舰船目标的ISAR成像与识别

发布时间：2017-09-28 03:11

  本文关键词：舰船目标的ISAR成像与识别

  更多相关文章： 舰船目标识别 ISAR成像 海杂波 结构特征 灰度特征

【摘要】：舰船的逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像主要通过雷达与舰船之间的相对运动而生成二维图像。ISAR可以在各种天气下,全天候地工作,ISAR成像识别技术可用作军事侦察,海上目标识别,船只引导以及海上技术支持等工作。本文针对舰船目标的ISAR成像和识别进行了研究,主要工作如下:1、对三种舰船目标进行几何点阵建模,利用几何形状点阵来描述舰船目标的散射结构,三种舰船目标分别是尼米兹级航空母舰、052C导弹驱逐舰、“荣新”号沿海客货轮。2、通过分析舰船的运动特性,利用距离-多普勒(Range Doppler,R-D)算法对舰船目标的三种主要运动方式(roll,yaw,pitch)进行了ISAR成像研究,成像实验结果表明,R-D算法对小转角转动下的舰船目标具有较好的成像效果。3、研究了海杂波的物理和统计特性,着重分析了二维海杂波的特性以及其对ISAR成像的影响,并对一维和二维K分布的海杂波进行了仿真。仿真实验表明:海杂波的形状参数v会影响成像质量,但随着v增大到一定程度,其对ISAR成像的影响趋于稳定;当海杂波多普勒中心接近目标中心时,对ISAR成像的影响最大。4、研究了受海杂波干扰的舰船ISAR图像的预处理方法,预处理的过程包括:消除海杂波干扰,对图像进行基本的形态学处理。对预处理后的ISAR图像进行特征提取,提取的特征包括:面积、周长、长轴、短轴、复杂度、紧凑度、中心坐标等结构特征,及质量、均值、方差系数、标准差、加权填充比等灰度特征。5、研究了基于ISAR图像的支持向量机、决策树等分类识别算法。并利用提取出的结构特征和灰度特征进行仿真实验,实验结果表明:结构特征的识别率要优于灰度特征的识别率;方位角变化严重影响结构特征的识别效果,而对灰度特征的识别性能影响较少;随着信杂比的减小,舰船目标识别率下降。
【关键词】：舰船目标识别 ISAR成像 海杂波 结构特征 灰度特征
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 摘要5-6
• abstract6-10
• 第一章 绪论10-14
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-12
• 1.2.1 ISAR成像的研究现状11
• 1.2.2 ISAR图像识别的研究现状11-12
• 1.3 本文内容安排12-14
• 第二章 舰船模型的ISAR成像仿真14-31
• 2.1 引言14
• 2.2 ISAR成像算法14-19
• 2.2.1 舰船目标转动模型14-16
• 2.2.2 ISAR目标回波模型和距离-多普勒(R-D)算法16-18
• 2.2.3 距离压缩18-19
• 2.3 舰船ISAR目标成像仿真19-30
• 2.3.1 舰船目标的点阵建模19-24
• 2.3.2 舰船目标的成像仿真24-28
• 2.3.3 舰船目标的成像样本28-30
• 2.4 本章小结30-31
• 第三章 海杂波的分析与仿真31-43
• 3.1 引言31
• 3.2 一维海杂波序列仿真31-35
• 3.3 时空二维海杂波的仿真35-39
• 3.4 海杂波对ISAR成像的影响39-42
• 3.4.1 海杂波形状参数对ISAR成像的影响39-41
• 3.4.2 海杂波多普勒频率对ISAR成像的影响41-42
• 3.5 本章小结42-43
• 第四章 舰船ISAR图像的预处理与特征提取43-56
• 4.1 引言43
• 4.2 ISAR图像的预处理43-49
• 4.2.1 消除海杂波的干扰43-46
• 4.2.2 舰船目标二值图像形态学处理46-49
• 4.3 舰船目标的特征提取49-54
• 4.3.1 舰船目标的结构特征提取49-52
• 4.3.2 舰船目标的灰度特征提取52-54
• 4.4 舰船ISAR图像特征提取结果54-55
• 4.5 本章小结55-56
• 第五章 舰船目标的识别研究56-81
• 5.1 引言56
• 5.2 支持向量机算法56-64
• 5.2.1 线性情况56-59
• 5.2.2 线性不可分的情况59-62
• 5.2.3 松弛变量的引入62-63
• 5.2.4 多分类问题63-64
• 5.3 决策树算法64-67
• 5.3.1 决策树算法原理和流程64-67
• 5.3.2 决策树算法剪枝67
• 5.4 本章实验67-80
• 5.4.1 结构特征识别结果及分析67-74
• 5.4.2 灰度特征识别结果及分析74-80
• 5.5 本章小结80-81
• 第六章 总结与展望81-83
• 6.1 全文总结81-82
• 6.2 展望82-83
• 致谢83-84
• 参考文献84-87
• 在校期间的研究成果87-88

【参考文献】

中国期刊全文数据库 前10条

1 史辉;郝晰辉;杨玉淳;任京;;光电侦察系统目标定位精度评价指标研究[J];应用光学;2012年03期

2 季战领;冯晓毅;阎昆;;一种ISAR图像中飞机目标识别的新特征[J];计算机工程;2010年23期

3 杜琳琳;安成锦;陈曾平;;一种舰船ISAR图像中心线特征提取新方法[J];电子与信息学报;2010年05期

4 魏晓云;;决策树分类方法研究[J];计算机系统应用;2007年09期

5 冯少荣;;决策树算法的研究与改进[J];厦门大学学报(自然科学版);2007年04期

6 季桂树;陈沛玲;宋航;;决策树分类算法研究综述[J];科技广场;2007年01期

7 王勇;姜义成;;基于自适应Chirplet分解的舰船目标ISAR成像[J];电子与信息学报;2006年06期

8 许人灿;刘朝军;黄小红;陈曾平;;基于超分辨ISAR成像的空中目标自动识别[J];系统工程与电子技术;2006年01期

9 雷杰;邢孟道;保铮;;一种基于钟摆模型的舰船目标成像方法[J];电子与信息学报;2006年01期

10 董江曼,李应岐,邓飚;SAR图像舰船目标的特征识别[J];陕西师范大学学报(自然科学版);2004年S1期

中国博士学位论文全文数据库 前1条

1 邢孟道;基于实测数据的雷达成像方法研究[D];西安电子科技大学;2002年

中国硕士学位论文全文数据库 前5条

1 张晓贺;决策树分类器的实现及在遥感影像分类中的应用[D];兰州交通大学;2013年

2 丘昌镇;高分辨率SAR图像目标分类特征提取与分析[D];国防科学技术大学;2009年

3 唐丽娜;海杂波建模及其对ISAR成像的影响[D];哈尔滨工业大学;2008年

4 陈善丽;逆合成孔径雷达图像识别研究[D];浙江大学;2008年

5 关晓蔷;基于决策树的分类算法研究[D];山西大学;2006年

，

本文编号：933463