中文摘要：

当前利用星载合成孔径雷达（SAR）进行全天侯船舶遥感监测无法有效的对船只进行分类，随着SAR技术的发展，特别是极化干涉SAR（Pol-In-SAR）的出现，这一现状或许能够得到改变。本研究尝试利用极化干涉SAR技术，研究海洋船只的检测与分类方法。研究主要利用极化干涉SAR技术，生成船只和海区的相关系数图，结合概率神经网络技术和恒虚警技术，研究基于相关系数图的船只检测方法；利用极化分解技术（Pauli分解）和干涉测高技术，从极化干涉数据中获取船只表面结构散射特性和表面高度结构，进行船只表面结构重建，再以船只类别模型为参照，探索船只分类的方法。研究将推动极化干涉技术在船只遥感分类上的应用。

结论摘要：

本项目主要研究了利用极化干涉SAR 数据对海上船舶进行分类方法的研究，受到干涉数据要求的限制，项目采用了石油平台作为替代研究目标，以检验方法的可行性。项目研究了基本干涉图像处理，包括图像配准、基线估计、极化相干最优、极化合成、干涉相位图生成和去平地效应。项目的主要研究工作包括1）研究利用相干系数图，提出了基于相干系数图的非参数法船只检测技术，采用概率神经网络和CFAR检测模型，建立了检测技术流程，检测试验结果表明该方法性能良好，尤其适用对相干海上目标的检测。2）利用Pauli相干分解和极Freeman-durden分解，对典型海上目标进行了分解分析，获得了基于Pauli分解的散射点散射类型分类的方法和船只表面散射类型分类的方法。3）基于极化干涉处理，提取海上目标高程信息，对目标表面结构进行重建，构建海上目标类型模型，对海上目标进行分类。项目完成了预定的研究内容，实现了研究目标。 项目的主要创新点有两点，一是基于相干系数图的非参数目标检测方法，实验验证表面，该方法对于检测海上相干目标具有非常强的优势，如果可以与双天线SAR 图像的处理，可以实现对运动船舶目标的检测，并可以克服传统SAR 图像的检测虚警问题；二是采用干涉测高原理，提取了海上目标的表面高程点信息，重建表面结构，并进行分类，该方法实质类似三维成像雷达。研究在海上孤岛区域的相位解缠方法上提出了新的思路，但是对研究结果的进一步证实仍需要更多的研究。