|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
合成孔径雷达图像(Synthetic Aperture Radar, SAR)目标检测是自动目标识别(Automatic Target Recognition)系统的第一环节，后续的特征提取、特征选择、目标辨识和目标提取工作都是基于目标检测环节所检测到的目标进行的，其重要性不言而喻。目前最常用的恒虚警率算法可以避免过多的虚警目标进入ATR系统的后续环节，以免增加特征提取、目标辨识的计算量，影响系统的工作效率。然而在SAR图像中目标和杂波的信杂比未知的情况下，恒虚警率算法在设置预期虚警率时无法预知检测率的范围，经常由于虚警率的设置不当，根本检测不出目标。而很多情况下，目标丢失造成的损失比虚警率增加造成的损失更大，比如军事侦察时，往往宁愿错判不愿漏判，虚假目标可以通过目标辨识算法或人工判读环节进行剔除，而漏掉的目标则不能再通过后续环节检出，因此在目标检测环节，保证较高的检测率更重要，而且最好可以在设置初始参数时能够预知检测率的大概范围，无需多次调整参数即可得到较优的检测结果。本论文根据这种需要，首次开展了恒检测率自适应检测理论及算法的研究，主要工作可总结如下：(1)在讨论了现有的主要的二元信号统计检测准则的基础上，提出了恒检测率准则，并给出了恒检测率准则解的存在性说明、判决表示式和求解步骤。(2)针对恒检测率准则的判决表示式在实际情况中求解困难的题目，提出了简单实用的恒检测率目标检测方法，并结合SAR图像目标的特点，分析了恒检测率检测适用的范围，介绍了本文提出的恒检测率检测算法的关键步骤。(3)对常用的几种杂波和目标的统计模型进行了总结，分别给出了正态、指数、瑞利、伽玛、对数正态、韦布尔、K分布、Chi-Square分布和Swerling模型的概率密度、概率分布表达式及相应参数的矩估计表达式。(4)提出了基于“差异面积”准则的数据分布模型辨识方法，并用仿真数据和真实SAR图像进行验证，通过与K-S检验法的比较证明，该方法具有识别率高、应用简便、不涉及复杂的数学原理的优点，且每次都会选出且只选出一种最优分布模型，因此实用性强，符合恒检测率检测算法对分布模型选择环节的需求。(5)提出了杂波及目标统计模型参数校正算法，并给出了杂波模型集合为正态、伽玛、韦布尔和对数正态分布，目标模型集合为伽玛、韦布尔和对数正态分布时，相应的参数校正的具体方程式。(6)通过大量的基于仿真数据的实验说明了本文提出的恒检测率算法可以有效地实现恒检测率检测，且相应的虚警率与理论值比较接近。通过对ADTS(advanced detection technology sensor) 和MSTAR(Moving and Stationary Target Acquisition and Recognition) 数据库中的真实SAR图像进行目标检测，说明了恒检测率检测算法相对于恒虚警率检测的优点，解决了恒虚警率检测时对检测率不可预知的题目。另外，验证了使用真实SAR图像进行恒检测率检测时，目标用伽玛、韦布尔或对数正态分布描述均是可行的，均可以有效地完成目标检测。 |
上一篇：定时无失效数据寿命预测和可靠性评估方法研究下一篇：X采油工艺研究院知识员工管理的诊断与分析
|
发表于 2022-8-28 15:23:12
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
