全息穿透成像雷达的图像特性与目标检测技术研究

摘要 (i)

Abstract ............................................................................................................... i i 第一章

绪论 (1)

1.1 研究背景与意义 (1)

1.2 国内外研究现状 (3)

1.2.1

全息穿透成像雷达的研究发展现状 (3)

1.2.2

雷达目标检测技术研究 (5)

1.3 本文主要工作及内容安排 (7)

HSIR背景图像统计特性研究 (9)

第二章

2.1 引言 (9)

2.2 基于HSIR图像统计分布模型的特征提取与目标检测 (11)

2.2.1

用于HSIR介质图像的分布模型 (11)

2.2.2

典型评价因子 (13)

2.2.3

基于HSIR图像统计分布模型的目标检测方法 (14)

2.3 一种利用综合评价因子的目标检测方法 (21)

2.3.1

背景图像多特征提取 (21)

背景图像特征的筛选 (25)

2.3.2

2.3.3

基于背景图像多特征的目标检测 (27)

2.4 穿透实验结果与分析 (28)

2.4.1

基于FDR比的单个特征评价与筛选 (29)

基于SFFS的最优特征子集搜索 (30)

2.4.2

2.4.3

检测性能比较 (31)

2.5 本章小结 (35)

第三章

HSIR图像圆目标的典型特征研究 (37)

3.1 引言 (37)

3.2 基于阈值法的HSIR图像分割 (37)

3.3 HSIR图像圆目标典型特征提取与分析 (43)

3.3.1

典型目标特征 (43)

目标与雷达相对位置对目标特征的影响 (44)

3.3.2

3.3.3

尺寸对目标特征的影响 (46)

3.4 本章小结 (48)

第四章

HSIR图像中圆目标的检测 (49)

4.1 引言 (49)

4.2 HSIR图像中圆目标检测算法 (50)

4.2.1

圆目标成像特征研究 (50)

4.2.2

目标检测算法 (52)

4.2.3

圆目标检测实验 (54)

4.3 HSIR图像干扰条纹抑制处理 (56)

背景介质强散射条纹的去除 (56)

4.3.1

4.3.2

检测实验 (58)

4.4 本章小结 (59)

第五章

结束语 (60)

5.1 本文工作总结 (60)

5.2 未来研究展望 (61)

致谢 (63)

参考文献 (64)

作者在学期间取得的学术成果 (68)

表目录

表1.1 RASCAN系列全息成像雷达参数 (4)

2.1

表四种评价因子 (14)

2.2

表水泥板背景图像统计模型评价因子 (16)

2.3

表高密板背景图像统计模型评价因子 (17)

2.4

表水泥板背景下含有硬币图像统计模型评价因子 (18)

2.5

表高密板背景下含有硬币图像统计模型评价因子 (18)

2.6

表基于背景图像单一分布特征的检测性能 (20)

2.7

表一幅图像的20个评价因子 (23)

2.8

表根据特征FDR筛选出的40个特征 (30)

2.9

表 SFFS筛选出的30个特征 (30)

2.10

表检测性能对比 (35)

3.1

表 SAR图像中常见的特征 (43)

3.2

表本文采用的纹理特征和几何特征 (44)

3.3

表处于不同位置目标的特征 (45)

3.4

表不同形状目标的特征 (47)

3.5

表不同材质目标的特征 (48)

4.1

表圆目标检测结果 (56)

4.2

表抑制图像干扰后的圆目标检测结果 (59)

图目录

1.1

图 PNNL研制的主要设备 (3)

1.2

图 RASCAN系列雷达 (4)

图地下目标堆积图的双曲线特征提取 (5)

1.3

1.4

图地雷前视检测SAR的时频特性 (6)

1.5

图论文研究框架 (8)

2.1

图高密板背景下导线的成像 (9)

2.2

图高密板背景下“T”型铝棒的成像 (9)

2.3

图同一种介质不同含水量HSIR图像直方图的对比 (10)

2.4

图参数模型建模的一般过程 (11)

2.5

图水泥混凝土HSIR背景图像的统计分布模型 (15)

2.6

图高密板HSIR背景图像的统计分布模型 (16)

2.7

图水泥混凝土介质板下有硬币目标的HSIR图像统计分布模型 (17)

图高密板下有硬币目标的HSIR图像统计分布模型 (18)

2.8

2.9

图特征值的直方图 (19)

2.10

图阈值选取示意图 (20)

2.11

图高密板背景下未检测出的粗导线目标 (21)

2.12

图高密板背景图像 (22)

2.13

图高密板背景的幅值图像 (23)

图高密板背景的实部图像 (24)

2.14

2.15

图高密板背景的虚部图像 (24)

图顺序浮动前进法（SFFS）流程图 (26)

2.16

2.17

图多特征检测流程图 (28)

2.18

图五类目标的光学图像和在高密板背景下的HSIR图像 (29)

2.19

图单个特征FDR曲线 (30)

2.20

图检测性能对比 (32)

2.21

图导线高密板背景下的光学图像和HSIR图像 (33)

2.22

图 PVC管帽在高密板背景下的光学图像和HSIR图像 (33)

2.23

图一元硬币在高密板背景下的光学图像和HSIR图像 (34)

2.24

图一元硬币在水泥板背景下的光学图像和HSIR图像 (34)

3.1

图一元硬币的分割结果 (40)

3.2

图钢棒的分割结果 (41)

3.3

图硬币的闭运算后的结果 (42)

图一元硬币处在不同位置得到的HSIR图像 (45)

3.5

3.6

图目标位置分布 (45)

3.7

图不同尺寸的圆目标得到的HSIR图像 (46)

3.8

图材质不同的圆目标得到的HSIR图像 (47)

4.1

图金属圆目标HSIR图像 (49)

4.2

图一元硬币的HSIR图像的二维和三维图像 (50)

4.3

图圆目标的HSIR成像结果 (51)

4.4

图搜索局部峰值 (52)

4.5

图圆目标检测算法 (54)

图水泥板背景下圆目标的检测 (55)

4.6

4.7

图 HSIR图像中背景造成的强散射条纹 (57)

图 HSIR强散射条纹去除 (57)

4.8

4.9

图强散射抑制算法流程图 (58)

4.10

图目标硬币图像处理前后的对比 (58)

摘要

全息穿透成像雷达凭借其方位向成像分辨率高的优势，在对隐蔽小目标的成像探测中发挥着越来越重要的工作。无论是在军事和安全检查，还是在医学和考古等领域，这种高分辨率成像探测的需求越来越多。

全息穿透成像雷达一般通过合成孔径扫描或者实孔径阵列天线扫描，获取二维扫描数据，利用录取数据的幅度和相位信息进行成像处理，以二维投影或三维显示的方法，重现目标图像。由于雷达与目标之间存在电磁参数未知、结构复杂的介质，给雷达图像的解译带来了巨大的困难。因此开展全息穿透成像雷达图像特征与检测技术的研究是必要的。

研究背景和目标特征是实现目标检测的前提。在对背景特征的研究中，由于介质的疏密程度和电磁特性等都是未知的，因此较难得出理想的解析式，即使得出解析式，也是经过了较大程度的近似，故该方法较难从图像中检测出正确的目标。从大量背景介质的图像出发，采用统计的方法，总结出特定介质的特性，将其运用于目标的检测中。本文首先提出了基于背景图像分布模型的目标检测算法，接着为了提高检测率和降低虚警率，又提出了基于背景图像的模型综合评价因子的检测算法，获得了更好的效果。为了降低特征集维数，提高运算速度，采用了顺序浮动前进选择（SFFS）法和Fisher鉴别比(FDR)法对特征进行了筛选。

在对目标特征的研究中，本文采用了简单的基于阈值法对图像进行了分割，提取了均匀介质背景下典型的圆目标的纹理和几何特征。从理论上分析了目标的材质、尺寸和目标相对于雷达的位置对圆目标成像结果的影响，并通过实验进行了验证。

由于HSIR关注的常用目标中，圆形目标占了很大一部分，本文研究并提出了一种HSIR图像中圆目标检测算法，该算法是基于圆目标HSIR图像峰值、直径和圆对称度三个特征提出的，该算法在实测数据中具有较高的检测率和较低的虚警率。为了提高图像的信杂比，提出了一种抑制介质干扰条纹的算法。

关键词：全息穿透成像雷达；目标特征；圆目标检测算法；Fisher鉴别比；顺序浮动前进法