基于字典学习的SAR图像目标识别研究

发布时间：2017-09-24 09:33

  本文关键词：基于字典学习的SAR图像目标识别研究

  更多相关文章： 合成孔径雷达图像 目标识别 特征提取 字典学习

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时对地观测的能力,在军用和民用领域都发挥着日益重要的作用。随着SAR成像技术的高度发展,越来越多的高分辨率SAR数据得以获取。在信息化、智能化、大数据的时代背景下,如何高效、精准地处理和解译SAR图像数据成为研究的热点。本文围绕SAR图像目标识别展开研究,主要包括SAR图像预处理、特征提取和基于字典学习的SAR图像目标识别三个方面,主要内容概括如下:1.研究了SAR图像预处理及特征提取的相关课题。首先,从雷达成像角度分析了三维真实场景与二维SAR图像的对应关系。其次,分别就地面车辆目标的高度特征提取和海面舰船目标的几何特征提取展开研究。该过程先依次对图像进行预处理和特征提取的初步操作,再利用一些简单易得的先验知识对所提取特征的合理性进行判别与分析,并据此对预处理和特征提取的初步结果进行修正以得到最终的结果,提高了SAR图像目标特征的估计精度。2.研究了基于线性字典学习的SAR图像目标识别问题。围绕K-SVD算法,详细介绍了包括K-SVD、鉴别KSVD和标签一致KSVD这三种线性字典学习方法,从K-SVD字典学习方法与K-均值聚类方法的对比、无监督字典学习方法与有监督分类问题的结合、提高字典鉴别能力等方面展开了分析,并将这三种方法应用于SAR图像目标识别问题。3.研究了基于非线性字典学习的SAR图像目标识别问题。核方法是解决非线性模式分析问题的一种有效途径。在研究了核方法相关知识的基础上,研究了基于核方法的核K-SVD算法,并将其应用于SAR图像目标识别问题。
【关键词】：合成孔径雷达图像 目标识别 特征提取 字典学习
【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11-15
• 第一章 绪论15-19
• 1.1 研究背景和研究意义15
• 1.2 研究现状概述15-17
• 1.3 本文的工作及内容安排17-19
• 1.3.1 MSTAR数据简介17-18
• 1.3.2 本文的内容安排18-19
• 第二章 SAR图像预处理及特征提取19-53
• 2.1 引言19
• 2.2 基于单幅SAR目标切片的车辆目标高度估计19-36
• 2.2.1 概述19-20
• 2.2.2 二维SAR图像与三维真实场景的对应关系20-25
• 2.2.3 方法的设计思路25-28
• 2.2.4 方法的具体实现28-33
• 2.2.5 实验结果与分析33-36
• 2.3 SAR单目标切片中的舰船目标几何特征提取36-51
• 2.3.1 概述36-37
• 2.3.2 方法的具体实现37-43
• 2.3.3 实验结果与分析43-51
• 2.4 本章小结51-53
• 第三章 基于线性字典学习的SAR图像目标识别53-69
• 3.1 引言53
• 3.2 K-SVD算法53-58
• 3.2.1 模型概述53-54
• 3.2.2 K-SVD算法推导过程54-55
• 3.2.3 K-SVD算法与K-均值算法的联系55-56
• 3.2.4 K-SVD算法应用于有监督分类问题56-58
• 3.3 D-KSVD算法58-61
• 3.3.1 以重构为目的的字典学习方法用于目标识别问题时的弊端58-59
• 3.3.2 D-KSVD模型概述59-60
• 3.3.3 D-KSVD算法具体实现步骤60-61
• 3.4 LC-KSVD算法61-65
• 3.4.1 LC-KSVD模型概述61-63
• 3.4.2 LC-KSVD算法具体实现步骤63-65
• 3.5 实验及分析65-67
• 3.5.1 实验概述65
• 3.5.2 基于MSTAR数据集的SAR图像目标识别65-66
• 3.5.3 基于扩展YaleB数据集的人脸图像目标识别66-67
• 3.6 本章小结67-69
• 第四章 基于非线性字典学习的SAR图像目标识别69-85
• 4.1 引言69
• 4.2 核方法简介69-71
• 4.2.1 核方法的产生背景69
• 4.2.2 核函数及核矩阵的定义69-70
• 4.2.3 核方法的优势70-71
• 4.2.4 有效核函数的判定及举例71
• 4.3 K-KSVD算法71-82
• 4.3.1 K-KSVD模型概述71-73
• 4.3.2 K-KSVD模型求解73-78
• 4.3.3 K-KSVD算法应用于有监督分类问题78-82
• 4.4 实验及分析82-83
• 4.4.1 实验概述82
• 4.4.2 基于MSTAR数据集的SAR图像目标识别82
• 4.4.3 基于扩展YaleB数据集的人脸图像目标识别82-83
• 4.5 本章小结83-85
• 第五章 总结与展望85-87
• 5.1 工作总结85
• 5.2 工作展望85-87
• 参考文献87-91
• 致谢91-93
• 作者简介93-94

【参考文献】

中国期刊全文数据库 前3条

1 程建;黎兰;王海旭;;稀疏表示框架下的SAR目标识别[J];电子科技大学学报;2014年04期

2 陈文婷;邢相薇;计科峰;;SAR图像舰船目标识别综述[J];现代雷达;2012年11期

3 文江平;胡岩峰;张利利;;基于高分辨SAR图像区域入射角反演及高度提取方法[J];计算机应用;2009年S2期

，

本文编号：910679