本文選題：SAR圖像 + 最優(yōu)分數(shù)域時頻譜分析��； 參考：《電子科技大學》2014年碩士論文

【摘要】：SAR目標自動識別(Automatic Target Recognition,ATR)是SAR圖像解譯和分析的重要環(huán)節(jié)。由于SAR圖像不同于其它成像圖像,它摻雜著大量的相干斑噪聲、幾何畸變,易受方位角影響,從而導致背景散射與目標散射間存在差異。因此,如何從SAR圖像中檢測出目標區(qū)域,并提取目標有效信息,從而對SAR目標進行合理解譯是一個亟待攻克的難題。本文主要研究了SAR圖像最優(yōu)分數(shù)域時頻特征的提取,以及在此基礎(chǔ)上完成的高精度SAR目標檢測與識別方法。本文在相關(guān)科研工作者研究的基礎(chǔ)上,將時頻分析與分數(shù)階傅里葉變換相結(jié)合,增加了這種瞬態(tài)分析方法的靈活性,并將該方法用于SAR地面目標檢測,進而開展目標識別方法研究。本文所做的主要研究工作和貢獻如下:(1)研究了SAR ATR的基本理論,掌握了SAR圖像的特性,包括其成像機理,噪聲產(chǎn)生原理及抑制,對SAR目標特性也進行了分析,為本文SAR ATR系統(tǒng)的構(gòu)建打下理論基礎(chǔ)。(2)學習了時頻分析、分數(shù)階傅里葉變換(Fractional Fourier Transform,Fr FT)的基本理論,并在此基礎(chǔ)上深入研究了分數(shù)域時頻分析方法。Fr FT結(jié)合計算復(fù)雜度低的Gabor變換提出了分數(shù)階Gabor變換(Fractional Gabor Transform,Fr GT),并把它推廣至2維SAR圖像信號處理中。(3)對Fr GT最優(yōu)化實現(xiàn)進行了深入的研究,主要是針對窗函數(shù)設(shè)計和最優(yōu)變換階次2方面,并進行了實驗仿真與分析。(4)為了把時頻譜降維可視化,深入研究了最優(yōu)實現(xiàn)后的時頻譜的特征提取方法,選擇最優(yōu)特征,保證檢測的精度。從而提出了基于最優(yōu)分數(shù)域時頻譜特征的SAR目標檢測方法,自適應(yīng)最優(yōu)分數(shù)階Gabor變換(Optimal Fractional Gabor Transform,OFr GT),并進行了實驗仿真與對比分析。(5)深入研究了分類模塊的設(shè)計方法,對分類策略及特征組合進行了討論,參數(shù)尋優(yōu)以及決策融合方式也進行了深入討論,進行了實驗仿真與分析。對實際MSTAR圖像庫處理的結(jié)果中表明,分數(shù)域時頻分析方法為SAR圖像處理提出了一個新思路,且本文提出的檢測和識別方法是可行的。
[Abstract]:Automatic Target recognition (ATR) is an important part of SAR image interpretation and analysis.Because the SAR image is different from other imaging images, it is mixed with a lot of speckle noise, geometric distortion and easy to be affected by the azimuth, which leads to the difference between the background scattering and the target scattering.Therefore, how to detect the target area from the SAR image and extract the effective information of the target so as to interpret the SAR target reasonably is a difficult problem to be solved.This paper mainly studies the extraction of time-frequency features in the optimal fractional domain of SAR images and the method of high precision SAR target detection and recognition based on this.In this paper, the time-frequency analysis and fractional Fourier transform are combined to increase the flexibility of this transient analysis method, and the method is applied to SAR ground target detection.Then the research of target recognition method is carried out.The main research work and contributions of this paper are as follows: 1) the basic theory of SAR ATR is studied, and the characteristics of SAR image are mastered, including its imaging mechanism, noise generation principle and suppression. The characteristics of SAR target are also analyzed.The basic theory of time-frequency analysis and fractional Fourier transform (Fractional Fourier transform) is studied for the construction of SAR ATR system in this paper.On this basis, the fractional domain time-frequency analysis method. Fr FT combined with the Gabor transform with low computational complexity is proposed. The fractional Gabor transform Fractional Gabor Transformator Fr GTN is extended to 2D SAR image signal processing.The realization is studied deeply.Aiming at the window function design and the order of optimal transformation, the experiment simulation and analysis are carried out. In order to visualize the dimensionality reduction of the time-frequency spectrum, the feature extraction method of the time-frequency spectrum after the optimal realization is deeply studied, and the optimal feature is selected.Ensure the accuracy of the detection.Thus, a SAR target detection method based on the spectrum features in the optimal fractional domain is proposed, and the adaptive optimal fractional Gabor transform is optimized Fractional Gabor transform OFR GTN. The design method of the classification module is deeply studied by the experimental simulation and comparative analysis.Classification strategy and feature combination are discussed, parameter optimization and decision fusion are also discussed, and experimental simulation and analysis are carried out.The results of actual MSTAR image database processing show that the fractional domain time-frequency analysis method provides a new idea for SAR image processing, and the detection and recognition method proposed in this paper is feasible.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 施水才;俞鴻魁;呂學強;李渝勤;;基于大規(guī)模語料的新詞語識別方法[J];山東大學學報(理學版);2006年03期

2 蘇家洪;;試述人臉識別新技術(shù)及編輯識別方法[J];中國新技術(shù)新產(chǎn)品;2012年07期

3 高春庚;孫建國;;基于統(tǒng)計的人臉識別方法綜述[J];安陽工學院學報;2012年04期

4 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語義依存線索的事件關(guān)系識別方法研究[J];北京大學學報(自然科學版);2013年01期

5 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線索構(gòu)建的事件關(guān)系識別方法[J];北京大學學報(自然科學版);2014年01期

6 呂冬梅,劉燕萍,李云凱;一個新的機械圖紙識別方法[J];信息技術(shù);2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡(luò)的集裝箱編號識別方法的研究[J];中國包裝工業(yè);2002年09期

8 賀敏;龔才春;張華平;程學旗;;一種基于大規(guī)模語料的新詞識別方法[J];計算機工程與應(yīng)用;2007年21期

9 董世都;黃同愿;王華秋;王森;楊小帆;;半邊人臉識別方法[J];計算機工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識別方法[J];計算機應(yīng)用與軟件;2009年04期

相關(guān)會議論文 前10條

1 鄭凱;;建立多維數(shù)據(jù)異常點識別方法的嘗試[A];第八屆全國體育科學大會論文摘要匯編（一）[C];2007年

2 張朋柱;韓崇昭;萬百五;;智能決策支持系統(tǒng)中的問題識別方法與實現(xiàn)[A];全國青年管理科學與系統(tǒng)科學論文集（第2卷）[C];1993年

3 劉麗蘭;劉宏昭;;時間序列模型的識別方法[A];制造技術(shù)自動化學術(shù)會議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識別方法研究[A];中國聲學學會2007年青年學術(shù)會議論文集（上）[C];2007年

5 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識別方法[A];第二屆全國學生計算語言學研討會論文集[C];2004年

6 張茜;鄭崢;亢一瀾;王娟;仇巍;;基于海量實測數(shù)據(jù)的反演識別方法與盾構(gòu)裝備載荷的力學建模[A];中國力學大會——2013論文摘要集[C];2013年

7 趙銳;陳光發(fā);;軍事口令識別的Fuzzy方法探討[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

8 駱玉榮;劉建麗;史曉濤;;一種自動車窗識別方法的設(shè)計與實現(xiàn)[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集[C];2007年

9 崔凱華;王國慶;方劍青;李紅軍;賈俊波;馬超;趙燁;張東輝;;基于聲模態(tài)分析的材料識別方法研究[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

10 李洪東;梁逸曾;張志敏;;酵母蛋白組中原生肽識別方法的探索研究[A];中國化學會第26屆學術(shù)年會化學信息學與化學計量學分會場論文集[C];2008年

相關(guān)重要報紙文章 前9條

1 陳春道;甲魚優(yōu)劣及雌雄的識別方法[N];北京科技報;2003年

2 龐席堂;假幣的識別方法[N];中華合作時報;2003年

3 王修增;手機被盜號的6種識別方法[N];中國保險報;2003年

4 張侃;正品手機電池識別方法[N];通信產(chǎn)業(yè)報;2000年

5 潘 治;德國開發(fā)出癌癥早期識別方法[N];中國中醫(yī)藥報;2003年

6 新華社記者 段世文;產(chǎn)權(quán)證識別方法[N];新華每日電訊;2001年

7 金亮;機器人的情感[N];中國醫(yī)藥報;2001年

8 黃璐;識別假火車票有絕招[N];山西經(jīng)濟日報;2004年

9 宗紹純;如何識別是純奶還是奶飲料？[N];國際商報;2003年

相關(guān)博士學位論文 前10條

1 趙國騰;跨座式單軌交通軌道梁表面裂紋識別方法研究[D];重慶大學;2015年

2 徐訓;線性與非線性結(jié)構(gòu)動力荷載識別方法及實驗研究[D];哈爾濱工業(yè)大學;2015年

3 張莉莉;競優(yōu)特征的群識別方法及其應(yīng)用[D];東北大學;2010年

4 陳綿書;計算機人臉識別方法研究[D];吉林大學;2004年

5 葉俊勇;人臉檢測與識別方法研究[D];重慶大學;2002年

6 何光輝;四種人臉識別方法研究[D];重慶大學;2010年

7 佟麗娜;基于力學量信息獲取系統(tǒng)的人體摔倒過程識別方法研究[D];中國科學技術(shù)大學;2011年

8 肖冰;人臉畫像—照片的合成與識別方法研究[D];西安電子科技大學;2010年

9 王丹;多維多分辨仿生識別方法研究[D];吉林大學;2011年

10 俞王新;計算機人臉檢測與識別方法的研究[D];上海交通大學;2009年

相關(guān)碩士學位論文 前10條

1 徐珂瓊;基于視頻的人臉識別方法研究[D];天津理工大學;2015年

2 彭姣麗;針對多表情的人臉識別方法研究[D];昆明理工大學;2015年

3 代秀麗;基于半監(jiān)督判別分析的人臉識別方法研究[D];深圳大學;2015年

4 易磊;基于兩階段的交通標志識別方法研究[D];南京理工大學;2015年

5 李彥;基于小波變換的人臉識別方法研究[D];電子科技大學;2014年

6 田曉霞;運動想象EEG的識別方法及在上肢康復(fù)中的應(yīng)用[D];北京工業(yè)大學;2015年

7 楊俊濤;基于分數(shù)譜時頻特征的SAR目標檢測與識別方法研究[D];電子科技大學;2014年

8 王庸豪;面向業(yè)務(wù)層次的服務(wù)識別方法[D];合肥工業(yè)大學;2010年

9 胡慶安;基于雙重特征的協(xié)議識別方法研究[D];西南交通大學;2010年

10 張志偉;基于特異性的人臉識別方法[D];東北師范大學;2012年

，

本文編號：1753640