● 摘要
随着合成孔径雷达（Synthetic Aperture Radar，简称SAR）技术的不断发展，SAR数据收集能力越来越强，人工解译难以适应数据的高速增长，基于合成孔径雷达的自动目标识别技术（Automatic Target Recognition，简称ATR）可以极大提高数据处理的效率和战场的准确打击能力，在军事和民用领域都具有很好的发展前景和应用价值。本文重点研究了基于MSTAR（Moving and Stationary Target Acquisition and Recognition，简称MSTAR）数据库的ATR技术，对其中的图像分割、目标分类与识别方法进行了探讨。论文的主要内容如下：1. 在马尔可夫随机场模型（Markov Random Field，简称MRF）的基础上，着重研究了经典的White模拟退火方法，获得了最大后验概率准则下的分割结果。根据实验结果，分析了模拟退火方法的适用性。2. 根据SAR ATR系统的特点和需求，研究了基于双参数恒虚警（Constant False Alarm Rate,简称CFAR）检测的分割方法和基于MRF模型的分割方法。在此基础上，提出了一种新的组合分割方法，该方法与基于MRF模型的分割结果的质量相当，但其计算代价显著降低。3. 深入研究了基于模板匹配的SAR图像目标识别技术，并且分析了图像预处理和图像分割对识别性能的影响，说明了在基于模板匹配的SAR图像自动目标识别系统中，图像预处理和合适的分割方法对识别结果具有重要影响。4. 深入研究了基于支持向量机（Support Vector Machine，简称SVM）分类器的SAR ATR系统，并且对SVM分类器的性能进行了分析。通过实验详细分析了对数变换、图像尺寸、图像分割方法以及阴影和杂波等因素对SVM分类器的识别率和识别速度的影响。