1、隨著合成孔徑雷達(dá)(SAR)技術(shù)不斷進(jìn)步，SAR圖像分辨率越來越高，包含的目標(biāo)信息也更豐富，對SAR圖像解譯技術(shù)提出了更高的要求。作為SAR圖像解譯的重要環(huán)節(jié)，特征提取和分類識別也備受關(guān)注。本文以SAR對海偵察監(jiān)視的應(yīng)用背景，重點研究了艦船目標(biāo)SAR圖像特征提取及分類技術(shù)。
　　論文首先對比分析了幾類典型SAR圖像分割算法的性能。對于分割后圖像研究了目標(biāo)方向角和最小閉合矩形等幾何特征提取技術(shù)。針對散射中心旁瓣干擾及海雜波的影響，提出

2、了一種基于投影最大熵的方向角估計方法和一種基于最大填充比的最小閉合矩形提取方法。實驗結(jié)果表明，本文提出的方法能更準(zhǔn)確地提取艦船目標(biāo)的方向角和最小閉合矩形特征。
　　在此基礎(chǔ)上，研究了貨船目標(biāo)SAR圖像的局部結(jié)構(gòu)特征提取技術(shù)。通過將目標(biāo)區(qū)域投影到主軸方向，得到了相應(yīng)的投影曲線。結(jié)合貨船目標(biāo)的周期性結(jié)構(gòu)特點，提出了兩種從投影曲線中檢測局部周期信號的方法，即基于多重自相關(guān)與 F檢驗的周期信號檢測方法以及基于廣義似然比檢驗的周期信號檢測方

3、法。通過對貨船局部結(jié)構(gòu)周期性的提取，可有效實現(xiàn)貨船目標(biāo)的分辨。此后，針對艦船目標(biāo)分類的應(yīng)用背景，設(shè)計并實現(xiàn)了民船目標(biāo)分類的演示軟件。實測數(shù)據(jù)處理結(jié)果表明，對貨船和油輪目標(biāo)的平均正確分類率為88.46％。
　　最后，由于SAR復(fù)圖像包含更多的目標(biāo)信息，本文根據(jù)壓縮感知的原理，從SAR復(fù)數(shù)據(jù)中提取出了目標(biāo)的散射中心特征。根據(jù)散射點特征研究了艦船目標(biāo)方向角提取技術(shù)，并與僅利用圖像域處理方法得到的結(jié)果進(jìn)行了對比分析。進(jìn)一步，探討了散射點沿