SAR图像海上目标类型识别算法研究

发布时间：2017-08-30 22:48

  本文关键词：SAR图像海上目标类型识别算法研究

  更多相关文章： SAR AIS CFAR算法 特征提取 分类识别

【摘要】：随着海洋在国民经济中占的地位越来越重要,海洋环境的监测和管理手段也要提高。合成孔径雷达(Synthetic Aperture Radar,SAR)利用电磁波遇到物体后发生反射的原理,检测反射波可实现对海洋目标的探测,而且SAR具有全天候、全天时、探测范围广等优点,已成为海洋监测的重要手段,可以对海岸及近海进行有效监测,维护国家的海洋权益。所以,使用SAR对海上目标进行检测与识别有实际应用价值。论文使用SAR探测的海上目标图像数据,检测图像数据中的船只,对船只的特征进行分析,并依据AIS(Automatic Identification System,AIS)提供的匹配信息,确定多种合作船只的详细信息,去除图像中的假目标,提取船只目标切片,建立测试样本库。提取船只的特征,用提取的船只特征对船只分类识别,并通过AIS船只信息对分类结果进行验证。论文研究的主要内容有：SAR图像船只目标检测：使用CFAR算法检测SAR图像中的船只目标,检测到的船只既有真实船只目标又有假目标。SAR图像中假目标判别：首先分析假目标产生的原理,以及在SAR图像中的特点,分析了假目标的方向、计算了假目标出现的位置。再使用双参数CFAR算法和目标区域面积相结合的方法,在检测船只目标时,将真、假船只目标加以区分,有效避免误判船只的情况。船只目标测试样本库的建立：将检测到的船只数据与AIS提供的数据进行匹配,将匹配成功的目标进行切片提取,作为分析、测试的样本。特征提取：先对样本库中的目标切片进行预处理,再提取样本切片的几何特征和峰值特征。分类识别：使用BP神经网络和交叉验证的SVM分类器对目标切片进行分类识别,并使用AIS船只信息对分类结果进行验证,对两种分类器的识别结果进行分析。
【关键词】：SAR AIS CFAR算法 特征提取 分类识别
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-16
• 1.1 论文选题背景11-12
• 1.2 研究意义12-13
• 1.3 国内外研究现状13-14
• 1.4 论文研究内容安排14-16
• 第二章 SAR图像目标检测16-26
• 2.1 SAR和AIS数据介绍16-20
• 2.1.1 SAR介绍16-17
• 2.1.2 SAR数据分析17-18
• 2.1.3 AIS介绍18-19
• 2.1.4 AIS数据分析19-20
• 2.2 SAR图像目标检测20-25
• 2.2.1 SAR图像船只性能分析20-22
• 2.2.2 CFAR检测理论基础22-23
• 2.2.3 基于高斯分布的CFAR船只目标检测23-24
• 2.2.4 实验结果与分析24-25
• 2.3 本章小结25-26
• 第三章 SAR图像假目标判别26-35
• 3.1 假目标产生原理分析26-28
• 3.1.1 SAR图像假目标介绍26
• 3.1.2 SAR图像假目标频域分析26-28
• 3.2 SAR图像假目标判别流程介绍28-30
• 3.3 SAR图像假目标识别算法30-34
• 3.3.1 双参数CFAR算法介绍30-32
• 3.3.2 基于双参数CFAR的假目标识别算法32-33
• 3.3.3 实验结果与分析33-34
• 3.4 本章小结34-35
• 第四章 建立SAR图像测试样本库35-41
• 4.1 SAR和AIS点迹显示35-37
• 4.1.1 SAR图像目标点迹显示35-36
• 4.1.2 AIS船只点迹显示36-37
• 4.2 SAR图像目标切片提取37-40
• 4.2.1 SAR图像处理软件介绍37-38
• 4.2.2 船只目标切片提取38-40
• 4.3 本章小结40-41
• 第五章 SAR图像特征提取41-51
• 5.1 船只SAR图像特征分析41-43
• 5.1.1 SAR图像船只目标切片分析41-42
• 5.1.2 经典类型船只SAR图像特征42-43
• 5.2 目标峰值特征提取43-47
• 5.2.1 峰值特征提取方法43
• 5.2.2 SAR图像船只目标峰值特征提取43-47
• 5.3 目标几何特征提取47-50
• 5.3.1 SAR图像旁瓣处理47-49
• 5.3.2 SAR图像船只目标几何特征提取49-50
• 5.4 本章小结50-51
• 第六章 SAR图像船只目标分类51-59
• 6.1 基于BP神经网络的船只分类51-54
• 6.1.1 BP分类器介绍51-53
• 6.1.2 实验与分析53-54
• 6.2 基于SVM的船只分类54-57
• 6.2.1 支持向量机介绍54-56
• 6.2.2 实验与分析56-57
• 6.3 识别结果分析57-58
• 6.4 本章小结58-59
• 第七章 结论与讨论59-61
• 7.1 结论59-60
• 7.2 讨论60-61
• 参考文献61-65
• 致谢65-66
• 读研期间参加的科研项目66-67
• 附录167-68
• 附录268

【相似文献】

中国期刊全文数据库 前10条

1 丁晓莲;周激流;李晓华;吴朋;;人脸识别率与图像分辨率关系的比较分析[J];计算机工程;2009年11期

2 贾丽娟;;关于图像分辨率的教学思考[J];印刷世界;2011年05期

3 张秀屏，刘锡国，，丛玉良;提高彩电图像分辨率的研讨[J];光学精密工程;1994年02期

4 周中华;如何使拷屏图像更清楚[J];桌面出版与设计;1999年04期

5 林阿岚;;如何取得完美图像[J];电子测试;2001年08期

6 宋其华;郭根生;;解析计算机图像分辨率[J];中国电化教育;2003年11期

7 冯金菊;;浅谈分辨率[J];才智;2008年22期

8 江静;蔡鹤;;小议分辨率与输出图像的关系[J];科教文汇(上旬刊);2008年03期

9 李春雨;李卫平;;篡改图像的识别技术研究与仿真[J];计算机仿真;2011年11期

10 ;教你详细了解各种分辨率[J];计算机与网络;2011年24期

中国重要会议论文全文数据库 前10条

1 王江宁;纪力强;;昆虫图像特征研究[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 杨德强;苏光大;徐天伟;;一种基于幻想脸的人脸图像分辨率提升新技术[A];第二十七届中国控制会议论文集[C];2008年

3 张莉;李佩臻;;用Photoshop对1：1万DRG入库数据的处理[A];全国测绘科技信息网中南分网第二十一次学术信息交流会论文集[C];2007年

4 任晓晖;龚勇清;;体全息存储再现图像分辨率实验研究[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

5 廖熠;赵荣椿;;一种基于小波分层模型的自然景物图像表面恢复算法[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

6 刘达;李枢平;;对DCI数字影院技术规范中图像分级技术的理解[A];中国电影电视技术学会影视技术文集[C];2007年

7 汤敏;王惠南;;基于IDL语言的医学图像可视化初步研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 赵源萌;邓朝;张馨;张存林;;被动式人体太赫兹安检成像的分辨率增强算法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

9 张尚军;徐光;祁小江;;影响CR胶片质量原因的探讨[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

10 何东晓;隋守鑫;刘微;;高清透雾摄像机的研发及在交通领域的应用[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

中国重要报纸全文数据库 前10条

1 刘筱霞;陈永常;PHOTOSHOP中图像分辨率的设置[N];中国包装报;2002年

2 王树连;从购买图像到租用卫星[N];中国测绘报;2003年

3 杨兴平;如何抓取指定分辨率的图像[N];中国电脑教育报;2003年

4 李鑫;飞利浦200BW8商务人士明智新宠[N];电子资讯时报;2007年

5 记者 曾遗荣邋通讯员 冷承秋 实习生 向哲林;美国一高科技公司将落户武汉[N];湖北日报;2007年

6 唐凤碧;正确运用数码相机分辨率[N];中国摄影报;2007年

7 ;创维TWH-43L（DLP）光显背投图像不良的检修[N];电子报;2008年

8 WLF;细说分辨率[N];电脑报;2003年

9 宏杉;感受专业动力[N];中国计算机报;2001年

10 宋连党;家庭VCD像册大制作[N];中国电脑教育报;2003年

中国博士学位论文全文数据库 前10条

1 吴辉群;慢性病信息管理系统中视网膜图像的互操作性及其血管网络定量分析研究[D];复旦大学;2014年

2 田虎;单目图像的深度估计[D];北京邮电大学;2015年

3 唐玉芳;商品图像分类算法研究[D];北京邮电大学;2015年

4 贾勇;建筑物透视探测关键技术研究[D];电子科技大学;2014年

5 黄仁杰;非可控条件下人脸识别中的若干问题研究[D];电子科技大学;2015年

6 万方;基于多幅图像的三维结构化场景重建技术研究[D];武汉大学;2013年

7 马钟;视觉感知启发的对象发现关键技术研究[D];西北工业大学;2015年

8 张旭;面向局部特征和特征表达的图像分类算法研究[D];合肥工业大学;2016年

9 王洪;航空光电平台图像稳定技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

10 孙艳;基于内容图像检索与敏感图像过滤的若干算法研究[D];吉林大学;2011年

中国硕士学位论文全文数据库 前10条

1 杨栋;面向CTA图像的冠脉血管分割算法研究和血管狭窄度分析[D];浙江大学;2015年

2 龚若皓;基于嵌入式移动GPU的图像编解码并行优化[D];西南交通大学;2015年

3 曹福来;发动机燃油喷雾图像筛选及处理方法的分析研究[D];长安大学;2015年

4 张弛;基于卷积神经网络的鞋印图像分类算法研究[D];大连海事大学;2016年

5 张贵平;图像视点调整技术研究[D];南京大学;2014年

6 李杰;高速图像数据实时存储与显示关键技术研究[D];中北大学;2016年

7 胡蓓蕾;基于图像融合的水下图像颜色恢复[D];中国海洋大学;2015年

8 周黎;基于千兆网的高性能嵌入式图像处理技术研究[D];中国科学院研究生院(光电技术研究所);2016年

9 顾帮忠;基于CCD的DR影像校正[D];东南大学;2015年

10 张磊;铆钉尺寸与表面缺陷在线检测关键技术研究[D];西南交通大学;2016年

本文编号：761953