基于案例匹配的高分辨率SAR图像目标检测

发布时间：2017-05-25 14:06

  本文关键词：基于案例匹配的高分辨率SAR图像目标检测，由笔耕文化传播整理发布。

【摘要】：合成孔径雷达(SAR)具有全天时全天候工作,不受大气干扰等诸多优势,已经在军事和民用上具有广泛的应用图像中,并且其分辨率随着成像技术的发展不断提升,高分辨率SAR图像由于具有更加细节的地物信息已经逐渐成为发展的重点。但其目标特性相比低分辨图像有着空间聚集度、亮度均衡性、结构复杂度等多方面的差异,使得传统的特征基于特征值加权分类的目标检测识别方法识别精度很低,新的目标检测识别方法的需求日益迫切。伴随着人工智能技术的发展,基于案例匹配方法已经逐渐被广泛应用在各个领域,案例匹配推理系统是一种模拟人类认知事物方式的人工智能系统,即用已有的先验知识对未知的实物进行归类理解。本文为了克服高分辨率SAR图像中目标特征的模糊性给解译过程带来的影响,提出了一种将案例匹配系统应用到SAR图像解译的方法,针对SAR图像中的典型地物目标(树木、建筑、车辆)建立案例库,并采用决策树分类的算法,将未知类别的目标与案例库中的案例对比决策,得出案例匹配的结果,该案例的类别即为未知地物目标的类别。本论文的行文安排如下:第一章主要介绍高分辨率SAR图像解译工作的国内外发展现状,并针对解译流程中的各个阶段进行简单介绍,并给出本文所研究的主要内容以及各个部分的内容安排。第二章介绍了一些相关的技术原理以及高分辨率SAR地物目标的特征提取。首先,介绍了案例匹配系统以及决策树模型的应用原理,然后在特征提取部分,针对应用最广泛的几类地物特征进行相应的提取方法介绍,其中包括几何特征、阴影特征以及纹理特征。第三章详细地介绍了案例匹配系统的应用过程,包含两个方面:第一是案例的获取过程以及案例库建立,包括图像预处理及案例分割以及案例库建立准则,然后重点介绍了案例匹配环节,在该过程中,提出了基于最近邻的案例匹配算法以及基于决策树的案例匹配算法,在基于决策树模型的案例匹配过程中,首先根据决策树模型的要求,重新定义了案例库的数据结构,根据新的数据结构重排案例的特征,然后根据案例库训练过程求解决策树相应参数,最终在案例匹配过程介绍了具体的匹配流程。第四章介绍了本文提出方法的实验结果,首先针对典型目标的特性进行了特征提取实验,分析了特征提取的效果;然后进行了案例获取部分的实验,包括滤波实验,方位向矫正实验,图像分割实验等;最后应用分辨率为0.1米的Mini SAR图像进行了案例匹配的目标检测实验,应用两种不同的检测模型:最近邻匹配模型和决策树匹配模型进行案例匹配。最终的实验效果表明,基于最近邻匹配的模型具有效率高的特点,而基于决策树的匹配模型具有精度高的特点。实验证明,文中所应用的基于决策树的案例匹配以及基于最近邻的案例匹配算法都能达到案例匹配算法的技术要求,其中,基于决策树模型的案例匹配算法具有更高的精度,适合高精度的解译工作,但基于最近邻的图像解译算法具有更高的运算效率,更加适合大幅图像的工程应用。
【关键词】：高分辨率SAR图像 目标检测 案例匹配 决策树 最近邻 特征分析
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题背景及研究的目的和意义10-11
• 1.2 国内外研究现状及分析11-14
• 1.2.1 高分辨率SAR技术11-12
• 1.2.2 SAR图像目标检测技术的国内外研究现状12-13
• 1.2.3 案例匹配推理算法的发展及研究现状13-14
• 1.3 主要研究内容及论文结构14-16
• 第2章 案例匹配相关技术及目标的特征提取16-32
• 2.1 引言16
• 2.2 案例匹配的基本原理16-18
• 2.3 决策树模型介绍18-20
• 2.4 高分辨SAR图像预处理及图像分割20-25
• 2.4.1 SAR图像的方位向校正20-22
• 2.4.2 基于相似像素选择的SAR图像滤波22-23
• 2.4.3 基于水平集算法的案例分割23-25
• 2.5 高分辨率SAR图像目标特征提取25-31
• 2.5.1 几何特征提取25-28
• 2.5.2 阴影特征提取28-29
• 2.5.3 纹理特征提取29-31
• 2.6 本章小结31-32
• 第3章 案例匹配在高分辨率SAR解译中的应用32-43
• 3.1 引言32
• 3.2 案例库的模型建立32-35
• 3.2.1 典型案例库模型32-33
• 3.2.2 高分辨率SAR图像中的案例库模型33-35
• 3.3 基于最近邻算法的案例匹配过程35-36
• 3.4 基于决策树模型案例匹配过程36-42
• 3.4.1 基于决策树的案例匹配流程36-38
• 3.4.2 基于案例训练的案例库修订38-40
• 3.4.3 决策树模型的参数设定40-41
• 3.4.4 决策树的匹配模型41-42
• 3.5 本章小结42-43
• 第4章 基于案例匹配的目标检测相关实验43-58
• 4.1 引言43
• 4.2 高分辨率SAR图像典型目标特征分析43-47
• 4.2.1 几何特征分析44-45
• 4.2.2 阴影特征分析45
• 4.2.3 灰度特征分析45-47
• 4.3 高分辨率SAR图像预处理与案例分割47-52
• 4.3.1 方位向校正47-49
• 4.3.2 图像滤波49-50
• 4.3.3 案例分割实验50-52
• 4.4 基于案例匹配的目标检测结果及分析52-57
• 4.4.1 基于最近邻匹配的检测结果52-53
• 4.4.2 基于决策树匹配的检测结果53-57
• 4.5 本章小结57-58
• 结论58-59
• 参考文献59-64
• 攻读硕士学位期间发表的论文及其它成果64-66
• 致谢66

【参考文献】

中国期刊全文数据库 前2条

1 刘爱平;刘忠;付琨;尤红建;;一种有效的高分辨率SAR目标特征提取与识别方法[J];武汉大学学报(信息科学版);2010年08期

2 李禹;计科峰;吴永辉;粟毅;;高分辨率SAR图像车辆目标几何特征提取方法[J];系统工程与电子技术;2009年01期

  本文关键词：基于案例匹配的高分辨率SAR图像目标检测，由笔耕文化传播整理发布。

，

本文编号：393947