低频超宽带合成孔径雷达叶簇隐蔽目标变化检测技术研究

Due to strong trunk clutter, foliage-concealed targets detection with low-frequency UWB SAR images has been troubled with high false alarm rate problem for a long period. For this reason, the technique of foliage-obscured target change detection based on low-frequency UWB SAR images is researched in this item. The object of the research is to effectively suppress trunk clutters by exploiting the strong correlation between trunk clutter in different temporal low-frequency UWB SAR images. In this project, we will firstly study the problem of clutter modeling in low-frequency UWB SAR change detection, and a pixel-based change detection algorithm will be proposed based on it. Then, the feature extraction method suitable for low-frequency UWB SAR images will be discussed, and a feature-based change detection algorithm will be designed based on it. At last, the fusion method for pixel-based change detection and feature-based change detection will be analyzed. Besides that, the image registration technique used in change detection will be also discussed in this project. And based on real low-frequency UWB SAR images of different scenes, we will test the adaptability of proposed change detection algorithms. The research of this project will effectively improve the performance of foliage obscured target detection based on low-frequency UWB SAR images. And it has great significance to improve the battlefield monitoring capability of our army.

长期以来，低频UWB SAR叶簇隐蔽目标探测领域一直受到大量树干杂波虚警的困扰。为此，本项目拟开展低频UWB SAR叶簇隐蔽目标变化检测技术研究，以期利用树干杂波在不同时刻观测所得低频UWB SAR图像中具有很强相关性的特点，采用变化检测技术对其进行有效抑制。 本项目首先将对低频UWB SAR变化检测中的杂波建模方法进行研究，在此基础上提出相应的象素级变化检测方法；而后对低频UWB SAR图像特征信息提取技术进行研究，在此基础上提出相应的特征级变化检测法；最后开展基于像素级变化检测和特征级变化检测的融合变化检测方法研究。此外，本项目还将对变化检测中的图像配准预处理技术进行研究，并以不同场景的实测低频UWB SAR图像为基础，对本项目所提变化检测算法进行适应性分析。 本项目研究成果将有效改善低频UWB SAR叶簇隐蔽目标检测性能，对于提高我军战场监测能力具有重要意义。

低频超宽带合成孔径雷达（Ultra-Wide Band Synthetic Aperture Radar，UWB SAR）叶簇隐蔽目标变化检测技术对于提升UWB SAR的应用价值具有重要意义。课题紧密结合树林区域UWB SAR图像特点，就此问题展开了深入系统的研究。主要工作内容包括： . （1）研究了复杂形变条件下的UWB SAR图像配准预处理问题。提出了一种基于仿射形变矩阵分解与尺度变化矩阵估计的点特征提取算法，该方法可在各向异性尺度变化条件下获得更多的匹配特征点，从而提高图像配准的可靠性。在此基础上，建立了一种局部加权薄板样条函数配准模型，该模型能够更好的描述图像间的局部非线性几何形变，从而提高图像配准的精度。. （2） 研究了像素级变化检测问题，提出了一种基于图像分割自适应阈值处理的比值变化检测法，该方法可根据比值差异图像杂波分布变化，自适应的调整检测阈值，从而获得更好的变化检测性能。. （3）研究了特征级变化检测问题。首先将经典统计分布特征变化检测方法拓展到2维空间，提出了一种基于二维概率密度函数比较的统计分布特征变化检测法，获得了更好的变化检测性能；而后针对不同航迹观测所得多时相UWB SAR图像存在较大差异，比值变化检测与统计分布特征变化检测难以适用的问题，提出了一种显著度比较变化检测方法，该方法对于不同航迹多时相UWB SAR图像具有较好的变化检测效果。. （4）研究了融合变化检测问题。在经典超球面支持向量机（HyperSphere Support Vector Machine， HS-SVM）的基础上，提出了一种LEHS-SVM （Laplacian Eigenmap HS-SVM）融合变化检测算法，与HS-SVM相比，LEHS-SVM不仅可以从训练样本中提取分类信息，而且可以根据样本间的几何结构特性对分类判决函数进行优化，从而获得更好的融合变化检测性能。