合成孔径激光雷达（SAL）与合成孔径雷达（SAR）有几个不同的现象，使其成为自动目标识别（ATR）有希望的候选者。SAL的漫射性质导致目标上有更多的像素。光学波长提供厘米级的分辨率，其孔径基线比SAR基线小10000倍。虽然漫反射散射和光学波长有一些优势，但也有一些挑战。与SAR相比，SAL的漫反射性质导致了更明显的斑点效应。光学波长更容易受到大气噪声的影响，导致形成的图像失真。虽然这些优点和缺点在理论上被研究和理解，但还没有被付诸实践。本论文旨在量化从镜面SAR切换到漫反射SAL对算法设计的影响。此外，鉴于CAD模型的几何和物理特性，提出了一种性能预测和模板生成的方法。这种方法不依赖于形成图像，并减轻了生成多个斑点场和冗余光线追踪的计算负担。

图2.1: MSTAR目标的例子和目标的照片。MSTAR图像包含目标、背景和阴影信息。

引言与动机

1.1 自动目标识别

自动目标识别（ATR）是指从收集的传感器信息中自动检测感兴趣的目标并进行分类的行为[72]。ATR是一个多学科的领域，包括但不限于信号处理、图像处理、人工智能、统计和人的表现。一个ATR系统要经历一个多步骤的过程。这些步骤包括但不限于：

感知--从感兴趣的区域（RoI）收集传感器数据。
检测--选择可能包含感兴趣目标（ToI）的子区域。
切割--将有信息的像素从背景和噪声中分离出来。
分类--宣布目标为某种类型。

图1.1显示了ATR过程的一个例子。

为了收集ATR数据，我们利用了各种传感方式。这些模式包括合成孔径雷达（SAR）、合成孔径声纳（SAS）、3-D激光雷达、超光谱成像（HSI）、广域运动图像（WAMI）、激光测振和红外图像。这些模式的例子见图1.2。

图1.1: 一个改编自[14]的ATR管道实例。在这个例子中，收集的传感器信息是一个场景的图像。另外还采取了一些步骤，如杂波抑制。

图1.2：各种传感模式的例子。每种模式都有自己的一套优势和劣势，普遍的操作条件和使用案例。图片分别来自[22、28、24、80、1、55]。

每种模式都有其自身的优势、劣势和使用案例。每种模式都有一套独特的因素，影响ATR系统的有效性。这些因素被称为操作条件（OCs）。对OCs的研究以及它们如何影响ATR系统是ATR研究的前沿问题。OCs可以分为三个主要类别[72, 54]：

传感器OCs - 影响传感器收集高质量数据能力的因素。此类OCs包括传感器噪声、相位误差和运动补偿。
环境因素--改变传感器和目标的环境属性的因素。此类OCs包括天气、对抗性干扰器、无源能源、杂波、树叶和大气噪声。
目标OCs--改变物理属性或感兴趣的目标的因素。此类OCs包括伪装网、衔接、材料特性、型号变化、诱饵和操作模式。

任何给定的传感器的OC空间可能大得无法估量。第2章讨论了克服这一问题的策略。

本节前面提到的模式有大量的知识，讨论了传感器现象学、ATR算法和传感器现象学。本论文的重点是合成孔径LADAR。对于ATR的目的，SAL是相对未被探索的。正如第二章所讨论的，SAL的知识体系主要包括传感器设计和现象学。对现象学和设计进行了很好的研究，可以确定在SAL数据上设计一个有效的ATR的潜在问题。此外，还讨论了SAR ATR的技术现状。

本文件的其余部分组织如下。