基于字典学习的雷达目标识别

发布时间：2021-11-08 08:59

　　目标识别的目标是对现有的图像进行分析、处理,进而识别图像中的不同对象。合成孔径雷达（Synthetic Aperture Radar,SAR）以其全天候、不受天气因素影响等优势被越来越多地应用到各个领域,这也使得雷达图像目标识别技术得到越来越多的关注。SAR图像目标识别系统的核心部分是分类算法的设计。近年来,稀疏表示、字典学习等新的机器学习算法被引入到雷达图像目标识别领域,学者们提出了许多基于字典学习的雷达图像目标识别算法,但是这些算法大都忽略了对不同类别图像间的共性信息和特有信息的结合问题。此外,雷达图像经常伴有噪声,这也进一步加大了实用系统中的目标识别难度。针对上述问题,本文引入了解析型字典学习模型并加以改进,提出了两种新的字典学习方法,以提升雷达目标识别的精准度和鲁棒性。具体工作包括:（1）通过分析现有字典学习算法应用在MSTAR数据库上的性能,发现现有方法对类别间个性和共性信息挖掘的不足,提出了一种字典对学习算法。首先训练一个结构化的综合型字典来反应不同类别间的差别,然后引入一个共享字典来减少如高频反射等引起的共性特征,此外,该算法用解析型字典学习来省略₀...

【文章来源】： 大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及其意义
    1.2 雷达图像目标识别技术概述
    1.3 国内外研究现状
        1.3.1 基于模板匹配的方法
        1.3.2 基于模式分类的方法
    1.4 本文组织结构
2 雷达图像目标识别的基本理论
    2.1 雷达图像目标识别框架
    2.2 雷达图像预处理
        2.2.1 ROI提取的预处理方法
        2.2.2 数据增强的预处理方法
        2.2.3 去噪算法
    2.3 雷达图像特征提取
    2.4 雷达图像目标识别算法
        2.4.1 朴素贝叶斯分类
        2.4.2 支持向量机
        2.4.3 神经网络
    2.5 本章小结
3 基于字典对学习的雷达图像目标识别
    3.1 稀疏表示理论
    3.2 基于字典对学习的雷达图像目标方法
        3.2.1 传统字典学习模型
        3.2.2 解析型字典学习模型
        3.2.3 字典对学习模型
        3.2.4 目标函数优化求解
        3.2.5 分类与复杂度
    3.3 实验结果与分析
        3.3.1 SAR图像数据集
        3.3.2 特征提取
        3.3.3 实验设计
        3.3.4 结果分析
    3.4 本章小结
4 鲁棒型解析字典学习的雷达图像目标识别
    4.1 特征选择思想
    4.2 鲁棒型解析字典
    4.3 算法求解过程
        4.3.1 目标函数求解
        4.3.2 分类策略和时间复杂度
    4.4 实验结果与分析
        4.4.1 实验设计
        4.4.2 实验结果与分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]SAR图像舰船目标识别综述 [J]. 陈文婷,邢相薇,计科峰.  现代雷达. 2012(11)
[2]一种基于中心矩特征的SAR图像目标识别方法 [J]. 何壸,白妍,刘宏伟.  火控雷达技术. 2006(02)
[3]一种提高SAR目标识别率的有效方法 [J]. 韩萍,梅雪兰,吴仁彪,王兆华.  中国民航学院学报. 2003(03)

硕士论文
[1]SAR图像目标切片特征提取方法研究[D]. 周琳.国防科学技术大学 2007



本文编号：3483416