1、合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)目前已經(jīng)廣泛應(yīng)用于軍事上的目標(biāo)探測和民用的雷達(dá)主動遙感等領(lǐng)域。開展SAR圖像自動目標(biāo)識別(Automatic Target Recognition，ATR)技術(shù)的研究，突破SAR圖像半自動、自動特征提取技術(shù)瓶頸，已經(jīng)成為國家戰(zhàn)略偵察、監(jiān)視和預(yù)警以及精確打擊武器型號發(fā)展中的迫切需求。本文基于運(yùn)動和靜止目標(biāo)的捕獲與識別(Movingand Stationary Targ

2、et Acquisition and Recognition，MSTAR)數(shù)據(jù)庫，進(jìn)行了較全面的算法研究，為SAR特征提取及識別系統(tǒng)提出了一系列相關(guān)的新算法。從SAR圖像的相干斑機(jī)理出發(fā)，研究了相干斑的幅相統(tǒng)計特性，給出了相干斑疊加后強(qiáng)度的分析，以及當(dāng)?shù)匚锷⑸湎禂?shù)作為常矢量和隨機(jī)矢量與相干斑疊加后的統(tǒng)計分布特性的分析。在此基礎(chǔ)上，分別從相干斑抑制、峰值特征提取、屬性主散射中心提取、強(qiáng)度多邊緣特征提取、幅相矢量的邊緣特征提取、以及方位向提

3、取等六個方面進(jìn)行了研究，為目標(biāo)識別提供了多特征融合的基礎(chǔ)。最后，形成了一套不同特征提取條件下、不同識別要求下的SAR圖像目標(biāo)ATR算法，并得到了較好的評價指標(biāo)。本文的主要研究內(nèi)容有：
　　 (1)在SAR圖像噪聲抑制方面，提出了一種改進(jìn)的Gibbs馬爾可夫隨機(jī)場條件迭代(Improve Gibbs Markov Random Field-Iterated Conditional Mode，IGMRF-ICM)復(fù)原聚類算法。該算法

4、在傳統(tǒng)MRF圖像模型的基礎(chǔ)上，將像素強(qiáng)度值的變化引入馬爾可夫隨機(jī)場的勢函數(shù)的定義中。在最大后驗概率估計時，用Gamma分布代替?zhèn)鹘y(tǒng)的瑞利分布復(fù)原后向散射系數(shù)，達(dá)到抑制噪聲的目的。同時，利用數(shù)字形態(tài)學(xué)理論中圖像像素強(qiáng)度之間的相關(guān)性建立鄰近模型，提出最大連通聚類算法，將目標(biāo)較好的分割出來，使復(fù)原后的斑噪視數(shù)與原始的斑噪視數(shù)相似度達(dá)到90％以上，邊緣特征保持指數(shù)達(dá)到80％。
　　 (2)在峰值特征提取方面，提出了不經(jīng)過SAR噪聲抑制直

5、接進(jìn)行SAR圖像目標(biāo)峰值特征提取算法，給出了Gauss和Sinc函數(shù)峰值提取模型。同時用導(dǎo)數(shù)方程法和加權(quán)最小二乘法精確地提取目標(biāo)的峰值參數(shù)，并對其進(jìn)行了統(tǒng)計波動分析與比較。由于SAR回波成像的旁瓣效應(yīng)，本文提出的Sinc峰值模型在統(tǒng)計波動分析中受噪聲影響的波動方差與其它兩種方法相比最小，在雜波下能有效地提取峰值。
　　 (3)在屬性主散射中心提取方面，提出了基于峰值模型的Clean的屬性主散射中心提取法。由于峰值反映了散射中心的

6、本質(zhì)，因此由峰值之和得到的坐標(biāo)值能有效地減少了對(x，y)初值的估計錯誤。通過距離向和方位向質(zhì)心對屬性主散射中心坐標(biāo)分類后建立Koets屬性主散射中心模型，并引入Clean算法的思想進(jìn)行屬性主散射中心提取，得到更為準(zhǔn)確的主散射中心。
　　 (4)在SAR圖像邊緣特征提取方面，提出基于強(qiáng)度泊松跳變的多邊緣特征提取指數(shù)加權(quán)方向圖(Ratio Of Exponentially Weighted Direction Map，ROEDM)

7、算法。將多邊緣指數(shù)加權(quán)均值比(Ratio Of Exponentially Weighted Averages，ROEWA)算子與Gabor函數(shù)相結(jié)合，利用Gabor函數(shù)具有的多方向特性在邊緣強(qiáng)度圖上確定邊緣的方向，再用最大似然估計糾正錯誤的邊緣方向，結(jié)合視覺細(xì)胞的倍頻程計算出Gabor函數(shù)的最佳局域濾波參數(shù)，然后進(jìn)行局域自適應(yīng)Gabor濾波提取出SAR圖像的正確邊緣。實驗驗證該算法在多邊緣較為接近時的邊緣提取效果較好，邊緣評價指數(shù)均有

8、不同幅度的提高。
　　 (5)提出了基于馬爾可夫隨機(jī)場和Rician分布的幅相矢量邊緣特征提取的Gabor濾波算法(MRF-Rician-Gabor，MRG)算法。利用SAR圖像相干斑的形成機(jī)理，在復(fù)原后的幅度上疊加相位信息后，引入Rician分布尋找最佳局域Gabor濾波器參數(shù)，對SAR圖像進(jìn)行目標(biāo)提取。與以往僅僅基于幅度數(shù)據(jù)的算法相比，該算法充分利用了SAR圖像幅度和相位中所攜帶的信息，能更準(zhǔn)確地提取目標(biāo)。
　　 (

9、6)在SAR圖像方位角估計方面，提出了基于MRG邊緣提取算法的Radon綜合方位角估計算法。由目標(biāo)的主軸確定目標(biāo)所在的范圍，分0度、180度和90度、270度兩種判別方法對其進(jìn)行目標(biāo)陰影的綜合判別，利用Radon變換得到兩者的主軸信息。實驗驗證，Radon的綜合判別算法的角度絕對誤差均小于基于峰值的線性回歸算法和包絡(luò)盒的算法，驗證了其算法的有效性和準(zhǔn)確性。
　　 (7)在SAR圖像目標(biāo)識別領(lǐng)域，提出了基于核主成分Fisher判別

10、算法(Kernel PrincipleComponent Analysis-Fisher Discriminant，KPFD)和雙向主成分Fisher判別算法(Two BidirectionalPCA-Fisher Discriminant，2BPFD)的多特征融合分類器算法。在特征融合分類器中，引入了KPFD和2BPFD兩種模式識別算法。在決策層和度量層分別對特征融合分類器進(jìn)行實驗、排序后發(fā)現(xiàn)度量層的乘法規(guī)則在種類識別中的分類效果較好