發(fā)布時(shí)間：2024-06-02 11:45

　　合成孔徑雷達(dá)(SAR)在航空航天、對(duì)地觀測(cè)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(chǎng)景中快速檢測(cè)出感興趣目標(biāo)對(duì)戰(zhàn)場(chǎng)偵察、軍事指揮等具有重要意義。針對(duì)復(fù)雜場(chǎng)景下的目標(biāo)檢測(cè)困難問題,本文對(duì)復(fù)雜場(chǎng)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(jì)模型的CFAR檢測(cè)算法。主要研究?jī)?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(jì)分布擬合Sandia數(shù)據(jù)庫(kù)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(jì)模型。⑵研究了基于統(tǒng)計(jì)模型的智能迭代CFAR檢測(cè)算法和模糊集理論,經(jīng)過(guò)分析,將模糊邏輯引入了基于統(tǒng)計(jì)模型的智能迭代CFAR檢測(cè)算法中,提出了基于模糊邏輯與背景統(tǒng)計(jì)模型的CFAR檢測(cè)算法。首先,考慮擬合過(guò)程中的不確定性,用基于FCC準(zhǔn)則的統(tǒng)計(jì)模型替換了基于傳統(tǒng)擬合準(zhǔn)則的統(tǒng)計(jì)模型;其次,針對(duì)傳統(tǒng)CFAR檢測(cè)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(jì)模型的智能迭代CFAR檢測(cè)算法中的CFAR檢測(cè)器替換...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1參量模型建模的一般過(guò)程

2.1引言為了使得SAR圖像的統(tǒng)計(jì)特性得以最終被揭示，針對(duì)SAR數(shù)據(jù)的描述可以通過(guò)統(tǒng)計(jì)方法來(lái)實(shí)現(xiàn)。一般會(huì)將這一整個(gè)過(guò)程視為SAR圖像雜波統(tǒng)計(jì)建模。這也是最近幾年的一大研究重點(diǎn)，對(duì)SAR圖像統(tǒng)計(jì)建模加以研究，主要是為了[31]：⑴對(duì)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(jì)分布模型。圖2.2第二章整體結(jié)構(gòu)圖2.2SAR圖像統(tǒng)計(jì)模型分析在目標(biāo)檢測(cè)算法中，背景統(tǒng)計(jì)模型的選擇，對(duì)SAR圖像的目標(biāo)檢測(cè)精度影響很大。本節(jié)以圖表的形式簡(jiǎn)單清晰地介紹SAR圖像的統(tǒng)計(jì)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(gè)矮植被樣本切片綜合統(tǒng)計(jì)出來(lái)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(duì)視覺上可以更清晰，方便后續(xù)的結(jié)果對(duì)比分析，還給出了分別是這6種分布單獨(dú)的擬合圖。對(duì)13個(gè)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(jì)模型，如圖2.6(a)和(b)分別從格蘭德河取了11個(gè)不均勻區(qū)域的樹林樣本，這些樣本代表的是較高的對(duì)這11個(gè)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(hào)：3987236