计题目 文档位图的印刷体数字智能检测与识别 外文资料题目An Adaptive and Fast CFAR Algorithm Based on Automatic Censoring for Target Detection in High-Resolution SAR Images 学 院 电子工程学院 专 业 智能科学与技术 学 生 姓 名 张若愚 指导教师姓名 钟 桦 一种基于自动删除的快速自适应恒虚警检测算法用于高分辨SAR图像目标检测 摘要——一种以高分辨率合成孔径雷达探测（SAR）图像为目标抽象的，快速的自适应恒虚警检测率（）算法。首先，。次，通过使用指数矩阵，噪声环境的自适应确定可以事先筛选检测中使用的滑动窗口的像素。G0分布，该算法取得了较好的CFAR检测性能与此同时，相应的快速算法大大降低了计算量性能分析和实验结果该算法被证明好的性能和指数计算恒虚警检测率），合成孔径雷达（SAR），目标检测Ⅰ、简 介随着收集从和星图像数据的增加，正变得越来越适宜发展SAR图像判读技术。[1] - [4]中识别目标或目标群体是一个SAR图像尤为重要。由于自动检测是自动目标识别（ATR）的系统第一个重要步骤，有能力满足不断扩大的情报监视和侦察快速检测目标，如坦克，装甲运兵车，卡车和榴弹炮。在整个ATR系统，有很大影响[] [6]。到目前为止，文献提供的SAR的目标检测算法中的算法（）误报率，因为它的特点计算自适应阈值和快速检测的复杂背景下目标进行了广泛的研究[7] [8]，甚至在几个SAR ATR的系统应用[9]，[10]。常用的CFAR检测算法包括 [6]，[7]，[11]，[21]的单元平均CFAR），最大的CFAR（），最小的CFAR（），统计CFAR（OS）等的降低[6]（实际上是林肯实验室提出的一个高斯背景技术CA – CFAR检测技术 [9]，[22]在存在异构环境中（包括噪声边缘和多目标的情况）。解决因此多目标的情况。然而在线性，差[6]。此外，获得的经验，而不是通过理论。的将不可避免地增加计算量CA –CFAR算法噪声边缘提供了良好的检测性能相比CFAR检测算法，它的均匀噪声性能会下降，因为各像素相关信息丢失在噪声边缘的情况，CFAR算法可以得到更好的多目标性能情况。但是， CFAR检测算法相应的检测门槛较低。单元平均CFAR），最大的CFAR（），最小的CFAR（）， 统计CFAR（OS）等基本CFAR检测算法[6]，[11]，[12]，[21]。每个有其优点，缺点和潜在的应用。没有表现良好。如果我们引入这些方法选择前面提到的基本CFAR检测器，自适应根据像素位置，。，目前研究工作的重点发展自适应CFAR算法[12]。许多研究人员试图设计自适应CFAR算法。Smith Varshney提出的CFAR (VI-CFAR)变异指数算发是有代表性。VI-CFAR处理器提供CFAR性能基VI-CFAR，Huang et al提出的区域分类 CFAR（RC-CFAR）[14]。据[15]中，RCCFAR 可以细分为四个部分，; 因此，它是不可靠的判断环境非齐次。汲取了灵感的VI - CFAR检测， Farrouki和目前有序数据变异指数 自动截（交流）CFAR检测器来实现适应性目标检测的复杂背景[16]。假设威布尔噪声背景下，提出了比谢列固体模板CFAR检测器（即所谓的比谢列算法[7]，[17]），包括一套完备的程序，如排序，截，等类似的想法是Rickard Dillard提出的 [18]。据报道[7]，[17]即比谢列算法适合的地点杂乱，规模型（LStype）。LS型噪声可以被视为正规化有两个参数噪声分布。实验结果[7]，[17]表明和非齐次环境该算法均表现良好。Bisceglie算法是一个很好的CFAR检测算法。进一步的可以进行对噪声模型，深入的截自动选择选择的滑动窗口类型等，创新CFAR算法称为区域平均统计Hofele），CFAR介绍，在[21]的CFAR算法的优势是，它避免了覆盖和候补聚集对象。CAS