合成孔径雷达(Synthetic Aperture Radar,SAR)图像自动目标识别的前提条件之一是能够准确地提取感兴趣区域(Region of interest,ROI),因此能够获取ROI中心的聚类算法是SAR图像处理的关键算法之一。为了尽可能降低检测图像中的虚警以及减少聚类及相应的鉴别算法的计算量,本文提出一种基于先验信息的网格聚类算法,该方法首先通过目标和杂波的形状统计信息估计网格聚类参数,然后利用其对检测图像进行网格划分,并引入目标的占空比特征去除杂波,最后通过粗提取和精提取两种方法计算得到聚类中心。仿真和实测数据处理结果表明,该算法能够对检测目标进行有效聚类并去除大部分杂波,同时极大地减少了鉴别的计算量,且简化了传统ROI中心提取流程。
浅埋目标探测是低频超宽带合成孔径雷达(Synthetic Aperture Radar,SAR)的一个重要应用。地雷作为浅埋目标的一类,由于其回波微弱,且所处环境复杂,使得检测后图像中常常存在大量虚假目标。提取有效特征用于鉴别是降低虚警的关键所在,传统基于全孔径图像距离剖线进行时频表示的算法易受噪声影响,并且难以表示目标散射特性。本文提出一种基于重构回波稀疏时频表示提取特征及鉴别的方法。该方法基于感兴趣区域(Regions of Interest,ROI)重构目标各个方位角的回波,可以有效减少原来回波域相邻杂波影响,提取目标较为准确的散射特性。本文方法同时采用引入判决分量的稀疏时频表示,改善了特征提取的准确度并简化了鉴别流程。实测数据处理结果表明了本文所提方法在杂波抑制和目标鉴别方面的有效性。
