基于卷积字典学习模型的SAR图像目标识别方法研究
发布时间：2022-10-30 15:20
合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种主动式微波成像传感器,可以不受天气、光照的影响,对地面进行远距离探测,已经成为当前对地观测的重要手段之一。随着SAR成像技术的发展,可以获得大量高质量的SAR图像,使得SAR图像目标识别技术在军事、民用等领域的应用越来越广泛,专门针对SAR图像设计自动目标识别系统已经成为国内外研究的热点。本文基于卷积字典学习模型对SAR图像目标识别方法展开研究,论文的主要内容可概括如下:1.针对传统字典学习算法存在的字典单一、编码冗余等问题,本文在卷积字典学习的基础上,引入多尺度约束与监督信息,提出了标签约束多尺度卷积字典学习模型,该模型可以自动提取图像中不同尺度的几何结构特征。提出模型首先在标签约束下利用卷积字典学习的方法对图像提取不同尺度的卷积字典,得到更有利于分类的卷积字典,之后将学到的不同尺度的卷积核与原图进行卷积操作获得用于分类的特征图,最后将特征图输入分类器中进行分类。在MSTAR实测数据集上的实验结果表明,引入多尺度约束与监督信息可以学到更有利于分类的卷积字典,与其它方法对比提出方法具有更好的识别性能。2.针...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 SAR图像目标识别
1.2.2 字典学习及其在SAR图像目标识别上的应用
1.3 数据集介绍
1.3.1 MNIST数据集
1.3.2 MSATR数据集
1.4 研究内容安排
第二章 传统卷积字典学习模型
2.1 概述
2.2 卷积字典学习
2.2.1 卷积字典学习模型
2.2.2 卷积字典学习模型的优化
2.2.3 卷积字典学习用于识别的流程
2.3 实验结果与分析
2.3.1 MNIST数据集实验与分析
2.3.2 MSTAR数据集实验与分析
2.4 本章小结
第三章 基于卷积字典学习的浅层识别方法
3.1 概述
3.2 标签约束多尺度卷积字典学习(LMSCD)
3.2.1 LMSCD模型
3.2.2 LMSCD模型的优化
3.2.3 LMSCD模型用于识别的流程
3.3 实验结果与分析
3.3.1 实验设置
3.3.2 LMSCD模型分析
3.3.3 LMSCD模型与其它方法对比
3.4 本章小结
第四章 基于卷积字典学习和属性散射中心的深层识别方法
4.1 概述
4.2 双流特征融合网络
4.2.1 目标图像域解译支流
4.2.2 目标物理信息解译支流
4.3 实验结果与分析
4.3.1 实验设置
4.3.2 双流特征融合网络分析
4.3.3 双流特征融合网络与典型深层网络对比
4.4 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于三维电磁散射参数化模型的SAR目标识别方法[J]. 文贡坚,朱国强,殷红成,邢孟道,杨虎,马聪慧,闫华,丁柏圆,钟金荣. 雷达学报. 2017(02)
[2]基于拓展稀疏表示模型和LC-KSVD的人脸识别[J]. 张建明,何双双,吴宏林,熊兵,李艺敏. 计算机工程与应用. 2016(13)
[3]基于多信息字典学习及稀疏表示的SAR目标识别[J]. 齐会娇,王英华,丁军,刘宏伟. 系统工程与电子技术. 2015(06)
[4]基于余弦相似性的m-类分类器设计与算法实现[J]. 刘英伟,秦永彬. 计算机与数字工程. 2014(03)
[5]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[6]SAR图像自动目标识别系统研究与设计[J]. 袁礼海,宋建社,薛文通,赵伟舟. 计算机应用研究. 2006(11)
[7]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]雷达图像目标特征提取方法研究[D]. 李飞.西安电子科技大学 2014
[2]极化SAR图像人造目标提取与几何结构反演研究[D]. 徐牧.国防科学技术大学 2008
[3]光学区雷达目标三维散射中心重构理论与技术[D]. 周剑雄.国防科学技术大学 2006
[4]基于光学区雷达目标二维像的目标散射特征提取的理论及方法研究[D]. 孙真真.中国人民解放军国防科学技术大学 2001
硕士论文
[1]SAR图像自动目标识别研究[D]. 韩文婷.西安电子科技大学 2014
[2]基于稀疏表示及字典学习的SAR目标识别[D]. 齐会娇.西安电子科技大学 2014
[3]基于深度学习和稀疏表示的SAR图像分类[D]. 焦翔.西安电子科技大学 2017
本文编号：3699134
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 SAR图像目标识别
1.2.2 字典学习及其在SAR图像目标识别上的应用
1.3 数据集介绍
1.3.1 MNIST数据集
1.3.2 MSATR数据集
1.4 研究内容安排
第二章 传统卷积字典学习模型
2.1 概述
2.2 卷积字典学习
2.2.1 卷积字典学习模型
2.2.2 卷积字典学习模型的优化
2.2.3 卷积字典学习用于识别的流程
2.3 实验结果与分析
2.3.1 MNIST数据集实验与分析
2.3.2 MSTAR数据集实验与分析
2.4 本章小结
第三章 基于卷积字典学习的浅层识别方法
3.1 概述
3.2 标签约束多尺度卷积字典学习(LMSCD)
3.2.1 LMSCD模型
3.2.2 LMSCD模型的优化
3.2.3 LMSCD模型用于识别的流程
3.3 实验结果与分析
3.3.1 实验设置
3.3.2 LMSCD模型分析
3.3.3 LMSCD模型与其它方法对比
3.4 本章小结
第四章 基于卷积字典学习和属性散射中心的深层识别方法
4.1 概述
4.2 双流特征融合网络
4.2.1 目标图像域解译支流
4.2.2 目标物理信息解译支流
4.3 实验结果与分析
4.3.1 实验设置
4.3.2 双流特征融合网络分析
4.3.3 双流特征融合网络与典型深层网络对比
4.4 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于三维电磁散射参数化模型的SAR目标识别方法[J]. 文贡坚,朱国强,殷红成,邢孟道,杨虎,马聪慧,闫华,丁柏圆,钟金荣. 雷达学报. 2017(02)
[2]基于拓展稀疏表示模型和LC-KSVD的人脸识别[J]. 张建明,何双双,吴宏林,熊兵,李艺敏. 计算机工程与应用. 2016(13)
[3]基于多信息字典学习及稀疏表示的SAR目标识别[J]. 齐会娇,王英华,丁军,刘宏伟. 系统工程与电子技术. 2015(06)
[4]基于余弦相似性的m-类分类器设计与算法实现[J]. 刘英伟,秦永彬. 计算机与数字工程. 2014(03)
[5]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[6]SAR图像自动目标识别系统研究与设计[J]. 袁礼海,宋建社,薛文通,赵伟舟. 计算机应用研究. 2006(11)
[7]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]雷达图像目标特征提取方法研究[D]. 李飞.西安电子科技大学 2014
[2]极化SAR图像人造目标提取与几何结构反演研究[D]. 徐牧.国防科学技术大学 2008
[3]光学区雷达目标三维散射中心重构理论与技术[D]. 周剑雄.国防科学技术大学 2006
[4]基于光学区雷达目标二维像的目标散射特征提取的理论及方法研究[D]. 孙真真.中国人民解放军国防科学技术大学 2001
硕士论文
[1]SAR图像自动目标识别研究[D]. 韩文婷.西安电子科技大学 2014
[2]基于稀疏表示及字典学习的SAR目标识别[D]. 齐会娇.西安电子科技大学 2014
[3]基于深度学习和稀疏表示的SAR图像分类[D]. 焦翔.西安电子科技大学 2017
本文编号：3699134
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3699134.html
