基于ISAR的舰船目标识别
发布时间:2022-12-10 06:29
目前由于制海权越来越重要,对海上目标的识别也提出了新的要求,由于雷达对目标成像具有全天候、多方位的优势,其重要性也日益凸显。而逆合成孔径雷达成像是雷达识别技术中的重要途径。本文通过对舰船建模与成像,提取其纹理特征、轮廓特征、不变矩特征等信息,利用度量学习与决策融合识别的方法对基于ISAR图像的舰船目标识别方法展开研究,本文的主要工作如下:首先介绍了改进的舰船三维散射点建模方法,基于对舰船实际数据的分析,提出利用3Dmax建模、收缩算法与面元质点的提取得到舰船的三维散射点模型的方法。其次,介绍了对ISAR图像的预处理算法。首先提出了基于ISAR图像梯度的标记分水岭算法;其次提出利用圆形掩模的SUSAN算法来得到ISAR图像中的边缘特性;接着介绍了基于图像质心的预处理算法,该算法通过平滑图像与利用ISAR图像中目标的边缘信息提取图像的质心,并依此来得到图像中感兴趣的部分。然后提出了基于多帧图像标记点处理(FmMPP)的中心线提取算法,该算法主要通过利用多帧图像间的相关信息来补偿单幅图像的缺失信息;接着介绍了具有旋转不变性的Hu不变矩特征以解决舰船在三维运动时带来的影响;最后引入了一种新的纹...
【文章页数】:80 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 全文行文安排
1.4 本章小结
第二章 舰船3D模型构建与ISAR成像
2.1 模型的生成
2.1.1 3dmax的舰船3d模型生成
2.1.2 OBJ文件构成
2.1.3 边收缩算法
2.1.4 点模型提取
2.1.5 散射点坐标变换
2.2 ISAR成像
2.2.1 线性调频信号
2.2.2 一维距离成像
2.2.3 基于傅里叶变换的chirp波形
2.2.4 运动补偿
2.2.5 成像结果
2.3 本章小结
第三章 分水岭变换与SUSAN算法在图像预处理中应用
3.1 分水岭算法
3.1.1 分水岭变换
3.2 基于SUSAN算法的预处理
3.3 基于图像质点的预处理
3.4 常用的数字图像处理技术
3.4.1 图像的增强处
3.4.2 图像形态学处理
3.4.3 边缘检测
3.4.4 图像分割
3.5 本章小结
第四章 中心线特征与Tamura纹理特征的提取
4.1 轮廓特征提取
4.1.1 中心线提取
4.1.2 桅杆特征提取
4.2 Hu不变矩
4.3 纹理特征提取
4.3.1 Tamura纹理特征
4.3.2 基于Tamura特征量的分类测试
4.4 本章小节
第五章 基于度量学习与信息融合方法的舰船目标识别
5.1 随机度量学习
5.1.1 算法介绍
5.1.2 算法验证
5.2 决策融合
5.3 本章小结
总结与展望
参考文献
致谢
在学期间发表的学术论文及取得的研究成果
【参考文献】:
期刊论文
[1]基于对称Gabor小波滤波的舰船目标识别方法[J]. 尚士泽,李明,侯颖妮. 现代雷达. 2017(10)
[2]基于ISAR像的舰船目标识别技术研究[J]. 侯颖妮,杨予昊,李士国,江涛. 现代雷达. 2016(03)
[3]基于ISAR水面舰船高频区散射中心特征提取仿真研究[J]. 丁凡,廖章奇. 舰船科学技术. 2015(S1)
[4]舰船ISAR图像特征提取方法研究[J]. 杨效余,于勇,褚超,张彬. 遥测遥控. 2015(06)
[5]基于MIMO的ISAR成像算法研究[J]. 高斯,王勇. 现代电子技术. 2014(20)
[6]海面舰船目标ISAR最优成像时间选择算法[J]. 朱岱寅,俞翔,汪玲. 数据采集与处理. 2014(04)
[7]图像不变矩的推广[J]. 刘进,张天序. 计算机学报. 2004(05)
[8]基于多层前向网络的雷达目标一维距离像识别[J]. 陈大庆,保铮. 西安电子科技大学学报. 1997(01)
硕士论文
[1]基于ISAR图像的舰船目标特征提取方法研究[D]. 海鸿璋.西安电子科技大学 2014
本文编号:3716249
【文章页数】:80 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 全文行文安排
1.4 本章小结
第二章 舰船3D模型构建与ISAR成像
2.1 模型的生成
2.1.1 3dmax的舰船3d模型生成
2.1.2 OBJ文件构成
2.1.3 边收缩算法
2.1.4 点模型提取
2.1.5 散射点坐标变换
2.2 ISAR成像
2.2.1 线性调频信号
2.2.2 一维距离成像
2.2.3 基于傅里叶变换的chirp波形
2.2.4 运动补偿
2.2.5 成像结果
2.3 本章小结
第三章 分水岭变换与SUSAN算法在图像预处理中应用
3.1 分水岭算法
3.1.1 分水岭变换
3.2 基于SUSAN算法的预处理
3.3 基于图像质点的预处理
3.4 常用的数字图像处理技术
3.4.1 图像的增强处
3.4.2 图像形态学处理
3.4.3 边缘检测
3.4.4 图像分割
3.5 本章小结
第四章 中心线特征与Tamura纹理特征的提取
4.1 轮廓特征提取
4.1.1 中心线提取
4.1.2 桅杆特征提取
4.2 Hu不变矩
4.3 纹理特征提取
4.3.1 Tamura纹理特征
4.3.2 基于Tamura特征量的分类测试
4.4 本章小节
第五章 基于度量学习与信息融合方法的舰船目标识别
5.1 随机度量学习
5.1.1 算法介绍
5.1.2 算法验证
5.2 决策融合
5.3 本章小结
总结与展望
参考文献
致谢
在学期间发表的学术论文及取得的研究成果
【参考文献】:
期刊论文
[1]基于对称Gabor小波滤波的舰船目标识别方法[J]. 尚士泽,李明,侯颖妮. 现代雷达. 2017(10)
[2]基于ISAR像的舰船目标识别技术研究[J]. 侯颖妮,杨予昊,李士国,江涛. 现代雷达. 2016(03)
[3]基于ISAR水面舰船高频区散射中心特征提取仿真研究[J]. 丁凡,廖章奇. 舰船科学技术. 2015(S1)
[4]舰船ISAR图像特征提取方法研究[J]. 杨效余,于勇,褚超,张彬. 遥测遥控. 2015(06)
[5]基于MIMO的ISAR成像算法研究[J]. 高斯,王勇. 现代电子技术. 2014(20)
[6]海面舰船目标ISAR最优成像时间选择算法[J]. 朱岱寅,俞翔,汪玲. 数据采集与处理. 2014(04)
[7]图像不变矩的推广[J]. 刘进,张天序. 计算机学报. 2004(05)
[8]基于多层前向网络的雷达目标一维距离像识别[J]. 陈大庆,保铮. 西安电子科技大学学报. 1997(01)
硕士论文
[1]基于ISAR图像的舰船目标特征提取方法研究[D]. 海鸿璋.西安电子科技大学 2014
本文编号:3716249
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3716249.html