首页> 中文学位 >基于图像域特征稀疏表示的SAR目标识别研究
【6h】

基于图像域特征稀疏表示的SAR目标识别研究

代理获取

目录

1 绪 论

1.1 选题背景及意义

1.2 SAR目标识别概述及研究现状

1.3 SAR目标自动识别的影响因素和关键技术

1.4 SAR图像目标识别流程

1.5 本文研究内容及章节安排

2 SAR成像原理及图像域特征提取

2.1 SAR成像过程及特性分析

2.2 SAR图像域特征提取

2.3 SAR图像的二维切片Zernike矩特征提取

2.4 本章小结

3 基于稀疏表示的目标识别

3.1 自动目标识别原理

3.2 稀疏表示理论概述

3.3 稀疏表示理论模型

3.4 稀疏表示模型求解算法

3.5 基于稀疏表示的目标识别

3.6 本章小结

4 基于2DS-ZMs特征和非负最小二乘稀疏表示的SAR目标识别

4.1 非负最小二乘稀疏表示模型

4.2.基于2DS-ZMs特征和NNLS-SRC的SAR目标识别系统

4.3 SAR目标自动识别实验与分析

4.4 本章小结

5 总结与展望

5.1 本文总结

5.2 本文展望

致谢

参考文献

附录

A. 作者在攻读学位期间发表的论文目录

B. 作者在攻读学位期间申请的发明专利目录

C. 文中缩略词对应表

展开▼

摘要

合成孔径雷达(Synthetic Aperture Radar, SAR)是一种高分辨率成像雷达,它具有全天候、全环境的工作能力。基于高分辨率SAR图像的目标识别技术在军事侦察、矿藏勘探、环境监测等领域有着巨大的用途,受到了世界各地广大科研工作者的关注,也是本文的研究重点,本文主要完成的工作如下:
  (1)研究了 SAR图像中的目标特性,通过对散射体分布特性的研究,发现图像中强弱散射体位置分布信息是一种鉴别特征,提出了一种可以提取SAR图像中散射体位置分布信息的特征:二维切片Zernike矩特征,并且对二维切片Zernike矩特征进行了分析,从理论上得出了二维切片Zernike矩是一种鉴别性特征。
  (2)研究了稀疏表示的理论,对稀疏表示近似求解算法,基于稀疏表示的分类识别系统的构建做了充分的了解,并且对标准稀疏表示分类识别方法的优缺点做了充分的分析。标准稀疏表示分类识别方法具有识别率高、抗噪声性能强等优点,同时标准稀疏表示分类识别方法具有求解高维数据困难、效率低等缺点,不适合构建实时的目标识别系统。
  (3)研究了基于二维切片 Zernike矩特征和非负最小二乘稀疏表示分类器的SAR目标识别算法。非负最小二乘稀疏表示分类模型很好的克服了标准稀疏表示模型的缺点,因此本文将非负最小二乘稀疏表示分类模型用于SAR目标识别,提出了基于二维切片Zernike矩特征和非负最小二乘稀疏表示分类器的SAR目标识别算法。开展了基于MSTAR数据集的一系列场景下的SAR目标识别实验,实验结果证明本文提出的基于2DS-ZMs特征和NNLS-SRC分类器的SAR ATR算法可以很好的提取SAR图像的鉴别性特征,具有高效、精准的识别能力,且噪声鲁棒性好。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号