题目：SAR图像目标检测技术研究

本文深入研究了SAR图像目标检测技术，它在船舶交通安全、探测敌情以及环境观测等领域发挥着重要作用，具有重要的研究价值。目标像素点提取主要采用CA-CFAR算法，基本的思路是先滤除SAR图像相干斑噪声，然后通过估计滑动窗口内的杂波分布来自适应地设定检测的阈值。对于港口区域的舰船目标检测，增加海陆分割的过程。按照这一思路，展开的工作如下：

（1）相干斑噪声是合成孔径雷达成像时由于回波相干产生的乘性噪声，通过比较Frost滤波和小波去噪方法去噪后SAR图像的平滑指数和边缘保持指数，得到Halfsoft阈值小波去噪去除相干斑噪声效果更好的结论。

（2）选定背景杂波分布模型是CA-CFAR算法中非常关键的步骤，通过比较Weibull分布、K分布、G0分布、Fisher分布以及广义Gamma分布拟合各种杂波直方图的KL距离以及采用这五种模型的检测器的目标漏检和错检率得出结论：采用广义Gamma分布作为背景杂波分布的数学模型效果更好，尤其对于非均匀背景杂波。

（3）由于背景杂波分布模型的复杂化，对数矩估计的方程组越来越复杂，目前求解该方程组大多采用迭代法，提出基于PolyGamma函数渐进性近似的方法来求解非线性矩估计方程组，通过比较新方法和传统迭代算法的运算量以及两种方法拟合杂波直方图的KL距离得出结论：基于PolyGamma函数渐进性近似的方法在不影响检测结果的情况下减小了运算量。

（4）传统的CA-CFAR算法对于SAR图像多目标的检测效果很差，提出增加迭代过程来改进CA-CFAR算法。通过仿真结果和理论推导说明迭代过程可以减小目标检测的漏检率，并且迭代过程并不会增加过大的运算量。然后通过检测的目标漏检和错检数，说明对于草地背景下的坦克目标检测，改进CA-CFAR算法的检测效果优于常用的OSGO-CFAR以及OSSO-CFAR算法。

（5）海陆分割算法是港口区域SAR图像舰船目标检测算法中的重要步骤。从理论和实验结果比较一维OTSU、二维OTSU、基于方差信息的一维OTSU和指数型交叉熵阈值分割法这四种SAR图像分割算法，得出结论：一维OTSU抗噪性差，分割后边缘模糊；二维OTSU算法加入了像素点和邻域空间的相关信息，抗噪性更好，但分割后的边缘仍然模糊；基于方差信息分类的一维OTSU分割后的边缘轮廓更清晰，改进了一维OTSU算法易受图像灰度的线性变化和平移变化影响的缺点；指数型交叉熵阈值分割法改善了阈值分割准则函数，算法对于两类方差相差较大的SAR图像的分割效果更好。