无人机精确打击过程中的SAR图像解译系统关键技术研究
发布时间：2021-12-30 17:50
合成孔径雷达（Synthetic Aperture Radar,SAR）具有成像不受天气和恶劣气候影响的特点,在军事和民用方面具备重大的战略价值,是各军事强国关注和研究的焦点,已成为先进无人机的标准配置之一。合成孔径雷达特有的相干成像方式相较于普通光学传感器而言成像方式特殊,使得SAR图像的解译相对于可见光图像更为复杂,因而研究适合于无人机精确打击过程中的SAR图像解译系统是一项极具挑战但又意义重大的研究课题。本文针对这一科学问题,分别在SAR图像滤波、地面目标检测与识别和可见光图像与SAR图像的配准等方面开展了一系列研究工作,特别关注SAR图像解译方法的实时性和鲁棒性。首先,综合现有的文献资料以及本课题组的前期研究成果,结合机载SAR图像具有的相干斑噪声等特点,考虑具体的应用环境,对SAR传感器的成像原理进行了概述,并分析了机载SAR图像的数据特点,针对以目标定位为目的的机载SAR图像解译系统提出了具体研究框架。而后,根据SAR图像的数据特点,对相干斑噪声的物理特性进行了描述,并进行了基于统计域和小波域的SAR图像滤波算法研究,提出了客观的评价指标以便进行定量的分析和比较。对各种滤波...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
1.1 研究背景、目的及意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 应用于无人机精确打击的SAR图像解译研究现状
1.2.1 无人机实现精确打击的历史与现状
1.2.2 SAR图像解译在无人机精确打击中的应用及相关技术
1.2.3 应用于无人机精确打击的SAR图像解译标准
1.2.4 SAR图像解译在无人机精确打击领域领域面临的挑战
1.3 无人机精确打击过程中的SAR图像解译相关算法研究现状
1.3.1 SAR图像滤波研究现状与分析
1.3.2 SAR图像目标检测研究现状与分析
1.3.3 SAR图像目标识别研究现状与分析
1.3.4 SAR图像配准研究现状与分析
1.4 本文的内容安排
第二章 无人机精确打击过程中SAR图像解译系统概述
2.1 引言
2.2 无人机精确打击系统
2.2.1 无人机精确打击系统概述
2.2.2 SAR图像解译应用于无人机精确打击系统的技术方案
2.3 SAR与其成像原理
2.4 机载SAR图像数据特性
2.4.1 辐射特性
2.4.2 几何特性
2.5 无人机精确打击过程中的SAR图像解译算法概述
2.5.1 SAR图像解译系统的应用阶段
2.5.2 SAR图像解译算法整体流程
2.6 小结
第三章SAR图像滤波与适用性分析
3.1 引言
3.2 SAR图像相干斑噪声的物理描述
3.3 基于统计学的SAR图像相干斑抑制方法
3.3.1 Lee滤波算法
3.3.2 Kuan滤波算法
3.3.3 Gamma MAP滤波算法
3.3.4 增强型Lee滤波和增强型Gamma MAP滤波算法
3.4 基于小波域的SAR图像滤波方法
3.4.1 基于贝叶斯估计的小波域滤波算法
3.4.2 复小波域贝叶斯收缩滤波算法
3.5 滤波算法性能分析
3.6 小结
第四章 基于鲁棒主元分析和稀疏度的SAR图像目标检测与分割
4.1 引言
4.2 问题描述
4.3 目标图像分割
4.3.1 SAR图像目标区域分割的定义
4.3.2 SAR图像分割方法
4.3.3 图像分割算法的效能评估
4.4 基于鲁棒主元分析的SAR图像车辆目标检测与分割
4.4.1 鲁棒主元分析
4.4.2 阈值的选取与目标区域分割
4.4.3 目标分割实验结果和性能分析
4.4.4 目标形心位置确定
4.4.5 高分辨率SAR图像多目标快速检测
4.5 小结
第五章 基于过完备字典压缩和稀疏表示的SAR图像目标识别
5.1 引言
5.2 问题描述
5.3 过完备字典压缩
5.3.1 主元分析降维算法设计
5.3.2 核主元分析降维算法设计
5.4 基于稀疏表示的SAR图像车辆目标识别
5.4.1 算法描述
5.4.2 目标分类识别仿真实验分析
5.4.3 目标姿态变化对识别性能的影响
5.4.4 噪声对识别性能的影响
5.4.5 变体目标的识别性能
5.5 小结
第六章 基于控制线的SAR图像和可见光图像匹配
6.1 引言
6.2 问题描述
6.3 机载SAR图像景象匹配原理
6.3.1 图像仿射变换的数学模型
6.3.2 异源图像匹配的四要素
6.3.3 匹配误差分析和匹配精度
6.4 基于LSD的直线特征提取
6.4.1 图像梯度
6.4.2 直线段候选区域和直线段的判定
6.4.3 算法描述与仿真验证
6.5 可见光与SAR图像配准
6.5.1 控制线的选取
6.5.2 配准算法描述
6.5.3 仿真实验验证与分析
6.5.4 目标定位
6.6 小结
第七章 总结与展望
7.1 本文的主要工作与创新点
7.2 展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于主元分析和稀疏表示的SAR图像目标识别[J]. 刘中杰,庄丽葵,曹云峰,丁萌. 系统工程与电子技术. 2013(02)
[2]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立. 自动化学报. 2013(07)
[3]基于不变特征和映射抑制的航拍视频图像配准[J]. 易盟,郭宝龙. 航空学报. 2012(10)
[4]基于线特征和控制点的可见光和SAR图像配准[J]. 李映,崔杨杨,韩晓宇. 自动化学报. 2012(12)
[5]Multi-polarimetric SAR image compression based on sparse representation[J]. CHEN Yuan,ZHANG Rong&YIN Dong Department of Electronic Engineering and Information Science,University of Science and Technology of China,Hefei 230027,China. Science China（Information Sciences）. 2012(08)
[6]A novel cognitive ISAR imaging method with random stepped frequency chirp signal[J]. ZHU Feng,ZHANG Qun,LUO Ying,LI KaiMing&GU FuFei Institute of Telecommunication Engineering,Air Force Engineering University(AFEU),Xi’an 710077,China. Science China（Information Sciences）. 2012(08)
[7]Coherent processing for ISAR imaging with sparse apertures[J]. SHENG JiaLian,ZHANG Lei,XU Gang,XING MengDao&BAO Zheng National Key Laboratory of Radar Signal Processing,Xidian University,Xi’an 710071,China. Science China（Information Sciences）. 2012(08)
[8]Suppressing azimuth ambiguity in spaceborne SAR images based on compressed sensing[J]. YU Ze&LIU Min School of Electronics and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[9]A novel spaceborne SAR wide-swath imaging approach based on Poisson disk-like nonuniform sampling and compressive sensing[J]. SUN JinPing,ZHANG YuXi,TIAN JiHua&WANG Jun School of Electronic and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[10]Spotlight SAR sparse sampling and imaging method based on compressive sensing[J]. XU HuaPing1,YOU YaNan1,LI ChunSheng1&ZHANG LvQian2 1S chool of Electronics and Information Engineering,Beihang University,Beijing 100191,China;2C hinese Academy of Engineering,Beijing 100088,China. Science China（Information Sciences）. 2012(08)
博士论文
[1]基于视觉认知的极化SAR图像应用关键技术研究[D]. 周广益.清华大学 2011
[2]SAR图像处理及地面目标识别技术研究[D]. 尹奎英.西安电子科技大学 2011
[3]极化SAR图像人造目标特征提取与检测方法研究[D]. 张腊梅.哈尔滨工业大学 2010
[4]高分辨率SAR图像建筑物提取方法研究[D]. 赵凌君.国防科学技术大学 2009
[5]多信息融合图像边缘特征提取及图像配准研究与应用[D]. 张浩.浙江大学 2008
[6]SAR图像机动目标检测与鉴别技术研究[D]. 李禹.国防科学技术大学 2007
[7]基于机载SAR图像的对地目标检测方法研究[D]. 王义敏.西北工业大学 2006
[8]SAR图像目标特征提取与分类方法研究[D]. 计科峰.中国人民解放军国防科学技术大学 2003
[9]SAR图像特征提取与目标识别方法研究[D]. 郦苏丹.国防科学技术大学 2001
硕士论文
[1]基于压缩感知的SAR图像目标识别技术研究[D]. 方庆.电子科技大学 2012
本文编号：3558693
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
1.1 研究背景、目的及意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 应用于无人机精确打击的SAR图像解译研究现状
1.2.1 无人机实现精确打击的历史与现状
1.2.2 SAR图像解译在无人机精确打击中的应用及相关技术
1.2.3 应用于无人机精确打击的SAR图像解译标准
1.2.4 SAR图像解译在无人机精确打击领域领域面临的挑战
1.3 无人机精确打击过程中的SAR图像解译相关算法研究现状
1.3.1 SAR图像滤波研究现状与分析
1.3.2 SAR图像目标检测研究现状与分析
1.3.3 SAR图像目标识别研究现状与分析
1.3.4 SAR图像配准研究现状与分析
1.4 本文的内容安排
第二章 无人机精确打击过程中SAR图像解译系统概述
2.1 引言
2.2 无人机精确打击系统
2.2.1 无人机精确打击系统概述
2.2.2 SAR图像解译应用于无人机精确打击系统的技术方案
2.3 SAR与其成像原理
2.4 机载SAR图像数据特性
2.4.1 辐射特性
2.4.2 几何特性
2.5 无人机精确打击过程中的SAR图像解译算法概述
2.5.1 SAR图像解译系统的应用阶段
2.5.2 SAR图像解译算法整体流程
2.6 小结
第三章SAR图像滤波与适用性分析
3.1 引言
3.2 SAR图像相干斑噪声的物理描述
3.3 基于统计学的SAR图像相干斑抑制方法
3.3.1 Lee滤波算法
3.3.2 Kuan滤波算法
3.3.3 Gamma MAP滤波算法
3.3.4 增强型Lee滤波和增强型Gamma MAP滤波算法
3.4 基于小波域的SAR图像滤波方法
3.4.1 基于贝叶斯估计的小波域滤波算法
3.4.2 复小波域贝叶斯收缩滤波算法
3.5 滤波算法性能分析
3.6 小结
第四章 基于鲁棒主元分析和稀疏度的SAR图像目标检测与分割
4.1 引言
4.2 问题描述
4.3 目标图像分割
4.3.1 SAR图像目标区域分割的定义
4.3.2 SAR图像分割方法
4.3.3 图像分割算法的效能评估
4.4 基于鲁棒主元分析的SAR图像车辆目标检测与分割
4.4.1 鲁棒主元分析
4.4.2 阈值的选取与目标区域分割
4.4.3 目标分割实验结果和性能分析
4.4.4 目标形心位置确定
4.4.5 高分辨率SAR图像多目标快速检测
4.5 小结
第五章 基于过完备字典压缩和稀疏表示的SAR图像目标识别
5.1 引言
5.2 问题描述
5.3 过完备字典压缩
5.3.1 主元分析降维算法设计
5.3.2 核主元分析降维算法设计
5.4 基于稀疏表示的SAR图像车辆目标识别
5.4.1 算法描述
5.4.2 目标分类识别仿真实验分析
5.4.3 目标姿态变化对识别性能的影响
5.4.4 噪声对识别性能的影响
5.4.5 变体目标的识别性能
5.5 小结
第六章 基于控制线的SAR图像和可见光图像匹配
6.1 引言
6.2 问题描述
6.3 机载SAR图像景象匹配原理
6.3.1 图像仿射变换的数学模型
6.3.2 异源图像匹配的四要素
6.3.3 匹配误差分析和匹配精度
6.4 基于LSD的直线特征提取
6.4.1 图像梯度
6.4.2 直线段候选区域和直线段的判定
6.4.3 算法描述与仿真验证
6.5 可见光与SAR图像配准
6.5.1 控制线的选取
6.5.2 配准算法描述
6.5.3 仿真实验验证与分析
6.5.4 目标定位
6.6 小结
第七章 总结与展望
7.1 本文的主要工作与创新点
7.2 展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于主元分析和稀疏表示的SAR图像目标识别[J]. 刘中杰,庄丽葵,曹云峰,丁萌. 系统工程与电子技术. 2013(02)
[2]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立. 自动化学报. 2013(07)
[3]基于不变特征和映射抑制的航拍视频图像配准[J]. 易盟,郭宝龙. 航空学报. 2012(10)
[4]基于线特征和控制点的可见光和SAR图像配准[J]. 李映,崔杨杨,韩晓宇. 自动化学报. 2012(12)
[5]Multi-polarimetric SAR image compression based on sparse representation[J]. CHEN Yuan,ZHANG Rong&YIN Dong Department of Electronic Engineering and Information Science,University of Science and Technology of China,Hefei 230027,China. Science China（Information Sciences）. 2012(08)
[6]A novel cognitive ISAR imaging method with random stepped frequency chirp signal[J]. ZHU Feng,ZHANG Qun,LUO Ying,LI KaiMing&GU FuFei Institute of Telecommunication Engineering,Air Force Engineering University(AFEU),Xi’an 710077,China. Science China（Information Sciences）. 2012(08)
[7]Coherent processing for ISAR imaging with sparse apertures[J]. SHENG JiaLian,ZHANG Lei,XU Gang,XING MengDao&BAO Zheng National Key Laboratory of Radar Signal Processing,Xidian University,Xi’an 710071,China. Science China（Information Sciences）. 2012(08)
[8]Suppressing azimuth ambiguity in spaceborne SAR images based on compressed sensing[J]. YU Ze&LIU Min School of Electronics and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[9]A novel spaceborne SAR wide-swath imaging approach based on Poisson disk-like nonuniform sampling and compressive sensing[J]. SUN JinPing,ZHANG YuXi,TIAN JiHua&WANG Jun School of Electronic and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[10]Spotlight SAR sparse sampling and imaging method based on compressive sensing[J]. XU HuaPing1,YOU YaNan1,LI ChunSheng1&ZHANG LvQian2 1S chool of Electronics and Information Engineering,Beihang University,Beijing 100191,China;2C hinese Academy of Engineering,Beijing 100088,China. Science China（Information Sciences）. 2012(08)
博士论文
[1]基于视觉认知的极化SAR图像应用关键技术研究[D]. 周广益.清华大学 2011
[2]SAR图像处理及地面目标识别技术研究[D]. 尹奎英.西安电子科技大学 2011
[3]极化SAR图像人造目标特征提取与检测方法研究[D]. 张腊梅.哈尔滨工业大学 2010
[4]高分辨率SAR图像建筑物提取方法研究[D]. 赵凌君.国防科学技术大学 2009
[5]多信息融合图像边缘特征提取及图像配准研究与应用[D]. 张浩.浙江大学 2008
[6]SAR图像机动目标检测与鉴别技术研究[D]. 李禹.国防科学技术大学 2007
[7]基于机载SAR图像的对地目标检测方法研究[D]. 王义敏.西北工业大学 2006
[8]SAR图像目标特征提取与分类方法研究[D]. 计科峰.中国人民解放军国防科学技术大学 2003
[9]SAR图像特征提取与目标识别方法研究[D]. 郦苏丹.国防科学技术大学 2001
硕士论文
[1]基于压缩感知的SAR图像目标识别技术研究[D]. 方庆.电子科技大学 2012
本文编号：3558693
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3558693.html
