無人機精確打擊過程中的SAR圖像解譯系統(tǒng)關鍵技術研究
發(fā)布時間：2021-12-30 17:50
合成孔徑雷達（Synthetic Aperture Radar,SAR）具有成像不受天氣和惡劣氣候影響的特點,在軍事和民用方面具備重大的戰(zhàn)略價值,是各軍事強國關注和研究的焦點,已成為先進無人機的標準配置之一。合成孔徑雷達特有的相干成像方式相較于普通光學傳感器而言成像方式特殊,使得SAR圖像的解譯相對于可見光圖像更為復雜,因而研究適合于無人機精確打擊過程中的SAR圖像解譯系統(tǒng)是一項極具挑戰(zhàn)但又意義重大的研究課題。本文針對這一科學問題,分別在SAR圖像濾波、地面目標檢測與識別和可見光圖像與SAR圖像的配準等方面開展了一系列研究工作,特別關注SAR圖像解譯方法的實時性和魯棒性。首先,綜合現(xiàn)有的文獻資料以及本課題組的前期研究成果,結合機載SAR圖像具有的相干斑噪聲等特點,考慮具體的應用環(huán)境,對SAR傳感器的成像原理進行了概述,并分析了機載SAR圖像的數(shù)據(jù)特點,針對以目標定位為目的的機載SAR圖像解譯系統(tǒng)提出了具體研究框架。而后,根據(jù)SAR圖像的數(shù)據(jù)特點,對相干斑噪聲的物理特性進行了描述,并進行了基于統(tǒng)計域和小波域的SAR圖像濾波算法研究,提出了客觀的評價指標以便進行定量的分析和比較。對各種濾波...
【文章來源】：南京航空航天大學江蘇省 211工程院校
【文章頁數(shù)】：135 頁
【學位級別】：博士
【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
1.1 研究背景、目的及意義
1.1.1 研究背景
1.1.2 研究目的及意義
1.2 應用于無人機精確打擊的SAR圖像解譯研究現(xiàn)狀
1.2.1 無人機實現(xiàn)精確打擊的歷史與現(xiàn)狀
1.2.2 SAR圖像解譯在無人機精確打擊中的應用及相關技術
1.2.3 應用于無人機精確打擊的SAR圖像解譯標準
1.2.4 SAR圖像解譯在無人機精確打擊領域領域面臨的挑戰(zhàn)
1.3 無人機精確打擊過程中的SAR圖像解譯相關算法研究現(xiàn)狀
1.3.1 SAR圖像濾波研究現(xiàn)狀與分析
1.3.2 SAR圖像目標檢測研究現(xiàn)狀與分析
1.3.3 SAR圖像目標識別研究現(xiàn)狀與分析
1.3.4 SAR圖像配準研究現(xiàn)狀與分析
1.4 本文的內容安排
第二章 無人機精確打擊過程中SAR圖像解譯系統(tǒng)概述
2.1 引言
2.2 無人機精確打擊系統(tǒng)
2.2.1 無人機精確打擊系統(tǒng)概述
2.2.2 SAR圖像解譯應用于無人機精確打擊系統(tǒng)的技術方案
2.3 SAR與其成像原理
2.4 機載SAR圖像數(shù)據(jù)特性
2.4.1 輻射特性
2.4.2 幾何特性
2.5 無人機精確打擊過程中的SAR圖像解譯算法概述
2.5.1 SAR圖像解譯系統(tǒng)的應用階段
2.5.2 SAR圖像解譯算法整體流程
2.6 小結
第三章SAR圖像濾波與適用性分析
3.1 引言
3.2 SAR圖像相干斑噪聲的物理描述
3.3 基于統(tǒng)計學的SAR圖像相干斑抑制方法
3.3.1 Lee濾波算法
3.3.2 Kuan濾波算法
3.3.3 Gamma MAP濾波算法
3.3.4 增強型Lee濾波和增強型Gamma MAP濾波算法
3.4 基于小波域的SAR圖像濾波方法
3.4.1 基于貝葉斯估計的小波域濾波算法
3.4.2 復小波域貝葉斯收縮濾波算法
3.5 濾波算法性能分析
3.6 小結
第四章 基于魯棒主元分析和稀疏度的SAR圖像目標檢測與分割
4.1 引言
4.2 問題描述
4.3 目標圖像分割
4.3.1 SAR圖像目標區(qū)域分割的定義
4.3.2 SAR圖像分割方法
4.3.3 圖像分割算法的效能評估
4.4 基于魯棒主元分析的SAR圖像車輛目標檢測與分割
4.4.1 魯棒主元分析
4.4.2 閾值的選取與目標區(qū)域分割
4.4.3 目標分割實驗結果和性能分析
4.4.4 目標形心位置確定
4.4.5 高分辨率SAR圖像多目標快速檢測
4.5 小結
第五章 基于過完備字典壓縮和稀疏表示的SAR圖像目標識別
5.1 引言
5.2 問題描述
5.3 過完備字典壓縮
5.3.1 主元分析降維算法設計
5.3.2 核主元分析降維算法設計
5.4 基于稀疏表示的SAR圖像車輛目標識別
5.4.1 算法描述
5.4.2 目標分類識別仿真實驗分析
5.4.3 目標姿態(tài)變化對識別性能的影響
5.4.4 噪聲對識別性能的影響
5.4.5 變體目標的識別性能
5.5 小結
第六章 基于控制線的SAR圖像和可見光圖像匹配
6.1 引言
6.2 問題描述
6.3 機載SAR圖像景象匹配原理
6.3.1 圖像仿射變換的數(shù)學模型
6.3.2 異源圖像匹配的四要素
6.3.3 匹配誤差分析和匹配精度
6.4 基于LSD的直線特征提取
6.4.1 圖像梯度
6.4.2 直線段候選區(qū)域和直線段的判定
6.4.3 算法描述與仿真驗證
6.5 可見光與SAR圖像配準
6.5.1 控制線的選取
6.5.2 配準算法描述
6.5.3 仿真實驗驗證與分析
6.5.4 目標定位
6.6 小結
第七章 總結與展望
7.1 本文的主要工作與創(chuàng)新點
7.2 展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術論文
【參考文獻】：
期刊論文
[1]基于主元分析和稀疏表示的SAR圖像目標識別[J]. 劉中杰,莊麗葵,曹云峰,丁萌. 系統(tǒng)工程與電子技術. 2013(02)
[2]從壓縮傳感到低秩矩陣恢復:理論與應用[J]. 彭義剛,索津莉,戴瓊海,徐文立. 自動化學報. 2013(07)
[3]基于不變特征和映射抑制的航拍視頻圖像配準[J]. 易盟,郭寶龍. 航空學報. 2012(10)
[4]基于線特征和控制點的可見光和SAR圖像配準[J]. 李映,崔楊楊,韓曉宇. 自動化學報. 2012(12)
[5]Multi-polarimetric SAR image compression based on sparse representation[J]. CHEN Yuan,ZHANG Rong&YIN Dong Department of Electronic Engineering and Information Science,University of Science and Technology of China,Hefei 230027,China. Science China（Information Sciences）. 2012(08)
[6]A novel cognitive ISAR imaging method with random stepped frequency chirp signal[J]. ZHU Feng,ZHANG Qun,LUO Ying,LI KaiMing&GU FuFei Institute of Telecommunication Engineering,Air Force Engineering University(AFEU),Xi’an 710077,China. Science China（Information Sciences）. 2012(08)
[7]Coherent processing for ISAR imaging with sparse apertures[J]. SHENG JiaLian,ZHANG Lei,XU Gang,XING MengDao&BAO Zheng National Key Laboratory of Radar Signal Processing,Xidian University,Xi’an 710071,China. Science China（Information Sciences）. 2012(08)
[8]Suppressing azimuth ambiguity in spaceborne SAR images based on compressed sensing[J]. YU Ze&LIU Min School of Electronics and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[9]A novel spaceborne SAR wide-swath imaging approach based on Poisson disk-like nonuniform sampling and compressive sensing[J]. SUN JinPing,ZHANG YuXi,TIAN JiHua&WANG Jun School of Electronic and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[10]Spotlight SAR sparse sampling and imaging method based on compressive sensing[J]. XU HuaPing1,YOU YaNan1,LI ChunSheng1&ZHANG LvQian2 1S chool of Electronics and Information Engineering,Beihang University,Beijing 100191,China;2C hinese Academy of Engineering,Beijing 100088,China. Science China（Information Sciences）. 2012(08)
博士論文
[1]基于視覺認知的極化SAR圖像應用關鍵技術研究[D]. 周廣益.清華大學 2011
[2]SAR圖像處理及地面目標識別技術研究[D]. 尹奎英.西安電子科技大學 2011
[3]極化SAR圖像人造目標特征提取與檢測方法研究[D]. 張臘梅.哈爾濱工業(yè)大學 2010
[4]高分辨率SAR圖像建筑物提取方法研究[D]. 趙凌君.國防科學技術大學 2009
[5]多信息融合圖像邊緣特征提取及圖像配準研究與應用[D]. 張浩.浙江大學 2008
[6]SAR圖像機動目標檢測與鑒別技術研究[D]. 李禹.國防科學技術大學 2007
[7]基于機載SAR圖像的對地目標檢測方法研究[D]. 王義敏.西北工業(yè)大學 2006
[8]SAR圖像目標特征提取與分類方法研究[D]. 計科峰.中國人民解放軍國防科學技術大學 2003
[9]SAR圖像特征提取與目標識別方法研究[D]. 酈蘇丹.國防科學技術大學 2001
碩士論文
[1]基于壓縮感知的SAR圖像目標識別技術研究[D]. 方慶.電子科技大學 2012
本文編號：3558693
【文章來源】：南京航空航天大學江蘇省 211工程院校
【文章頁數(shù)】：135 頁
【學位級別】：博士
【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
1.1 研究背景、目的及意義
1.1.1 研究背景
1.1.2 研究目的及意義
1.2 應用于無人機精確打擊的SAR圖像解譯研究現(xiàn)狀
1.2.1 無人機實現(xiàn)精確打擊的歷史與現(xiàn)狀
1.2.2 SAR圖像解譯在無人機精確打擊中的應用及相關技術
1.2.3 應用于無人機精確打擊的SAR圖像解譯標準
1.2.4 SAR圖像解譯在無人機精確打擊領域領域面臨的挑戰(zhàn)
1.3 無人機精確打擊過程中的SAR圖像解譯相關算法研究現(xiàn)狀
1.3.1 SAR圖像濾波研究現(xiàn)狀與分析
1.3.2 SAR圖像目標檢測研究現(xiàn)狀與分析
1.3.3 SAR圖像目標識別研究現(xiàn)狀與分析
1.3.4 SAR圖像配準研究現(xiàn)狀與分析
1.4 本文的內容安排
第二章 無人機精確打擊過程中SAR圖像解譯系統(tǒng)概述
2.1 引言
2.2 無人機精確打擊系統(tǒng)
2.2.1 無人機精確打擊系統(tǒng)概述
2.2.2 SAR圖像解譯應用于無人機精確打擊系統(tǒng)的技術方案
2.3 SAR與其成像原理
2.4 機載SAR圖像數(shù)據(jù)特性
2.4.1 輻射特性
2.4.2 幾何特性
2.5 無人機精確打擊過程中的SAR圖像解譯算法概述
2.5.1 SAR圖像解譯系統(tǒng)的應用階段
2.5.2 SAR圖像解譯算法整體流程
2.6 小結
第三章SAR圖像濾波與適用性分析
3.1 引言
3.2 SAR圖像相干斑噪聲的物理描述
3.3 基于統(tǒng)計學的SAR圖像相干斑抑制方法
3.3.1 Lee濾波算法
3.3.2 Kuan濾波算法
3.3.3 Gamma MAP濾波算法
3.3.4 增強型Lee濾波和增強型Gamma MAP濾波算法
3.4 基于小波域的SAR圖像濾波方法
3.4.1 基于貝葉斯估計的小波域濾波算法
3.4.2 復小波域貝葉斯收縮濾波算法
3.5 濾波算法性能分析
3.6 小結
第四章 基于魯棒主元分析和稀疏度的SAR圖像目標檢測與分割
4.1 引言
4.2 問題描述
4.3 目標圖像分割
4.3.1 SAR圖像目標區(qū)域分割的定義
4.3.2 SAR圖像分割方法
4.3.3 圖像分割算法的效能評估
4.4 基于魯棒主元分析的SAR圖像車輛目標檢測與分割
4.4.1 魯棒主元分析
4.4.2 閾值的選取與目標區(qū)域分割
4.4.3 目標分割實驗結果和性能分析
4.4.4 目標形心位置確定
4.4.5 高分辨率SAR圖像多目標快速檢測
4.5 小結
第五章 基于過完備字典壓縮和稀疏表示的SAR圖像目標識別
5.1 引言
5.2 問題描述
5.3 過完備字典壓縮
5.3.1 主元分析降維算法設計
5.3.2 核主元分析降維算法設計
5.4 基于稀疏表示的SAR圖像車輛目標識別
5.4.1 算法描述
5.4.2 目標分類識別仿真實驗分析
5.4.3 目標姿態(tài)變化對識別性能的影響
5.4.4 噪聲對識別性能的影響
5.4.5 變體目標的識別性能
5.5 小結
第六章 基于控制線的SAR圖像和可見光圖像匹配
6.1 引言
6.2 問題描述
6.3 機載SAR圖像景象匹配原理
6.3.1 圖像仿射變換的數(shù)學模型
6.3.2 異源圖像匹配的四要素
6.3.3 匹配誤差分析和匹配精度
6.4 基于LSD的直線特征提取
6.4.1 圖像梯度
6.4.2 直線段候選區(qū)域和直線段的判定
6.4.3 算法描述與仿真驗證
6.5 可見光與SAR圖像配準
6.5.1 控制線的選取
6.5.2 配準算法描述
6.5.3 仿真實驗驗證與分析
6.5.4 目標定位
6.6 小結
第七章 總結與展望
7.1 本文的主要工作與創(chuàng)新點
7.2 展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術論文
【參考文獻】：
期刊論文
[1]基于主元分析和稀疏表示的SAR圖像目標識別[J]. 劉中杰,莊麗葵,曹云峰,丁萌. 系統(tǒng)工程與電子技術. 2013(02)
[2]從壓縮傳感到低秩矩陣恢復:理論與應用[J]. 彭義剛,索津莉,戴瓊海,徐文立. 自動化學報. 2013(07)
[3]基于不變特征和映射抑制的航拍視頻圖像配準[J]. 易盟,郭寶龍. 航空學報. 2012(10)
[4]基于線特征和控制點的可見光和SAR圖像配準[J]. 李映,崔楊楊,韓曉宇. 自動化學報. 2012(12)
[5]Multi-polarimetric SAR image compression based on sparse representation[J]. CHEN Yuan,ZHANG Rong&YIN Dong Department of Electronic Engineering and Information Science,University of Science and Technology of China,Hefei 230027,China. Science China（Information Sciences）. 2012(08)
[6]A novel cognitive ISAR imaging method with random stepped frequency chirp signal[J]. ZHU Feng,ZHANG Qun,LUO Ying,LI KaiMing&GU FuFei Institute of Telecommunication Engineering,Air Force Engineering University(AFEU),Xi’an 710077,China. Science China（Information Sciences）. 2012(08)
[7]Coherent processing for ISAR imaging with sparse apertures[J]. SHENG JiaLian,ZHANG Lei,XU Gang,XING MengDao&BAO Zheng National Key Laboratory of Radar Signal Processing,Xidian University,Xi’an 710071,China. Science China（Information Sciences）. 2012(08)
[8]Suppressing azimuth ambiguity in spaceborne SAR images based on compressed sensing[J]. YU Ze&LIU Min School of Electronics and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[9]A novel spaceborne SAR wide-swath imaging approach based on Poisson disk-like nonuniform sampling and compressive sensing[J]. SUN JinPing,ZHANG YuXi,TIAN JiHua&WANG Jun School of Electronic and Information Engineering,Beihang University,Beijing 100191,China. Science China（Information Sciences）. 2012(08)
[10]Spotlight SAR sparse sampling and imaging method based on compressive sensing[J]. XU HuaPing1,YOU YaNan1,LI ChunSheng1&ZHANG LvQian2 1S chool of Electronics and Information Engineering,Beihang University,Beijing 100191,China;2C hinese Academy of Engineering,Beijing 100088,China. Science China（Information Sciences）. 2012(08)
博士論文
[1]基于視覺認知的極化SAR圖像應用關鍵技術研究[D]. 周廣益.清華大學 2011
[2]SAR圖像處理及地面目標識別技術研究[D]. 尹奎英.西安電子科技大學 2011
[3]極化SAR圖像人造目標特征提取與檢測方法研究[D]. 張臘梅.哈爾濱工業(yè)大學 2010
[4]高分辨率SAR圖像建筑物提取方法研究[D]. 趙凌君.國防科學技術大學 2009
[5]多信息融合圖像邊緣特征提取及圖像配準研究與應用[D]. 張浩.浙江大學 2008
[6]SAR圖像機動目標檢測與鑒別技術研究[D]. 李禹.國防科學技術大學 2007
[7]基于機載SAR圖像的對地目標檢測方法研究[D]. 王義敏.西北工業(yè)大學 2006
[8]SAR圖像目標特征提取與分類方法研究[D]. 計科峰.中國人民解放軍國防科學技術大學 2003
[9]SAR圖像特征提取與目標識別方法研究[D]. 酈蘇丹.國防科學技術大學 2001
碩士論文
[1]基于壓縮感知的SAR圖像目標識別技術研究[D]. 方慶.電子科技大學 2012
本文編號：3558693
本文鏈接：http://sikaile.net/kejilunwen/jingguansheji/3558693.html
