發(fā)布時間：2024-06-02 11:45

　　合成孔徑雷達(dá)(SAR)在航空航天、對地觀測及軍事偵察等領(lǐng)域具有非常廣闊的應(yīng)用前景,如何從復(fù)雜場景中快速檢測出感興趣目標(biāo)對戰(zhàn)場偵察、軍事指揮等具有重要意義。針對復(fù)雜場景下的目標(biāo)檢測困難問題,本文對復(fù)雜場景下的SAR圖像進(jìn)行了深入研究,最終提出一種基于模糊邏輯與背景統(tǒng)計模型的CFAR檢測算法。主要研究內(nèi)容與成果如下:⑴研究了不同背景下雜波分布的擬合,用6種統(tǒng)計分布擬合Sandia數(shù)據(jù)庫中不同背景圖像,擬合的方法包括傳統(tǒng)的三種擬合精度準(zhǔn)則和本文提出的基于模糊聚類隸屬度值的擬合精度準(zhǔn)則(FCC準(zhǔn)則)。分別給出基于傳統(tǒng)擬合準(zhǔn)則和基于FCC準(zhǔn)則的低植被、高植被、城區(qū)建筑物、海雜波等區(qū)域的最佳統(tǒng)計模型。⑵研究了基于統(tǒng)計模型的智能迭代CFAR檢測算法和模糊集理論,經(jīng)過分析,將模糊邏輯引入了基于統(tǒng)計模型的智能迭代CFAR檢測算法中,提出了基于模糊邏輯與背景統(tǒng)計模型的CFAR檢測算法。首先,考慮擬合過程中的不確定性,用基于FCC準(zhǔn)則的統(tǒng)計模型替換了基于傳統(tǒng)擬合準(zhǔn)則的統(tǒng)計模型;其次,針對傳統(tǒng)CFAR檢測器因使用“硬判決”而導(dǎo)致信息利用率低的問題,將基于統(tǒng)計模型的智能迭代CFAR檢測算法中的CFAR檢測器替換...

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1參量模型建模的一般過程

2.1引言為了使得SAR圖像的統(tǒng)計特性得以最終被揭示，針對SAR數(shù)據(jù)的描述可以通過統(tǒng)計方法來實(shí)現(xiàn)。一般會將這一整個過程視為SAR圖像雜波統(tǒng)計建模。這也是最近幾年的一大研究重點(diǎn)，對SAR圖像統(tǒng)計建模加以研究，主要是為了[31]：⑴對地物散射機(jī)理有全面、系統(tǒng)、完善....

圖2.2第二章整體結(jié)構(gòu)圖

還分別建立了傳統(tǒng)擬合準(zhǔn)則和FCC準(zhǔn)則的統(tǒng)計分布模型。圖2.2第二章整體結(jié)構(gòu)圖2.2SAR圖像統(tǒng)計模型分析在目標(biāo)檢測算法中，背景統(tǒng)計模型的選擇，對SAR圖像的目標(biāo)檢測精度影響很大。本節(jié)以圖表的形式簡單清晰地介紹SAR圖像的統(tǒng)計模型。圖2.3給出了六種SAR....

圖2.4低矮的均勻自然植被樣本

圖2.4低矮的均勻自然植被樣本13個矮植被樣本切片綜合統(tǒng)計出來的擬合圖，其中圖2.5ibull分布、Gamma分布、K分布、G0分布這6種分布對視覺上可以更清晰，方便后續(xù)的結(jié)果對比分析，還給出了分別是這6種分布單獨(dú)的擬合圖。對13個矮植被樣本擬合C....

圖2.6較高的不均勻自然植被樣本

(b)伊斯萊塔湖附近高植被樣本圖2.6較高的不均勻自然植被樣本不均勻自然植被的統(tǒng)計模型，如圖2.6(a)和(b)分別從格蘭德河取了11個不均勻區(qū)域的樹林樣本，這些樣本代表的是較高的對這11個同質(zhì)區(qū)域的樣本進(jìn)行綜合擬合分析，得到擬合圖2.

本文編號：3987236