本文選題：SAR　切入點(diǎn)：自動(dòng)目標(biāo)識(shí)別　出處：《國(guó)防科學(xué)技術(shù)大學(xué)》2014年博士論文

【摘要】：基于SAR圖像的自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition,ATR)是SAR應(yīng)用領(lǐng)域一個(gè)極為重要的課題。目前SAR ATR面臨的主要挑戰(zhàn)是目標(biāo)及目標(biāo)所處環(huán)境復(fù)雜多變,僅依靠有限的目標(biāo)SAR圖像進(jìn)行目標(biāo)識(shí)別存在信息量的不足,需要引入其他外部知識(shí)和輔助信息。論文以此為切入點(diǎn)展開(kāi)相關(guān)研究。論文首先梳理了SAR ATR的現(xiàn)狀以及面臨的主要問(wèn)題,指出知識(shí)輔助的SAR ATR是克服SAR ATR困境的一條可行思路,并提出了相應(yīng)的系統(tǒng)處理流程。知識(shí)輔助的SAR ATR引入目標(biāo)、環(huán)境、傳感器以及領(lǐng)域?qū)＜业榷喾矫娴闹R(shí),采用層次化、自適應(yīng)的信息處理流程。目標(biāo)索引是其中的關(guān)鍵環(huán)節(jié),它的作用是在高維假設(shè)空間中確定需要重點(diǎn)關(guān)注的區(qū)域,為后續(xù)精細(xì)化處理提供初始假設(shè)。論文從知識(shí)輔助和擴(kuò)展工作條件處理的角度對(duì)SAR目標(biāo)索引及其特征提取展開(kāi)研究。第二章研究知識(shí)輔助的SAR目標(biāo)分割。對(duì)地面目標(biāo)SAR圖像,陰影也是感興趣的區(qū)域�，F(xiàn)有的分割方法主要考慮目標(biāo)與背景在圖像灰度上的差異以及像素級(jí)的局部區(qū)域連通性,普遍存在較多的目標(biāo)和陰影的缺失。論文引入目標(biāo)和陰影相連通的空間關(guān)系約束先驗(yàn),并利用空間關(guān)系勢(shì)能函數(shù)(Spatial Relation Potential Function,SRPF)進(jìn)行定量描述,在Markov Random Field(MRF)分割的基礎(chǔ)上提出SRPF-MRF分割方法,以得到更加完整的目標(biāo)和陰影。而且,該方法在MRF分割的基礎(chǔ)上僅對(duì)每個(gè)像素施加額外的先驗(yàn)概率,算法的計(jì)算量幾乎沒(méi)有增加,能夠較好地滿足目標(biāo)索引對(duì)效率的需求。第三章從目標(biāo)索引的角度對(duì)SAR圖像散射中心特征提取展開(kāi)分析和研究。首先分析指出屬性散射中心、復(fù)圖像域高分辨點(diǎn)散射中心提取難以滿足目標(biāo)索引對(duì)時(shí)效性、穩(wěn)健性、自動(dòng)化等方面的需求。峰值提取方法能夠滿足這些需求,但峰值提取由于未能考慮展布式散射中心而存在散射中心“漏檢”,影響散射中心特征的目標(biāo)區(qū)分能力。分析推導(dǎo)了屬性散射中心在實(shí)圖像域的表現(xiàn)及其與理想點(diǎn)散射中心的近似等價(jià)關(guān)系,構(gòu)建了一種新的散射中心模型知識(shí)。據(jù)此提出一種基于CLEAN策略的SAR實(shí)圖像域散射中心提取。該方法能較好地解決峰值提取存在的散射中心漏檢,而且由于基于CLEAN策略,算法穩(wěn)健、自動(dòng)化程度高,增加的計(jì)算量不大,能夠滿足目標(biāo)索引的需求。第四章針對(duì)地面車輛目標(biāo),從車輛目標(biāo)的簡(jiǎn)化草圖模型—長(zhǎng)方體模型入手,分析指出其在SAR圖像中具有矩形輪廓。矩形輪廓本身構(gòu)成了一種模型知識(shí),可以為車輛目標(biāo)的部件、子結(jié)構(gòu)(如坦克炮管)的描述提供很好的上下文,有利于擴(kuò)展工作條件下的目標(biāo)索引。矩形輪廓提取的難點(diǎn)主要在于目標(biāo)分割存在的虛假目標(biāo)、缺失以及可能的附加結(jié)構(gòu),如坦克炮管。為了克服這些難點(diǎn),論文引入陰影邊界、目標(biāo)長(zhǎng)寬比等約束知識(shí),提出了一種啟發(fā)式的車輛目標(biāo)SAR圖像矩形輪廓提取方法。MSTAR數(shù)據(jù)實(shí)驗(yàn)結(jié)果說(shuō)明了該方法的有效性。第五章研究了基于特征子結(jié)構(gòu)的目標(biāo)粗分類(即索引)。首先討論了特征子結(jié)構(gòu)的內(nèi)涵、特征子結(jié)構(gòu)的描述、提取和預(yù)測(cè)及其在SAR目標(biāo)索引中的應(yīng)用。從知識(shí)輔助的角度,特征子結(jié)構(gòu)綜合了目標(biāo)模型、觀測(cè)實(shí)例、傳感器知識(shí)、專家知識(shí)等。在矩形輪廓的上下文約束下,根據(jù)炮管特征子結(jié)構(gòu)在SAR圖像中的特點(diǎn),分別從分割結(jié)果和散射中心特征檢測(cè)和提取炮管,并將之用于基于顯著特征子結(jié)構(gòu)檢測(cè)的目標(biāo)索引。提取穩(wěn)定散射中心作為特征子結(jié)構(gòu),考慮矩形輪廓的上下文約束,通過(guò)穩(wěn)定散射中心匹配進(jìn)行SAR目標(biāo)索引。最后MSTAR數(shù)據(jù)實(shí)驗(yàn)說(shuō)明了特征子結(jié)構(gòu)用于SAR目標(biāo)索引的有效性。論文最后(第六章)總結(jié)了論文的研究工作和成果,并對(duì)后續(xù)的研究工作進(jìn)行了展望。
[Abstract]:Automatic target recognition based on SAR images (Automatic Target Recognition, ATR SAR) is one of the most important applications of the subject. The main challenge facing ATR is SAR target and target environment is complex and changeable, lack of recognition of target deposit in the amount of information on only limited SAR image, we need to introduce other external knowledge and auxiliary information. The research paper as a starting point. The main problem of this paper firstly analyzes the status of SAR ATR and SAR ATR are pointed out, knowledge aided is a practical way to overcome the difficulties of SAR ATR, and put forward the corresponding process system. SAR ATR introduced knowledge aided target, environment. Experts in the field of sensors and other aspects of knowledge, using hierarchical, adaptive information processing process. The target index is one of the key links, it is in the high dimensional space hypothesis Determine the need to focus on the region, provide the initial hypothesis for subsequent fine processing. The research on SAR index and target feature extraction from knowledge support and extension work in view of the conditions. The second chapter studies the knowledge aided SAR target segmentation. SAR image target on the ground, the shadow of the region of interest. The existing segmentation methods mainly consider the difference between target and background in the image and the local pixel connectivity, lack generally have many targets and shadows. The introduction of target and shadow connected spatial constraints and a priori, using the spatial relationship potential function (Spatial Relation Potential Function, SRPF) quantitative description in Markov Random Field (MRF) segmentation is proposed based on SRPF-MRF segmentation method, to obtain a more complete target and shadow. Moreover, the segmentation method in MRF On the basis of the prior probability of each pixel only applying additional computation, almost no increase, can better meet the needs of the target index of efficiency. In the third chapter, from the perspective of the SAR image index target scattering center feature extraction is analyzed and researched. Firstly, point out the attributed scattering center, complex image domain high resolution point it is difficult to meet the target scattering center extraction index of the effectiveness, robustness, automation and other needs. The peak extraction method can meet the demand, but the peak extraction due to the failure to consider distributed scattering center and scattering center "missing", to distinguish the impact of scattering center feature target. Deduce the approximate equivalence relation in attributed scattering center the real image domain performance and ideal point scattering center, build a new knowledge. According to the scattering center model based on CLEA N strategy SAR image domain scattering center extraction. This method can solve the scattering center extraction peak detection, and the algorithm based on the CLEAN strategy, robust, high degree of automation, small amount of computation increases, can meet the demand of the target index. The fourth chapter for ground vehicles, starting from the simplified sketch model - cuboid model of vehicle target, it is pointed out that the analysis of rectangular profile in the SAR image. The rectangular outline itself constitutes a model of knowledge, for the target vehicle components, sub structure (such as gun) description provides a good context, a target index can extend the working conditions of the difficulties. Rectangular contour extraction mainly lies in the segmentation of false targets exist, the lack of additional structure as well as possible, such as gun. In order to overcome these difficulties, this paper introduced the target shadow boundary, the ratio of length to width The constraint knowledge, we propose a vehicle SAR image contour and a heuristic method of.MSTAR data extraction experimental results illustrate the effectiveness of the method. The fifth chapter studies the rough classification of target feature based on substructure (i.e. indexing). First discusses the connotation characteristics of sub structure, sub structure feature description, extraction and prediction and its application in the SAR target index. From the angle of knowledge aided feature, substructure target model, observation example, sensor knowledge, expert knowledge and so on. In the context constraints with rectangular profile, according to the characteristics of gun tube feature sub structure in the SAR images, respectively from the segmentation results and scattering centers feature detection and extraction of the barrel, and be used to target based on feature index substructure detection. Extracting stable scattering centers as feature structure, context constraints rectangular outline, through stable Scatter center matching is used to index SAR targets. Finally, MSTAR data experiments show the effectiveness of the feature substructure for SAR target index. The last chapter (the sixth chapter) summarizes the research works and achievements of the paper, and makes a prospect for the following research work.

【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李坤;邵蕓;張風(fēng)麗;;基于多極化機(jī)載合成孔徑雷達(dá)(SAR)數(shù)據(jù)的水稻識(shí)別[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2011年02期

2 劉開(kāi)剛;許梅生;李維;;一種基于雙閾值區(qū)域分割的SAR圖像目標(biāo)提取方法[J];國(guó)外電子測(cè)量技術(shù);2008年03期

3 ;西部測(cè)圖工程機(jī)載干涉SAR測(cè)圖系統(tǒng)項(xiàng)目啟動(dòng)會(huì)在北京召開(kāi)[J];遙感信息;2008年04期

4 蔡紅;;基于稀疏表示的SAR圖像壓縮方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年24期

5 李杏朝，董文敏;SAR圖像的水文應(yīng)用研究[J];遙感信息;1996年04期

6 孫盡堯,孫洪;自然場(chǎng)景SAR圖像的仿真[J];雷達(dá)科學(xué)與技術(shù);2003年04期

7 李金;程超;許浩;;無(wú)人機(jī)機(jī)載合成孔徑雷達(dá)(SAR)定位方法綜述[J];影像技術(shù);2008年03期

8 陳原;張榮;尹東;;基于Tetrolet Packet變換的SAR圖像稀疏表示[J];電子與信息學(xué)報(bào);2012年02期

9 何毅;范偉杰;;手機(jī)批量SAR測(cè)試方案[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年05期

10 紀(jì)建;田錚;徐海霞;;SAR圖像壓縮的多尺度自回歸滑動(dòng)平均模型方法[J];電子學(xué)報(bào);2005年12期

相關(guān)會(huì)議論文 前10條

1 沈晶;楊學(xué)志;;基于邊緣保持分水嶺算法的SAR海冰圖像分割[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

2 郝衛(wèi)東;熊鄴;曲蘭英;周志麗;;一種降低手機(jī)SAR的設(shè)計(jì)[A];2009年全國(guó)天線年會(huì)論文集（下）[C];2009年

3 方勇;;綜合多視角SAR圖像改正遮蔽區(qū)試驗(yàn)[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 于明成;許稼;彭應(yīng)寧;;SAR多普勒中心快速解模糊的新方法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

5 戴爾燕;金亞秋;;多軌道飛行全極化SAR圖像對(duì)目標(biāo)的立體重構(gòu)[A];第二屆微波遙感技術(shù)研討會(huì)摘要全集[C];2006年

6 常本義;高力;;SAR單圖像定位原理[A];中國(guó)科協(xié)2001年學(xué)術(shù)年會(huì)分會(huì)場(chǎng)特邀報(bào)告匯編[C];2001年

7 錢方明;鞏丹超;劉薇;;SAR圖像邊緣特征提取方法研究[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

8 陳林輝;葉偉;賈鑫;;分布式衛(wèi)星SAR圖像方位向分辨率分析[A];中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專業(yè)全國(guó)第八屆學(xué)術(shù)會(huì)議論文集[C];2004年

9 孫偉順;計(jì)科峰;朱俊;粟毅;;典型軍用目標(biāo)SAR圖像預(yù)估[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

10 黃勇;王建國(guó);黃順吉;;基于分段的非監(jiān)督SAR圖像變化檢測(cè)[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

相關(guān)重要報(bào)紙文章 前2條

1 張顯峰;機(jī)載干涉SAR：掀起測(cè)繪革命[N];科技日?qǐng)?bào);2004年

2 鐘勇;國(guó)內(nèi)首套SAR測(cè)圖系統(tǒng)通過(guò)評(píng)審[N];中國(guó)測(cè)繪報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 賀廣均;聯(lián)合SAR與光學(xué)遙感數(shù)據(jù)的山區(qū)積雪識(shí)別研究[D];南京大學(xué);2015年

2 張雙喜;高分辨寬測(cè)繪帶多通道SAR和動(dòng)目標(biāo)成像理論與方法[D];西安電子科技大學(xué);2014年

3 劉小寧;星上SAR實(shí)時(shí)成像處理關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2016年

4 李蘭;森林垂直信息P-波段SAR層析提取方法[D];中國(guó)林業(yè)科學(xué)研究院;2016年

5 張澤兵;知識(shí)輔助的SAR目標(biāo)索引及特征提取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 張鵬;基于統(tǒng)計(jì)模型的SAR圖像降斑和分割方法研究[D];西安電子科技大學(xué);2012年

7 王勃;星載全極化SAR海面散射特性及其船目標(biāo)檢測(cè)方法[D];中國(guó)海洋大學(xué);2013年

8 倪心強(qiáng);SAR圖像分類與自動(dòng)目標(biāo)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2007年

9 周鵬;彈載SAR多種工作模式的成像算法研究[D];西安電子科技大學(xué);2011年

10 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 董立亞;SAR圖像去噪的小波和偏微分方程的數(shù)學(xué)建模[D];河北聯(lián)合大學(xué);2014年

2 陳海文;基于波數(shù)域的圓周SAR三維成像算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 眭明;星機(jī)雙基地SAR同步技術(shù)研究[D];電子科技大學(xué);2014年

4 羅煜川;基于壓縮感知的陣列SAR三維成像方法研究[D];電子科技大學(xué);2015年

5 張強(qiáng);基于視覺(jué)注意的SAR目標(biāo)快速檢測(cè)算法研究[D];電子科技大學(xué);2015年

6 于利娟;手機(jī)天線輻射特性優(yōu)化與SAR研究[D];西安電子科技大學(xué);2013年

7 吳子斌;機(jī)載三維SAR高分辨成像[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 李志華;基于FPGA的微型SAR實(shí)時(shí)成像處理研究[D];西安電子科技大學(xué);2014年

9 劉東洋;基于Z7的SAR實(shí)時(shí)成像處理設(shè)計(jì)[D];西安電子科技大學(xué);2014年

10 張曉梨;基于實(shí)測(cè)SAR圖像的雜波特性研究和圖像重構(gòu)[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1702557