题目：知识辅助的SAR图像目标检测

         随着近年来高分辨率合成孔径雷达（SAR）技术的飞速发展，越来越多的高分辨率SAR传感器被应用到军事和民用领域，这一技术的革新使得SAR图像数据几何级数地增加，同时也使得高分辨率SAR图像解译吸引了越来越多的国内外专家和学者的注意，成为近年来雷达图像处理的一个热点。针对高分辨率SAR图像车辆目标的检测技术是高分辨率SAR图像解译中一个非常重要的研究方向，在军事和民用领域都具有巨大的应用前景。

        论文从SAR图像解译的角度出发，主要对知识的转化与应用流程、基于目标特性知识的SAR图像车辆目标检测问题、基于上下文知识的SAR图像车辆目标检测问题进行了研究，并给出了一些新的检测方法，得到了一些有意义的结果。

       本文研究的主要内容如下：

       1．对知识的基本含义进行了介绍，并且对知识的特点以及在计算机语言、SAR图像目标检测中的应用；然后对SAR图像目标检测中常用的两种知识：结构模型知识和上下文知识的概念以及在SAR图像目标检测中的应用进行了详细的介绍，并分析了现有的知识辅助SAR图像目标检测方法中存在的一些问题；最后给出了结构模型知识转化流程、上下文知识转化流程以及知识辅助的SAR图像目标检测流程。

        2. 给出了一种基于目标可视特征的SAR图像车辆目标检测方法。首先根据先验知识和区分度函数提取可用于车辆目标检测的可视特征；然后将提取出的目标可视特征转化为车辆目标的先验概率，利用构建的相似度函数进行初始检测；接下来利用改进的GA-FCM聚类方法对初始检测结果进行筛选、合并，取出目标数最多的分类结果；最后画出了性能ROC曲线，对CFAR和本章所给出方法的检测性能进行比较和分析。改进的GA-FCM方法采用的特征参数集合包含了车辆目标的可视特征。

        3. 给出了一种基于上下文知识的SAR图像车辆目标检测方法。首先利用基于改进MRF模型的分割方法对原始SAR图像进行分割，得到大致的分割结果；然后提取出地形类型、距地形边界的距离和目标聚集程度三个上下文影响因子，并且构造合理的数学转换函数计算不同区域内影响因子的大小；接下来根据MAP准则和上下文影响因子，利用虚警率变化的CA-CFAR方法对原始SAR图像进行检测，获得最后的检测结果；最后画出ROC曲线，对CA-CFAR算法和本章方法的检测性能进行比较和分析，并分析不同上下文知识对检测结果的影响。