基于多任务学习的SAR图像目标识别算法研究

发布时间：2021-03-16 05:52

　　合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时执行遥感监测任务的能力,通过对目标的多个回波进行相干累加,可以得到目标的二维SAR图像。并且微波遥感具有一定的地面和植被穿透能力,有助于发现机场、港口、桥梁、道路等人造建筑目标以及飞机、坦克、舰船等军事目标,因此具有重要的军事和民事应用价值。为了提高SAR图像目标识别率,在预处理、特征提取和分类器设计等关键步骤都需要有针对性的进行设计。本文对上述关键步骤的设计展开研究,主要研究成果如下:针对SAR图像目标识别中经常遇到的训练样本不足,单任务学习无法充分训练分类模型的问题,设计了一种基于多任务学习的SAR图像目标识别方法。采用“一对其余”（One vs.Rest,OvR）的拆分方式将多分类任务划分为多个二分类任务,再应用多任务学习器进行学习,利用多任务学习的任务间信息共享机制提升算法在训练样本不足时的分类能力。对比实验结果表明:在SAR图像目标识别时,基于多任务学习的SAR图像目标识别方法的识别准确率高于单任务学习方法;在使用40%的训练样本训练分类器时,与采用全部训练样本相比,基于多任务关联学习（... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图２．１?ＳＡＲ成像原理??ＳＡＲ具有光学传感器所不具备的一些特性：??

图２．２?ＶＨ极化方式示意图??入射角：入射角是雷达波束与雷达平台到地面垂线的夹角（如图２．１中的??

图２．３ＭＳＴＡＲ数据库中的１０类目标???表２．１?ＭＳＴＡＲ数据库１０类目标样本个数???

【参考文献】：
期刊论文
[1]一种基于多层RBM网络和SVM的行人检测方法研究[J]. 王银,王立德,邱霁,申萍,杜欣.  铁道学报. 2018(03)
[2]基于ADASYN与AdaBoostSVM相结合的不平衡分类算法[J]. 柳培忠,洪铭,黄德天,骆炎民,王守觉.  北京工业大学学报. 2017(03)
[3]混合智能优化算法的SAR图像特征选择[J]. 张琴,谷雨,徐英,赖晓平.  遥感学报. 2016(01)
[4]SAR图像目标和阴影径向积分特征评估[J]. 胡利平,董纯柱,邢笑宇,殷红成.  电波科学学报. 2014(02)
[5]SAR图像特征提取与选择研究[J]. 贺志国,陆军,匡纲要.  信号处理. 2008(05)
[6]SAR图象自动目标识别研究[J]. 匡纲要,计科峰,粟毅,郁文贤.  中国图象图形学报. 2003(10)

博士论文
[1]合成孔径雷达目标识别理论与关键技术研究[D]. 崔宗勇.电子科技大学 2015
[2]基于集成学习和特征选择的极化SAR地物分类[D]. 陈博.西安电子科技大学 2015
[3]SAR图像处理及地面目标识别技术研究[D]. 尹奎英.西安电子科技大学 2011

硕士论文
[1]基于压缩感知的SAR图像目标识别算法研究[D]. 张琴.杭州电子科技大学 2016



本文编号：3085527