基于距离像时频非负稀疏编码的SAR目标识别

发布时间：2018-03-16 06:13

  本文选题：合成孔径雷达　切入点：自动目标识别　出处：《系统工程与电子技术》2014年10期 　论文类型：期刊论文

【摘要】：提出了一种基于目标高分辨距离像时频域非负稀疏编码的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法。首先,将目标的SAR复图像转换为高分辨距离像。然后,采用自适应高斯基表示方法计算每个距离像的非负时频矩阵。其次,对训练目标所有距离像的时频矩阵采用非负稀疏编码方法学习时频字典。在目标识别中,通过将每个距离像的时频矩阵投影到低维的时频字典上来提取特征矢量。最后,在提取特征矢量的基础上,通过支撑向量机目标识别决策实现目标识别。采用美国"运动和静止目标获取与识别计划"公开发布的SAR图像数据库进行算法验证实验。实验结果说明了提出方法的有效性。
[Abstract]:A method of SAR synthetic aperture radar target recognition based on high resolution range image in time-frequency domain is proposed. Firstly, the SAR complex image of the target is converted to high resolution range image. The non-negative time-frequency matrix of each range image is calculated by adaptive Gauss representation. Secondly, the non-negative sparse coding method is used to study the time-frequency dictionary for all range images of the training target. The feature vector is extracted by projecting the time-frequency matrix of each range image onto a low-dimensional time-frequency dictionary. Finally, on the basis of extracting the feature vector, Target recognition is realized by support vector machine (SVM) target recognition decision. The SAR image database published publicly by the United States "moving and still Target acquisition and recognition Plan" is used to verify the algorithm. The experimental results show the effectiveness of the proposed method.
【作者单位】： 重庆大学通信工程学院;中国航天科工集团科技委;
【基金】：国家自然科学基金(61301224) 中央高校基本科研业务费专项资金(CDJZR12160014,CDJRC11160003) 重庆市自然科学基金(cstcjjA40018,cstc2012jjA40001)资助课题
【分类号】：TN957.52

【参考文献】

相关期刊论文 前2条

1 高贵;匡纲要;李德仁;;高分辨率SAR图像分割及目标特征提取[J];宇航学报;2006年02期

2 张新征;刘书君;黄培康;;基于时频矩阵非负分解特征的多视角SAR目标识别[J];宇航学报;2012年09期

【共引文献】

相关期刊论文 前10条

1 窦建方;陈鹰;;基于数学形态学和相位编组SAR影像道路自动提取[J];测绘科学;2009年02期

2 安成锦;牛照东;李志军;陈曾平;;典型Otsu算法阈值比较及其SAR图像水域分割性能分析[J];电子与信息学报;2010年09期

3 陈东海;;城市空间三维数据快速提取与更新研究[J];北京测绘;2012年04期

4 董刚刚;张磊;刘清;;一种SAR图像分割新方法[J];燕山大学学报;2013年06期

5 李翊;张静;吴凌华;杨迎化;;一种基于改进核主成分分析的SAR图像识别方法研究[J];海军航空工程学院学报;2009年03期

6 张静;杨智勇;王国宏;于红芸;;模式识别中幂变换正态性的研究[J];海军航空工程学院学报;2009年06期

7 谢锋;陈映鹰;林怡;;一种新的SAR影像中目标准确提取方法[J];计算机应用;2007年S2期

8 谢锋;林怡;陈映鹰;;基于小波纹理与改进FCM的SAR机场类目标提取[J];同济大学学报(自然科学版);2009年01期

9 窦建方;陈鹰;;基于数学形态学和相位编组SAR影像道路自动提取[J];遥感信息;2008年05期

10 张静;王国宏;杨智勇;;基于局部特征核主成分分析的SAR图像识别方法[J];宇航学报;2008年03期

相关博士学位论文 前1条

1 陈琪;SAR图像港口目标提取方法研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 赵帅;单波束扫描成像声呐的数据处理及其DSP实现[D];中国海洋大学;2010年

2 陶司光;基于数码相片单木图象分割及测树因子提取方法的研究[D];东北林业大学;2011年

3 陈静;复杂背景下器件多余物成像检测的若干关键技术研究[D];华中科技大学;2010年

4 李富裕;非均匀性映射变换技术在景象匹配相关器研究中的应用[D];西北工业大学;2007年

5 王洪;基于遥感图像的月球表面特征分析[D];吉林大学;2007年

6 郭炜炜;SAR图像目标分割与特征提取[D];国防科学技术大学;2007年

7 詹新光;基于支持向量机的SAR图像目标识别[D];西安科技大学;2008年

8 王鹤智;内蒙古乌兰布和沙漠遥感影像图像分割技术研究[D];东北林业大学;2009年

9 王一童;前视扫描声纳的成像与目标特征提取[D];中国海洋大学;2009年

10 刘进立;SAR图像分割与特征提取方法研究[D];辽宁大学;2013年

【二级参考文献】

相关期刊论文 前3条

1 韩萍,吴仁彪,王兆华,王蕴红;基于KPCA准则的SAR目标特征提取与识别[J];电子与信息学报;2003年10期

2 郦苏丹,张翠,王正志;SAR图像的最优分割方法[J];遥感技术与应用;2001年03期

3 高贵;匡纲要;李德仁;;高分辨率SAR图像分割及目标特征提取[J];宇航学报;2006年02期

相关硕士学位论文 前1条

1 高贵;高分辨率SAR图像目标特征提取研究[D];国防科学技术大学;2003年

【相似文献】

相关期刊论文 前10条

1 孙俊,王文渊,卓晴;基于稀疏编码的提取人脸整体特征算法[J];清华大学学报(自然科学版);2002年03期

2 陈铁军;张胜军;王晓辉;赵雪萍;;稀疏编码在图像纹理分割中的应用研究[J];微计算机信息;2009年09期

3 范羚,吴小培,龙飞,张道信,郭晓静;基于独立分量分析的图像特征提取及去噪[J];计算机工程与应用;2003年09期

4 杜军;;基于稀疏编码和ICA的带噪混叠语音盲分离[J];山东师范大学学报(自然科学版);2008年04期

5 陈红艳;李磊民;;基于ICA的极化SAR图像相干斑抑制[J];电子科技大学学报;2006年04期

6 梁天一;宋国新;虞慧群;;基于稀疏编码的图像语义分类器模型[J];华东理工大学学报(自然科学版);2007年06期

7 庄永文;;关于稀疏编码理论及其应用[J];现代电子技术;2008年07期

8 凌洁;刘琚;赵彩华;杜军;;基于稀疏编码的语音增强方法研究[J];电路与系统学报;2008年06期

9 杜军;;基于稀疏编码的语音增强方法[J];青岛大学学报(自然科学版);2009年01期

10 尚丽;杜吉祥;翟传敏;;稀疏编码算法概述[J];苏州市职业大学学报;2009年01期

相关会议论文 前10条

1 卢清;赵治栋;;基于稀疏编码阈值的平移不变法心电信号去噪[A];浙江省信号处理学会2011学术年会论文集[C];2011年

2 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

3 朱岩;赵旭;刘允才;;基于稀疏编码和局部时空特征的人体动作识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

4 钱乐乐;高隽;徐小红;;非负性约束的图像稀疏编码[A];第七届全国信息获取与处理学术会议论文集[C];2009年

5 王晓伟;石林锁;成浩;;基于独立分量分析的图像特征提取[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

6 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 邹琪;罗四维;;模拟视觉系统的稀疏编码神经网络模型[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

8 仝明磊;韩红;;随机字典的粒子滤波视频跟踪[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

9 石自强;杨静;郑铁然;韩纪庆;;基于锚空间的音频场景识别[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

10 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

相关博士学位论文 前10条

1 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年

2 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年

3 刘海宁;基于稀疏编码的设备状态识别及其重型轧辊磨床监测应用[D];上海交通大学;2011年

4 严春满;图像稀疏编码算法及应用研究[D];西安电子科技大学;2012年

5 徐小红;图像信息的基函数表示方法研究[D];合肥工业大学;2009年

6 廖灵芝;稀疏编码算法中的自适应问题研究[D];北京交通大学;2008年

7 王长虎;互联网环境下大规模图像的内容分析、检索和自动标注的研究[D];中国科学技术大学;2009年

8 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年

9 白文文;神经元群体/集群电活动对行为任务的稀疏编码机制研究[D];天津医科大学;2012年

10 刘小白;图像及视频语义解析的关键技术研究[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 潘婷婷;稀疏编码算法改进及其在人脸识别中的应用[D];山东大学;2014年

2 齐晓锐;稀疏编码的有效算法[D];西安电子科技大学;2013年

3 吕远;基于稀疏编码的极化SAR影像地物分类[D];西安电子科技大学;2014年

4 李鹏;面向自然场景分类的稀疏编码研究与应用[D];哈尔滨工业大学;2010年

5 丁莉;稀疏编码中词典的监督和非监督学习方法及应用[D];华东师范大学;2014年

6 钱康;结合稀疏编码的图像生物视觉特征提取研究[D];上海交通大学;2012年

7 万翠兰;基于稀疏编码的视觉艺术理解和风格分类[D];云南大学;2012年

8 杨浩;基于组稀疏编码的人体行为识别[D];西安电子科技大学;2014年

9 陈汉英;基于稀疏编码的半监督图像分类研究[D];中国科学技术大学;2014年

10 唐迅;基于稀疏编码的群体异常行为检测[D];哈尔滨工业大学;2013年

，

本文编号：1618659