基于统计模型的SAR图像目标检测和轮廓提取研究

SAR图像解译技术在军事和民用领域有着广泛的需求，而目标检测和轮廓提取作为SAR图像解译的重要基础步骤一直是研究的热点。本项目从SAR图像数据的统计特性出发，以陆地杂波中的金属目标自动检测和轮廓提取为对象展开研究。本项目将在对各种SAR图像统计模型深入研究的基础上，建立新型的混合统计模型。该混合模型可以给出SAR图像区域中的杂波与目标的各自所占比例以及各自统计分布的参数值，解决了自动获取目标统计模型的难题。基于该混合模型，展开由粗到精的目标区域快速定位研究和GLRT目标检测方法研究，全面提升目标检测的精度和速度。探索目标和杂波的统计特性在轮廓提取中的作用，对传统的snake方法进行改进，使之能有效地运用到SAR图像目标轮廓提取中。本项目的研究成果必将推动SAR图像统计建模、目标检测和轮廓提取以及自动目标识别等研究的发展，进一步提升我国在SAR图像解译领域的科研水平和实际应用水平。

SAR图像解译技术在军事和民用领域有着广泛的需求，而目标检测和轮廓提取作为SAR图像解译的重要基础步骤一直是研究的热点。本项目从SAR图像数据的统计特性出发，以陆地杂波中的金属目标自动检测和轮廓提取为对象展开研究。本项目所取得的主要成果有：（1）对各种常用的SAR图像数据统计模型进行深入研究，发现K分布和Lognormal分布分别适合描述SAR图像数据中的陆地杂波和金属目标。（2）基于K分布与Lognormal分布，提出了K-Lognormal混合模型，并且基于EM算法给出了最大似然意义下的K-Lognormal混合模型的参数估计方法。该混合模型可以给出SAR图像区域中的杂波与目标的各自分量以及各自统计分布的参数值，解决了自动获取目标统计模型的难题。（3）基于混合模型提出由粗到精的目标区域快速定位方法和广义似然比(GLRT)目标检测算法，性能上全面优于现有的方法。（4）结合SAR图像特点，对活动轮廓模型进行改造，分别基于向量场卷积模型与区域竞争模型进行结合的思路和基于分割后图像具有最大对比度的思路，提出了两种适用于SAR图像的目标轮廓提取方法。（5）对活动轮廓模型初始轮廓的设置进行了研究，提出了适用于SAR图像目标轮廓提取的初始轮廓自动选取方法，进一步提升了SAR图像目标轮廓提取的性能。