夏 勇， 田西兰， 常 沛， 蔡红军

(1.中国电子科技集团公司第三十八研究所， 安徽合肥 230088；2.孔径阵列与空间探测安徽省重点实验室， 安徽合肥 230088)

0 引言

合成孔径雷达(SAR)是一种微波成像传感器，能够获得地物的二维图像，是一种重要的对地观测手段。其具有全天时全天候等多种特点，可以在恶劣的战场条件下完成侦察任务。它在国民经济和国防安全等领域有着极其广泛的应用，比如弹道导弹防御系统、灾情监测和地质矿物资源勘探等任务。随着雷达技术的不断发展，目标识别在雷达应用中的需求愈发强烈。SAR目标自动检测识别已成为研究热点。随着SAR系统分辨率的提高，有助于获得更加精细的目标信息。但是，图像分辨率的不断提高也给SAR目标检测识别带来了新的困难：场景变得更加复杂，并且数据量巨大，尤其是复杂沙漠背景图像。

1 SAR目标检测识别国内外研究

在过去的数十年间，涌现出很多SAR目标自动检测识别的算法。传统方法主要分为两个步骤：目标检测和分类识别。

检测的目的是提取图像中可能存在的目标，最常用的是恒虚警率(Constant False Alarm Rate，CFAR)检测器[1]。CFAR算法一般含有3个输入因素：虚警率、CFAR检测器和杂波背景统计分布模型。该算法在目标与背景具有较高的对比度且场景简单的情况下，能较好地从背景中分离出目标。但是，当面对种类繁多、散射特性迥异的杂波时，其检测性能会有所下降，得到的往往不仅仅包括真实目标，比如坦克、武装车辆；还有许多误检，如树木、建筑物、桥梁和普通车辆等。……