基于判别字典学习的SAR图像车辆目标识别研究
发布时间：2023-01-28 08:55
合成孔径雷达（Synthetic Aperture Radar,SAR）成像技术突破了天气、光照等因素的限制,实现了全天时、全天候地高分辨率成像。当今,合成孔径雷达成像技术在国防军事、地质探测、海洋勘探、城市规划等多个领域都有着广泛的应用,SAR目标识别是SAR应用的核心技术之一,获得了国内外研究学者的广泛关注。SAR图像目标识别系统的关键之一就是分类算法的设计。近些年来,以稀疏表示、字典学习为代表的表示学习算法大量应用于SAR目标识别领域,并且获得了较好的分类性能。本文围绕基于判别字典学习的SAR目标识别方法展开研究,具体的研究工作概括如下:（1）针对传统字典学习算法中利用0或1范数约束稀疏表示系数存在的运算过程复杂,训练过程耗时以及SAR图像全方位角样本被视为同等相关的问题,本文提出了基于自适应局部方位字典对学习的SAR目标识别算法。该方法利用非负稀疏表示自适应地选择待测样本所在的局部方位扇区,在局部方位扇区子集上去共同训练一对判别字典。此外,在训练字典过程中,该方法通过引入分析字典来线性投影编码矩阵,避免了1范数稀...
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 SAR目标识别研究现状
1.2.2 SAR目标识别的难点
1.3 本文的研究内容及章节安排
2 稀疏表示与字典学习
2.1 引言
2.2 稀疏表示
2.3 字典学习
2.4 本章小结
3 基于判别字典对学习的SAR目标识别
3.1 引言
3.2 判别字典对学习算法
3.2.1 判别字典对学习算法模型
3.2.2 判别字典对学习算法模型求解
3.3 基于非负稀疏表示的局部方位扇区估计
3.3.1 基于非负稀疏表示的局部方位扇区估计模型
3.3.2 基于非负稀疏表示的局部方位扇区估计模型求解
3.4 基于局部方位扇区字典对学习的SAR图像识别
3.5 实验结果及分析
3.5.1 实验数据集介绍
3.5.2 局部方位区间变化的目标识别实验与分析
3.5.3 随规则化参数变化的目标识别实验与分析
3.5.4 多类目标识别实验及分析
3.5.5 噪声鲁棒性实验及分析
3.5.6 大俯仰角变化实验及分析
3.6 本章小结
4 基于局部方位LC-KSVD的 SAR目标识别
4.1 引言
4.2 LC-KSVD算法
4.2.1 LC-KSVD模型概述
4.2.2 LC-KSVD算法的具体实现
4.3 极限学习机
4.3.1 极限学习机概述
4.3.2 极限学习机模型
4.4 基于局部方位LC-KSVD的 SAR图像识别
4.5 实验结果与分析
4.5.1 三类目标识别实验及分析
4.5.2 具有多类配置的三类目标识别实验及分析
4.5.3 大俯仰角变化实验及分析
4.6 本章小结
5 总结与展望
5.1 本文总结
5.2 本文展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间取得的科研成果目录
C.学位论文数据集
致谢
【参考文献】：
期刊论文
[1]基于高分三号卫星SAR影像的城市建筑区提取[J]. 邓鸿儒,崔宸洋,单文龙,徐梦竹. 地理信息世界. 2018(06)
[2]一种改进的K-medoids知识聚类算法研究[J]. 谭黔林,覃运初,卢艳兰. 软件导刊. 2016(08)
[3]基于流形正则化极限学习机的语种识别系统[J]. 徐嘉明,张卫强,杨登舟,刘加,夏善红. 自动化学报. 2015(09)
[4]基于弱选择正则化正交匹配追踪的图像重构算法[J]. 刘哲,张鹤妮,张永亮,郝珉慧. 光子学报. 2012(10)
[5]基于稀疏表示及光谱信息的高光谱遥感图像分类[J]. 宋相法,焦李成. 电子与信息学报. 2012(02)
[6]压缩感知研究[J]. 戴琼海,付长军,季向阳. 计算机学报. 2011(03)
[7]基于正交匹配追踪的压缩感知信号检测算法[J]. 刘冰,付平,孟升卫. 仪器仪表学报. 2010(09)
[8]SAR图像目标鉴别研究综述[J]. 高贵. 信号处理. 2009(09)
[9]遥感在重大自然灾害监测中的应用前景——以5·12汶川地震为例[J]. 陶和平,刘斌涛,刘淑珍,范建容,杨俐,兰立波. 山地学报. 2008(03)
[10]基于属性加权的朴素贝叶斯分类算法[J]. 秦锋,任诗流,程泽凯,罗慧. 计算机工程与应用. 2008(06)
硕士论文
[1]基于字典学习的雷达目标识别[D]. 李淼.大连理工大学 2018
[2]求解最优化问题的ADMM算法的研究[D]. 贾慧敏.华中科技大学 2016
本文编号：3732449
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 课题研究背景
1.2 国内外研究现状
1.2.1 SAR目标识别研究现状
1.2.2 SAR目标识别的难点
1.3 本文的研究内容及章节安排
2 稀疏表示与字典学习
2.1 引言
2.2 稀疏表示
2.3 字典学习
2.4 本章小结
3 基于判别字典对学习的SAR目标识别
3.1 引言
3.2 判别字典对学习算法
3.2.1 判别字典对学习算法模型
3.2.2 判别字典对学习算法模型求解
3.3 基于非负稀疏表示的局部方位扇区估计
3.3.1 基于非负稀疏表示的局部方位扇区估计模型
3.3.2 基于非负稀疏表示的局部方位扇区估计模型求解
3.4 基于局部方位扇区字典对学习的SAR图像识别
3.5 实验结果及分析
3.5.1 实验数据集介绍
3.5.2 局部方位区间变化的目标识别实验与分析
3.5.3 随规则化参数变化的目标识别实验与分析
3.5.4 多类目标识别实验及分析
3.5.5 噪声鲁棒性实验及分析
3.5.6 大俯仰角变化实验及分析
3.6 本章小结
4 基于局部方位LC-KSVD的 SAR目标识别
4.1 引言
4.2 LC-KSVD算法
4.2.1 LC-KSVD模型概述
4.2.2 LC-KSVD算法的具体实现
4.3 极限学习机
4.3.1 极限学习机概述
4.3.2 极限学习机模型
4.4 基于局部方位LC-KSVD的 SAR图像识别
4.5 实验结果与分析
4.5.1 三类目标识别实验及分析
4.5.2 具有多类配置的三类目标识别实验及分析
4.5.3 大俯仰角变化实验及分析
4.6 本章小结
5 总结与展望
5.1 本文总结
5.2 本文展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间取得的科研成果目录
C.学位论文数据集
致谢
【参考文献】：
期刊论文
[1]基于高分三号卫星SAR影像的城市建筑区提取[J]. 邓鸿儒,崔宸洋,单文龙,徐梦竹. 地理信息世界. 2018(06)
[2]一种改进的K-medoids知识聚类算法研究[J]. 谭黔林,覃运初,卢艳兰. 软件导刊. 2016(08)
[3]基于流形正则化极限学习机的语种识别系统[J]. 徐嘉明,张卫强,杨登舟,刘加,夏善红. 自动化学报. 2015(09)
[4]基于弱选择正则化正交匹配追踪的图像重构算法[J]. 刘哲,张鹤妮,张永亮,郝珉慧. 光子学报. 2012(10)
[5]基于稀疏表示及光谱信息的高光谱遥感图像分类[J]. 宋相法,焦李成. 电子与信息学报. 2012(02)
[6]压缩感知研究[J]. 戴琼海,付长军,季向阳. 计算机学报. 2011(03)
[7]基于正交匹配追踪的压缩感知信号检测算法[J]. 刘冰,付平,孟升卫. 仪器仪表学报. 2010(09)
[8]SAR图像目标鉴别研究综述[J]. 高贵. 信号处理. 2009(09)
[9]遥感在重大自然灾害监测中的应用前景——以5·12汶川地震为例[J]. 陶和平,刘斌涛,刘淑珍,范建容,杨俐,兰立波. 山地学报. 2008(03)
[10]基于属性加权的朴素贝叶斯分类算法[J]. 秦锋,任诗流,程泽凯,罗慧. 计算机工程与应用. 2008(06)
硕士论文
[1]基于字典学习的雷达目标识别[D]. 李淼.大连理工大学 2018
[2]求解最优化问题的ADMM算法的研究[D]. 贾慧敏.华中科技大学 2016
本文编号：3732449
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3732449.html
