SAR图像多目标行为识别方法研究与系统实现

发布时间：2021-05-20 05:46

　　SAR图像目标识别和多目标行为识别是SAR图像处理和解译的关键技术,也是SAR图像处理领域的研究热点。由于SAR图像特殊的成像机理,目标信息被相干斑噪声严重污染,使得图像中的一些轮廓细节等精细结构被一定程度的弱化。为了克服相干斑噪声对图像细节的影响并降低对人工设计特征和分类器的依赖,进一步提高SAR图像目标识别的正确率,本文研究了基于小波阈值降噪结合卷积神经网络的SAR图像目标识别方法。在交互行为识别中,传统方法的特征选取通常是人工设计的,特别在对交互行为矩阵分层设计时需要许多先验知识和经验,对交互行为矩阵的特征提取过程是十分困难和耗费时间的。同时随着交互目标数量的增长,一些传统方法参数估计的复杂度会随着增加。为了克服这些问题,提高多目标交互行为识别正确率,本文研究了基于卷积神经网络的SAR图像多目标交互行为识别方法。本文主要研究内容如下:1、研究SAR图像目标识别方法,提出基于小波阈值降噪结合卷积神经网络的SAR图像目标识别方法,对输入的SAR图像进行二维小波分解,做贝叶斯估计的小波系数阈值降噪处理后,利用卷积神经网络从SAR图像中自动学习多层的特征表征图像,用学习到的特征识别目标类... 

【文章来源】：浙江工业大学浙江省

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状及分析
        1.2.1 SAR目标识别方法的研究现状及分析
        1.2.2 目标行为识别方法的研究现状及分析
    1.3 研究目标与研究内容
        1.3.1 研究目标
        1.3.2 研究内容
    1.4 论文结构安排
第2章 相关技术概述
    2.1 图像降噪
        2.1.1 Lee滤波及其增强方法
        2.1.2 小波阈值去噪方法
    2.2 SAR图像目标识别方法
        2.2.1 基于主成分分析特征的SAR图像目标识别方法
        2.2.2 基于卷积神经网络的SAR图像目标识别方法
    2.3 行为识别分类方法
        2.3.1 基于隐马尔可夫模型的行为识别方法
        2.3.2 基于耦合隐马尔可夫模型的行为识别方法
        2.3.3 基于深度学习的行为识别方法
    2.4 本章小结
第3章 基于小波阈值降噪结合卷积神经网络的SAR图像目标识别
    3.1 方法概述
    3.2 方法具体描述
        3.2.1 SAR目标图像的小波分解
        3.2.2 小波系数阈值处理
        3.2.3 SAR目标图像的小波重构
        3.2.4 卷积神经网络目标识别
    3.3 实验结果比较和分析
        3.3.1 实验数据集
        3.3.2 实验结果与分析
    3.4 本章小结
第4章 SAR图像多目标交互行为识别
    4.1 方法概述
    4.2 方法具体描述
        4.2.1 运动目标检测
        4.2.2 运动目标识别
        4.2.3 交互行为特征提取
        4.2.4 交互行为类型识别
    4.3 实验结果比较和分析
        4.3.1 实验数据集
        4.3.2 实验结果与分析
    4.4 本章小结
第5章 SAR多目标行为识别系统的设计与实现
    5.1 SAR多目标行为识别系统总体概述
    5.2 系统设计及实现
        5.2.1 注册/登录模块设计及实现
        5.2.2 数据读取模块设计及实现
        5.2.3 目标识别模块设计及实现
        5.2.4 行为识别模块设计及实现
    5.3 本章小结
第6章 结论与展望
    6.1 工作总结
    6.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果



本文编号：3197204