《基於統計模型的SAR圖像目標檢測和輪廓提取研究》是依託南京航空航天大學，由周鑫擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於統計模型的SAR圖像目標檢測和輪廓提取研究
- 項目類別：青年科學基金項目
- 項目負責人：周鑫
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
SAR圖像解譯技術在軍事和民用領域有著廣泛的需求，而目標檢測和輪廓提取作為SAR圖像解譯的重要基礎步驟一直是研究的熱點。本項目從SAR圖像數據的統計特性出發，以陸地雜波中的金屬目標自動檢測和輪廓提取為對象展開研究。本項目將在對各種SAR圖像統計模型深入研究的基礎上，建立新型的混合統計模型。該混合模型可以給出SAR圖像區域中的雜波與目標的各自所占比例以及各自統計分布的參數值，解決了自動獲取目標統計模型的難題。基於該混合模型，展開由粗到精的目標區域快速定位研究和GLRT目標檢測方法研究，全面提升目標檢測的精度和速度。探索目標和雜波的統計特性在輪廓提取中的作用，對傳統的snake方法進行改進，使之能有效地運用到SAR圖像目標輪廓提取中。本項目的研究成果必將推動SAR圖像統計建模、目標檢測和輪廓提取以及自動目標識別等研究的發展，進一步提升我國在SAR圖像解譯領域的科研水平和實際套用水平。
結題摘要
SAR圖像解譯技術在軍事和民用領域有著廣泛的需求，而目標檢測和輪廓提取作為SAR圖像解譯的重要基礎步驟一直是研究的熱點。本項目從SAR圖像數據的統計特性出發，以陸地雜波中的金屬目標自動檢測和輪廓提取為對象展開研究。本項目所取得的主要成果有：（1）對各種常用的SAR圖像數據統計模型進行深入研究，發現K分布和Lognormal分布分別適合描述SAR圖像數據中的陸地雜波和金屬目標。（2）基於K分布與Lognormal分布，提出了K-Lognormal混合模型，並且基於EM算法給出了最大似然意義下的K-Lognormal混合模型的參數估計方法。該混合模型可以給出SAR圖像區域中的雜波與目標的各自分量以及各自統計分布的參數值，解決了自動獲取目標統計模型的難題。（3）基於混合模型提出由粗到精的目標區域快速定位方法和廣義似然比(GLRT)目標檢測算法，性能上全面優於現有的方法。（4）結合SAR圖像特點，對活動輪廓模型進行改造，分別基於向量場卷積模型與區域競爭模型進行結合的思路和基於分割後圖像具有最大對比度的思路，提出了兩種適用於SAR圖像的目標輪廓提取方法。（5）對活動輪廓模型初始輪廓的設定進行了研究，提出了適用於SAR圖像目標輪廓提取的初始輪廓自動選取方法，進一步提升了SAR圖像目標輪廓提取的性能。
