SAR图像目标识别技术研究

发布时间：2017-06-03 16:11

  本文关键词：SAR图像目标识别技术研究，由笔耕文化传播整理发布。

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)是一种机载或星载的成像雷达,具有远距离、全天候、高分辨率和强穿透力等特点。针对SAR图像的自动目标识别系统的设计已成为国内外研究的热点。SAR图像自动目标识别(SAR Automatic Target Recognition,SAR-ATR)系统可大致分为目标检测、目标鉴别与目标识别三个部分,其中目标识别是SAR-ATR系统的关键技术之一,所以研究SAR图像目标识别技术具有十分重要的意义。针对这一研究热点,论文从传统的模板匹配方法与新兴的基于支持向量机(Support Vector Machine,SVM)的分类方法两方面研究了SAR图像目标识别方法。主要工作包括:1.对不同方位角下的不同类型的飞机模型进行仿真成像,建立完备的模板库,并将该模板库与实测SAR图像作为数据源,同时利用Lee滤波、Kuan滤波等五种滤波算法对数据源进行降噪处理。并对数据源提取标准差特征、加权秩填充比特征、质量特征、直径特征等11种特征。2.针对半自动图像智能处理(Semi-Automated Image Intelligence Processing,SAIP)系统中分类器的计算量大、实时性差的缺陷,本文在模板匹配方法的基础上提出了基于Burg-MSE算法设计的两步分类器。Burg-MSE两步分类器利用最小均方误差(Mean Square Error,MSE)准则筛选出匹配率较高的数个模板,再使用Burg-MSE算法提高筛选后的模板与目标的分辨率并进行匹配,从而得到最终识别结果。3.针对基本SVM分类器无法解决多类分类问题,将基本SVM分类器与二叉树算法相结合实现了一种新的SVM多类分类器。并将此分类器应用于SAR图像目标识别。与传统的基于模板匹配方法设计的分类器相比,SVM多类分类器在识别准确度方面存在一定优势。
【关键词】：支持向量机 模板匹配 合成孔径雷达 目标识别
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 论文研究背景及意义14-16
• 1.2 国内外研究现状16-17
• 1.2.1 基于支持向量机的目标识别技术16
• 1.2.2 基于模板的目标识别技术16-17
• 1.2.3 基于隐马尔科夫模型的目标识别技术17
• 1.2.4 基于神经网络的目标识别技术17
• 1.3 论文结构17-20
• 第二章 SAR图像降噪与特征提取20-40
• 2.1 SAR图像目标识别概述20
• 2.2 SAR图像数据源20-23
• 2.2.1 SAR目标20-21
• 2.2.2 SAR模板库21-23
• 2.3 SAR图像降噪23-34
• 2.3.1 相干斑噪声概述及原理23-26
• 2.3.2 相干斑噪声抑制算法26-31
• 2.3.3 相干斑噪声抑制实验31-34
• 2.4 SAR图像特征提取34-39
• 2.4.1 图像特征提取原理34-38
• 2.4.2 图像特征提取实验38-39
• 2.5 本章小结39-40
• 第三章 基于Burg-MSE两步分类器的目标识别技术40-52
• 3.1 Burg-MSE两步分类器概述40-41
• 3.2 MSE匹配方法41-42
• 3.3 超分辨算法42-46
• 3.3.1 超分辨算法概述42
• 3.3.2 超分辨Capon算法42-45
• 3.3.3 超分辨Burg算法45-46
• 3.4 Burg-MSE两步分类器的目标识别实验46-51
• 3.5 本章小结51-52
• 第四章 基于支持向量机的目标识别技术52-76
• 4.1 机器学习概述52
• 4.2 统计学习理论核心思想52-56
• 4.2.1 VC维53-54
• 4.2.2 推广性的界54-55
• 4.2.3 结构风险最小化55-56
• 4.3 支持向量机原理56-60
• 4.3.1 支持向量机概述56-57
• 4.3.2 支持向量机原理57-60
• 4.4 支持向量机的改进60-62
• 4.4.1 二叉树算法60-61
• 4.4.2 SVM分类器与二叉树算法相结合的分类方法61-62
• 4.5 基于支持向量机的目标识别实验62-74
• 4.5.1 目标及模板的特征提取62-64
• 4.5.2 基于支持向量机的分类器的识别结果64-73
• 4.5.3 基于支持向量机的分类器性能分析73-74
• 4.6 本章小结74-76
• 第五章 总结和展望76-78
• 5.1 研究结论76-77
• 5.2 研究展望77-78
• 参考文献78-80
• 致谢80-82
• 作者简介82-83

【相似文献】

中国期刊全文数据库 前10条

1 王健敏;金玉兰;;非合作式目标识别技术概述[J];兵工自动化;2006年08期

2 曹健;王武军;韩飞;刘玉树;;基于局部特征的目标识别技术研究[J];计算机工程;2010年10期

3 ;脸部描述和目标识别技术[J];电脑与电信;2011年02期

4 崔磊;;针对多种声特征的声目标识别技术研究[J];价值工程;2011年14期

5 王自勇，文婷;精确目标识别技术[J];飞航导弹;1995年08期

6 ;《电讯技术》专题资料 《现代战争目标识别技术的现状及发展》题要(一)[J];电讯技术;2003年03期

7 ;《电讯技术》专题资料 《现代战争目标识别技术的现状及发展》题要(二)[J];电讯技术;2003年03期

8 ;《电讯技术》专题资料 《现代战争目标识别技术的现状及发展》题要(四)[J];电讯技术;2003年03期

9 ;《电讯技术》专题资料 《现代战争目标识别技术的现状及发展》题要(五)[J];电讯技术;2003年03期

10 关成斌;王国宏;李宇;谷勇;;基于多级模糊综合评判的雷达网目标识别技术[J];海军航空工程学院学报;2006年02期

中国重要会议论文全文数据库 前4条

1 尹奎英;金林;钱博;房凯;;SAR目标识别技术综述[A];第四届中国科学院博士后学术年会暨工业经济与可持续发展学术会议论文集[C];2012年

2 霍富荣;陈宇;苗华;王文生;薛常喜;;空间光调制器在复杂背景目标识别技术中的应用[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

3 何庆声;;光学多通道体全息快速目标识别技术[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

4 傅志中;李在铭;;亚图像惯性目标识别技术及DSP实时实现[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

中国重要报纸全文数据库 前2条

1 何成渠;国防科技大学创新团队项目：目标识别技术[N];科技日报;2006年

2 汤颖;勤思结网锁长空 求索密织建丰功[N];中国航空报;2007年

中国博士学位论文全文数据库 前4条

1 常永鑫;基于视觉认知的目标识别技术研究[D];电子科技大学;2015年

2 高阳;成像制导中的图像预处理及目标识别技术研究[D];西北工业大学;2006年

3 王大伟;基于特征级图像融合的目标识别技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

4 胡利平;合成孔径雷达图像目标识别技术研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 郭倩倩;目标识别技术在钢筋计数系统中的研究与应用[D];沈阳理工大学;2015年

2 王诚;SAR图像目标识别技术研究[D];西安电子科技大学;2015年

3 潘友明;海面红外目标识别技术研究[D];南京理工大学;2006年

4 赵永一;多源数据融合的辐射源及目标识别技术[D];西安电子科技大学;2006年

5 刘琼;激光振动目标识别技术研究[D];西安电子科技大学;2008年

6 张美仙;基于数据融合的声目标识别技术研究[D];中北大学;2011年

7 鲁欣;红外图像目标识别技术研究[D];哈尔滨工程大学;2007年

8 杨欣颖;潜器光视觉目标识别技术的研究与设计[D];哈尔滨工程大学;2010年

9 宋敏;基于神经网络的目标识别技术研究[D];南京理工大学;2005年

10 张琦;海上目标识别技术研究[D];西北工业大学;2007年

  本文关键词：SAR图像目标识别技术研究，，由笔耕文化传播整理发布。

本文编号：418607