分享到:

SAR图像特征提取与目标识别方法研究

SAR在军事侦察和民用方面都具有重要作用,因此开展SAR图像的特征提取和目标识别工作具有实际意义和应用前景。本文从理论上具体研究了SAR图像的特征提取和目标识别方法,并通过实验加以验证。研究了SAR图像的多尺度边缘检测。据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,将不同尺度下的边界所具有的特点结合起来,提出由边缘传递、继承和生长组成的多尺度边缘融合算法。实验证明该算法抑制了噪声对边缘检测的干扰,获得的边缘轮廓完整、定位准确。用两步法实现了SAR图像中路状特征的自动提取。首先利用一种改进的SAR图像局部线特征检测算子获得公路段基元,然后引入关于公路特征的先验知识,利用方向势能函数将局部线特征组织成较大线性结构。将该算法用于ERS_1图像公路网的提取,获得较好的效果。研究了基于小波域隐Markov模型(HMM)的SAR图像滤波方法。该方法通过小波域的隐Markov树(HMT)模型来描述小波系数的统计相关性和非高斯性,利用  (本文共133页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

合成孔径雷达图像目标识别技术研究

基于合成孔径雷达(Synthetic Aperture Radar,SAR)的自动目标识别(Automatic Target Recognition,ATR)技术在现代战场中的重要作用已经使得它成为了国内外研究的热点之一。近十几年来,SAR图像的目标识别研究在SAR图像的预处理、特征提取及识别等方面均取得了相当大的进展。本论文主要围绕教育部留学回国人员基金“基于SAR图像的雷达自动目标检测与识别技术”、“十五”国防预研项目“目标识别技术”和“十一五”国防预研项目“基于目标成像的识别技术”的研究任务,针对合成孔径雷达图像的目标识别,从SAR图像滤波、SAR图像分割以及SAR图像的特征提取与识别等方面展开了较为深入的研究。本论文的主要内容概括如下:1、针对SAR图像的相干斑特点,对比了几种常用的SAR图像滤波方法,分析了它们的优缺点,并给出了不同分辨率的SAR图像的滤波结果。2、针对相关文献中存在的问题:①没有考虑阴影,而阴影信息对...  (本文共170页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于流形学习的SAR自动目标识别方法研究

合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天候、远距离、极强的穿透力的优点,并能在恶劣的环境下提供地形地物的高分辨率图像,从而为我们提供了一种更可靠的目标识别手段。SAR自动目标识别在战场感知方面具有非常重要的作用,已成为国内外研究的热门课题。流形学习是近年来发展起来的一种新型机器学习理论,其旨在发现高维数据集分布的内在规律性,它有助于发掘SAR图像数据集的本质信息,提高SAR自动目标识别系统的识别性能。本文从SAR图像预处理、特征提取及识别方面展开研究,主要研究内容如下:1.针对SAR图像预处理算法的细节信息保持与提高图像可鉴别性要求,研究了综合基于weibull分布双参数CFAR图像分割—几何聚类—二值掩膜的图像分割和图像后处理的复合预处理算法,其能够有效保持目标的边缘、纹理等细节信息,并能有效提高目标图像的可鉴别性。2.针对传统的基于全局线性结构的特征提取算法不能有效克服高维SAR数据...  (本文共87页) 本文目录 | 阅读全文>>

南京航空航天大学
南京航空航天大学

基于压缩感知的SAR图像目标识别方法研究

合成孔径雷达(SyntheticAperture Radar,SAR)是一种主动式微波传感器,能够在复杂环境中获取地物的二维高分辨率图像,是对地观测和军事侦察的重要手段之一。SAR图像自动目标识别(Automatic Target Recognition,ATR)技术作为军事战场中情报信息的主要来源,成为国内外学者的研究热点。压缩感知(Compressed Sensing,CS)理论作为一种新颖的信号处理理论,在模式识别领域已取得一定的研究成果并展现出广阔的应用前景。本文基于SAR图像自动目标识别的特点和压缩感知理论,将压缩感知应用到SAR图像目标识别中,主要研究工作如下:1、研究了信号稀疏表示的常用方法:固定正交基、联合正交基和超完备字典。研究了各类稀疏变换基的发展以及自身的优缺点,分析比较图像在傅里叶变换、离散余弦变换以及离散小波变换后的稀疏性和图像重建效果,总结出信号稀疏表示的重要性。2、研究了基于平移不变Shearlet...  (本文共84页) 本文目录 | 阅读全文>>

四川大学
四川大学

合成孔径雷达图像自动目标识别方法研究

合成孔径雷达(SAR)能够提供全天候条件下高分辨率的详细的地面测绘资料和图像,这种能力对于现代侦察任务是至关重要的。由于这些优点,使得SAR广泛的应用于地质勘探,地面监测,军事侦察等领域。也使SAR图像的处理和研究成为当前信号处理领域的一个热点。本文主要研究了SAR图像的自动目标识别。在SAR图像目标识别领域里,主要有模板匹配、模式识别以及近年来发展的基于模型的目标识别技术。模板匹配使用样本数据作为模板,计算相关系数得到识别结果;后两种技术通过对样本进行特征提取并建立特征库,以此特征来匹配待搜索图像以达到识别目的。模板匹配要求待匹配图像像素之间有对应关系,在边缘模糊的SAR图像中,容易造成误匹配。我们提出了栅格矢量法,克服了边缘模糊导致的匹配困难。文章分析和讨论了几种常见的特征提取方法,基于纹理特征的灰度共生矩阵,基于形状的不变矩特征,但其应用于SAR图像效果不理想。我们提出了基于目标边缘的Hausdorff距离图像作为目标特征...  (本文共78页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于深度学习的SAR特征提取与目标识别研究

SAR图像的应用需求与日俱增,SAR图像目标识别技术也在发展。由于硬件性能提升和有效训练算法的提出,近年深度学习重获关注,并在图像识别领域取得成功。本文应用深度学习的理论和方法,结合SAR图像的特点,研究了基于深度学习的SAR特征提取与目标识别方法。主要研究内容如下:根据SAR图像的特性指出了SAR图像目标识别中的难点。SAR图像目标具有多变不确定的特点,传统识别方法需要大量的专业知识,需要对图像预处理,不能自动提取有效的特征。深度学习具有盲学习和无监督学习的能力,本文使用深度学习解决该问题,将普通神经网络、深度置信网络和卷积神经网络三种深度结构分别用于三类和十类的SAR目标识别。通过对比发现在带标签样本足够的情况下,深度置信网络的预训练对普通神经网络提升不大,二者的识别性能几乎相同。深度学习对参数和结构十分敏感,实验发现卷积神经网络在不同激活函数下对SAR目标识别结果差异巨大,其中ReLu函数最适合作为卷积神经网络的激活函数。...  (本文共75页) 本文目录 | 阅读全文>>