1、SAR圖像特征提取是SAR圖像信息提取與解譯的基礎(chǔ)工作，良好的特征能夠完備地表征圖像或者目標(biāo)的核心信息，有利于后續(xù)的識別分類工作的開展，因而受到了國內(nèi)外研究人員的關(guān)注，成為SAR圖像解譯的理論研究熱點之一。在SAR圖像解譯的實際應(yīng)用中，圖像和目標(biāo)的全局特征提取通常是非魯棒的，存在一定隨機(jī)變化和模糊。SAR圖像局部特征提取研究是解決上述問題的一種思路，是對特征提取技術(shù)的進(jìn)一步發(fā)展，也是SAR圖像計算機(jī)解譯技術(shù)的重要信息支撐。而目前SAR圖

2、像局部特征提取普遍沿用光學(xué)圖像處理的方法，存在一定的不相適應(yīng)的情況，因此根據(jù)SAR圖像成像特性與噪聲特性來研究其局部特征提取算法很有必要。通過研究與完善SAR圖像局部特征理論與提取算法，克服兩個不足：（1）傳統(tǒng)的全局特征提取方法魯棒性差；（2）光學(xué)圖像局部特征提取方法對于SAR圖像的適應(yīng)性差，從而提高基于局部特征的SAR圖像匹配與目標(biāo)檢測識別的精度與效率。
　　本文圍繞SAR圖像局部特征提取的這一主線，從SAR圖像目標(biāo)的顯著性特征

3、、目標(biāo)的散射中心點集特征和SAR圖像局部不變特征三個方向入手，采用理論分析和實驗驗證相結(jié)合的研究方法，深入研究探討：（1）SAR圖像目標(biāo)顯著性區(qū)域、顯著性特征提取與應(yīng)用；（2）目標(biāo)散射中心點集特征序貫匹配識別SAR圖像車輛目標(biāo)；（3）SAR圖像局部不變特征提取新方法與應(yīng)用。
　　作為整個論文的理論基礎(chǔ)，第二章主要論述了圖像局部不變特征理論及典型的方法，SAR圖像的成像概述、噪聲特性和幾種基本特征，針對本文研究重點，對SAR圖像局部

4、不變特征的研究基礎(chǔ)、發(fā)展現(xiàn)狀和主要方法做了闡述和總結(jié)。
　　第三章在SAR圖像噪聲特性分析基礎(chǔ)上，結(jié)合視覺顯著性理論，根據(jù)SAR圖像局部復(fù)雜度和自差異測度設(shè)計了一種SAR圖像的顯著性區(qū)域檢測方法，與經(jīng)典的視覺顯著性算法進(jìn)行顯著性區(qū)域檢測實驗對比，以及與經(jīng)典的CFAR方法進(jìn)行SAR圖像目標(biāo)檢測實驗對比，均取得了良好的實驗結(jié)果，表明該方法勝任在SAR圖像上提取顯著性區(qū)域，檢測高價值地物目標(biāo)，具有很好的應(yīng)用性。
　　第四章結(jié)合模式

5、識別理論中的點模式匹配方法和SAR圖像屬性散射中心模型理論，提出了一種基于目標(biāo)散射中心點集特征的序貫匹配方法。首先基于屬性散射中心模型提取SAR圖像域目標(biāo)散射中心的特征，使用該散射中心點集位置分量和表征散射中心幾何結(jié)構(gòu)信息的屬性散射中心特征頻率影響因子作為匹配特征，依次序貫匹配，實現(xiàn)車輛目標(biāo)的對比識別。實驗結(jié)果與國外同類方法相比，準(zhǔn)確性和識別率都顯示出優(yōu)勢。
　　第五章提出了一種SAR圖像局部特征提取新方法。首先分析了SAR圖像的

6、像素梯度信息提取方法和常見的梯度算子，例如ROA算子、ROEWA算子和GR算子。然后介紹了Harris算子、LoG算子及其適應(yīng)SAR圖像特性的改進(jìn)—多尺度Harris算子。接下來介紹了圖像局部二值模式特征和旋轉(zhuǎn)不變局部二值模式特征，多尺度局部梯度比率直方圖特征MLGRPH，并且實驗驗證了該特征在SAR圖像上的旋轉(zhuǎn)不變性能。在上述研究基礎(chǔ)上，提出了基于MLGRPH特征的SAR圖像局部不變特征提取新方法。實驗驗證環(huán)節(jié)，采用不同時相、不同波段