發(fā)布時間：2023-01-28 08:55

　　合成孔徑雷達（Synthetic Aperture Radar,SAR）成像技術(shù)突破了天氣、光照等因素的限制,實現(xiàn)了全天時、全天候地高分辨率成像。當今,合成孔徑雷達成像技術(shù)在國防軍事、地質(zhì)探測、海洋勘探、城市規(guī)劃等多個領(lǐng)域都有著廣泛的應(yīng)用,SAR目標識別是SAR應(yīng)用的核心技術(shù)之一,獲得了國內(nèi)外研究學(xué)者的廣泛關(guān)注。SAR圖像目標識別系統(tǒng)的關(guān)鍵之一就是分類算法的設(shè)計。近些年來,以稀疏表示、字典學(xué)習(xí)為代表的表示學(xué)習(xí)算法大量應(yīng)用于SAR目標識別領(lǐng)域,并且獲得了較好的分類性能。本文圍繞基于判別字典學(xué)習(xí)的SAR目標識別方法展開研究,具體的研究工作概括如下:（1）針對傳統(tǒng)字典學(xué)習(xí)算法中利用₀或₁范數(shù)約束稀疏表示系數(shù)存在的運算過程復(fù)雜,訓(xùn)練過程耗時以及SAR圖像全方位角樣本被視為同等相關(guān)的問題,本文提出了基于自適應(yīng)局部方位字典對學(xué)習(xí)的SAR目標識別算法。該方法利用非負稀疏表示自適應(yīng)地選擇待測樣本所在的局部方位扇區(qū),在局部方位扇區(qū)子集上去共同訓(xùn)練一對判別字典。此外,在訓(xùn)練字典過程中,該方法通過引入分析字典來線性投影編碼矩陣,避免了₁范數(shù)稀... 

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 SAR目標識別研究現(xiàn)狀
        1.2.2 SAR目標識別的難點
    1.3 本文的研究內(nèi)容及章節(jié)安排
2 稀疏表示與字典學(xué)習(xí)
    2.1 引言
    2.2 稀疏表示
    2.3 字典學(xué)習(xí)
    2.4 本章小結(jié)
3 基于判別字典對學(xué)習(xí)的SAR目標識別
    3.1 引言
    3.2 判別字典對學(xué)習(xí)算法
        3.2.1 判別字典對學(xué)習(xí)算法模型
        3.2.2 判別字典對學(xué)習(xí)算法模型求解
    3.3 基于非負稀疏表示的局部方位扇區(qū)估計
        3.3.1 基于非負稀疏表示的局部方位扇區(qū)估計模型
        3.3.2 基于非負稀疏表示的局部方位扇區(qū)估計模型求解
    3.4 基于局部方位扇區(qū)字典對學(xué)習(xí)的SAR圖像識別
    3.5 實驗結(jié)果及分析
        3.5.1 實驗數(shù)據(jù)集介紹
        3.5.2 局部方位區(qū)間變化的目標識別實驗與分析
        3.5.3 隨規(guī)則化參數(shù)變化的目標識別實驗與分析
        3.5.4 多類目標識別實驗及分析
        3.5.5 噪聲魯棒性實驗及分析
        3.5.6 大俯仰角變化實驗及分析
    3.6 本章小結(jié)
4 基于局部方位LC-KSVD的 SAR目標識別
    4.1 引言
    4.2 LC-KSVD算法
        4.2.1 LC-KSVD模型概述
        4.2.2 LC-KSVD算法的具體實現(xiàn)
    4.3 極限學(xué)習(xí)機
        4.3.1 極限學(xué)習(xí)機概述
        4.3.2 極限學(xué)習(xí)機模型
    4.4 基于局部方位LC-KSVD的 SAR圖像識別
    4.5 實驗結(jié)果與分析
        4.5.1 三類目標識別實驗及分析
        4.5.2 具有多類配置的三類目標識別實驗及分析
        4.5.3 大俯仰角變化實驗及分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 本文展望
參考文獻
附錄
    A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀學(xué)位期間取得的科研成果目錄
    C.學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻】：
期刊論文
[1]基于高分三號衛(wèi)星SAR影像的城市建筑區(qū)提取[J]. 鄧鴻儒,崔宸洋,單文龍,徐夢竹.  地理信息世界. 2018(06)
[2]一種改進的K-medoids知識聚類算法研究[J]. 譚黔林,覃運初,盧艷蘭.  軟件導(dǎo)刊. 2016(08)
[3]基于流形正則化極限學(xué)習(xí)機的語種識別系統(tǒng)[J]. 徐嘉明,張衛(wèi)強,楊登舟,劉加,夏善紅.  自動化學(xué)報. 2015(09)
[4]基于弱選擇正則化正交匹配追蹤的圖像重構(gòu)算法[J]. 劉哲,張鶴妮,張永亮,郝珉慧.  光子學(xué)報. 2012(10)
[5]基于稀疏表示及光譜信息的高光譜遙感圖像分類[J]. 宋相法,焦李成.  電子與信息學(xué)報. 2012(02)
[6]壓縮感知研究[J]. 戴瓊海,付長軍,季向陽.  計算機學(xué)報. 2011(03)
[7]基于正交匹配追蹤的壓縮感知信號檢測算法[J]. 劉冰,付平,孟升衛(wèi).  儀器儀表學(xué)報. 2010(09)
[8]SAR圖像目標鑒別研究綜述[J]. 高貴.  信號處理. 2009(09)
[9]遙感在重大自然災(zāi)害監(jiān)測中的應(yīng)用前景——以5·12汶川地震為例[J]. 陶和平,劉斌濤,劉淑珍,范建容,楊俐,蘭立波.  山地學(xué)報. 2008(03)
[10]基于屬性加權(quán)的樸素貝葉斯分類算法[J]. 秦鋒,任詩流,程澤凱,羅慧.  計算機工程與應(yīng)用. 2008(06)

碩士論文
[1]基于字典學(xué)習(xí)的雷達目標識別[D]. 李淼.大連理工大學(xué) 2018
[2]求解最優(yōu)化問題的ADMM算法的研究[D]. 賈慧敏.華中科技大學(xué) 2016



本文編號：3732449