本文關(guān)鍵詞：海上艦船目標監(jiān)測方法研究　出處：《北京化工大學》2015年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 合成孔徑雷達 艦船監(jiān)測 海雜波統(tǒng)計模型 集成學習

【摘要】：隨著合成孔徑雷達(SAR)的成像技術(shù)不斷提高,越來越多的學者將SAR圖像應(yīng)用于海洋艦船目標監(jiān)測中。在對基于SAR圖像的艦船目標監(jiān)測過程中,艦船目標的檢測及識別是我們需要解決的基本問題。統(tǒng)計模型是艦船目標檢測的基礎(chǔ),它能夠通過統(tǒng)計的方法描述SAR圖像并說明圖像的特點。本文首先分析了基于SAR圖像的統(tǒng)計模型的發(fā)展現(xiàn)狀,繼而對目前經(jīng)典的統(tǒng)計模型的基本原理及適用情況進行了說明,最后提出一種基于模型相似度擬合的海雜波統(tǒng)計方法,意在提高艦船檢測方法的適用性。該算法首先根據(jù)合成孔徑雷達(SAR)圖像計算瑞利分布、對數(shù)正態(tài)分布、韋布爾分布、K分布、G0分布等五種經(jīng)典的海雜波分布模型的概率密度函數(shù),然后根據(jù)模型間的相似度準則擬合得到新的海雜波分布模型。實驗部分利用四景不同類型的真實SAR數(shù)據(jù)對算法的擬合性能及檢測性能進行了評價,結(jié)果顯示利用該算法得到的擬合模型遠優(yōu)于其它分布模型,基于該擬合模型的恒虛警率艦船檢測算法在控制虛警和漏檢方面均優(yōu)于采用其它模型的同類方法。在艦船目標識別階段,利用真實SAR圖像艦船樣本數(shù)據(jù)庫,使算法識別結(jié)果具有說服力,并提出基于集成學習算法的艦船目標識別算法。該算法首先提取了艦船在尺度與形狀、亮度、紋理、不變矩等四方面共20種特征,并通過設(shè)計的集成學習識別器,輸出最后的識別結(jié)果。該識別器能夠?qū)⒁唤M賦予權(quán)重的弱分類器組合起來,形成一個強大的決策識別器。實驗部分利用SAR艦船識別數(shù)據(jù)庫中貨船、集裝箱船及油輪3種典型的艦船類型樣本對算法的識別性能進行評估,實驗結(jié)果顯示,該算法針對該SAR圖像艦船樣本的識別性能要優(yōu)于SVM及KNN兩種典型的識別器。
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.52

【參考文獻】

相關(guān)期刊論文 前2條

1 郝秀蘭;陶曉鵬;徐和祥;胡運發(fā);;kNN文本分類器類偏斜問題的一種處理對策[J];計算機研究與發(fā)展;2009年01期

2 ;A new CFAR ship target detection method in SAR imagery[J];Acta Oceanologica Sinica;2010年01期

，

本文編號：1333666