資源描述：
《sar圖像艦船目標(biāo)檢測方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、SAR圖像艦船目標(biāo)檢測方法研究作者姓名李俊敏學(xué)校導(dǎo)師姓名、職稱于昕副教授領(lǐng)域電子與通信工程企業(yè)導(dǎo)師姓名、職稱強(qiáng)勇高工申請學(xué)位類別工程碩士提交學(xué)位論文日期2014年12月學(xué)校代碼10701學(xué)號(hào)1202121450分類TN82號(hào)TP18密級(jí)公開西安電子科技大學(xué)碩士學(xué)位論文SAR圖像艦船目標(biāo)檢測方法研究作者姓名：李俊敏領(lǐng)域：電子與通信工程學(xué)位類別：工程碩士學(xué)校導(dǎo)師姓名、職稱：于昕副教授企業(yè)導(dǎo)師姓名、職稱：強(qiáng)勇高工提交日期：2014年12月StudyontheMethodsofShipTargetDetectioninSARImageyAthesissubm
2、ittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByLijunminSupervisor:YuxinQiangyongDecember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含
3、其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得
4、學(xué)位后結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要近年來，利用SAR圖像進(jìn)行艦船目標(biāo)檢測是實(shí)現(xiàn)海洋監(jiān)視、漁業(yè)管控的重要手段。我國領(lǐng)海廣闊，海洋資源豐富，開展SAR圖像艦船目標(biāo)檢測研究具有重要意義。本文主要圍繞海雜波的統(tǒng)計(jì)建模、SAR圖像的海陸分割以及SAR圖像艦船的CFAR檢測等問題進(jìn)行展開。論文中的主要的內(nèi)容如下：1.由于海雜波的精確建模影響到基于統(tǒng)計(jì)模型的CFAR的檢測性能，所以本文首先研究了海雜波常用的建模模型，給出了海雜波建模的一般步驟及擬合度評價(jià)標(biāo)
5、準(zhǔn)，通過實(shí)驗(yàn)驗(yàn)評估了不同模型對海雜波分布的擬合性能。2.海陸分割是對海洋SAR圖像進(jìn)行艦船檢測的基本前提之一，所以首先進(jìn)行了SAR圖像的海陸分割研究。在原有的灰度級(jí)-平均灰度級(jí)-中值灰度級(jí)三維直方圖基礎(chǔ)上，提出灰度級(jí)-平均灰度級(jí)梯度-中值灰度級(jí)三維直方圖，并在此基礎(chǔ)上提出一種改進(jìn)的三維Otsu分割算法，導(dǎo)出了灰度級(jí)-平均灰度級(jí)梯度-中值灰度級(jí)三維直方圖的Otsu閾值選取的快速迭代算法。最后進(jìn)行了SAR圖像的海陸分割實(shí)驗(yàn)，結(jié)果表明改進(jìn)的方法在保證良好的分割效果的前提下減少了算法時(shí)間。03.本文提出了一種改進(jìn)的G分布的局部滑窗CFAR檢測方法。該方法首先
6、根據(jù)滑窗內(nèi)的對比度參數(shù)來初步判斷滑窗內(nèi)是否有艦船像素，如果有則繼續(xù)后續(xù)的CFAR檢測，如果沒有則可以判斷滑窗內(nèi)沒有艦船目標(biāo)像素，滑窗移動(dòng)半個(gè)窗口步長，而不是一個(gè)像素，這樣可以減少耗時(shí)的參數(shù)估計(jì)的次數(shù)，從而減少算法運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明該方法能夠在保證艦船檢測的準(zhǔn)確率的同降低算法運(yùn)行時(shí)間。4.設(shè)計(jì)了SAR圖像的艦船檢測軟件系統(tǒng)，給出了該系統(tǒng)的軟件結(jié)構(gòu)。主要介紹了該系統(tǒng)的功能模塊包括SAR圖像預(yù)處理模塊、海雜波分布擬合檢驗(yàn)?zāi)K以及艦船目標(biāo)檢測模塊。關(guān)鍵詞：海雜波,統(tǒng)計(jì)建模,CFAR,艦船目標(biāo)檢測論文類型：應(yīng)用基礎(chǔ)研究類IABSTRACTABSTRACTR
7、ecently,shipdetectiononSyntheticApertureRadar(SAR)imageryisanimportantwayofoceansurveillanceandfishingmonitoring.Chinahaslargeoceanwhichisfullofresources.ItisofgratesignificanceindevelopingshipdetectionresearchmentonSARimagery.Thispaperfocusesontheseacluttermodeling,sea-landseg
8、mentationinSARimageandthealgorithmsofConstantFalseAlar
