【摘要】：合成孔徑雷達(SAR)是一種不受天氣、光照等各種外界環(huán)境影響,并可以對感興趣的區(qū)域進行全天候、全天時偵查的微波探測傳感器。自SAR研制成功以來,SAR成像技術得到了快速地發(fā)展,獲得的SAR圖像分辨率也越來越高。隨著各種各樣SAR系統的出現,使得SAR在各個領域中應用越來越廣泛,因而SAR目標鑒別也成為廣大學者的研究重點。然而,在實際應用中,由于可獲取的目標樣本通常比較少,雜波樣本相對較多,導致SAR目標鑒別中的訓練數據存在非平衡的情況。而傳統的SAR目標鑒別算法在訓練樣本非平衡時目標的檢測率下降,導致鑒別性能下降,所以非平衡數據下的SAR目標鑒別算法的性能有待提高。為解決以上問題,本文研究了基于傳統非平衡數據分類方法的SAR目標鑒別算法、基于代價敏感字典學習的SAR目標鑒別算法和基于集成學習的SAR目標鑒別算法,以提高非平衡數據下的SAR目標鑒別算法的性能。論文安排如下:1.主要介紹本文的研究背景及意義、SAR目標鑒別研究現狀、非平衡數據分類問題的研究現狀和本文主要安排。2.研究了基于傳統非平衡數據分類方法的SAR目標鑒別算法。首先簡單介紹了利用基于雙參數恒虛警(CFAR)檢測和超像素分割算法得到圖像切片的過程;接著對基于詞包模型的鑒別特征提取方法進行了簡要描述,并在miniSAR圖像上進行實驗;最后研究了一些傳統的針對非平衡數據分類進行處理的方法,并在miniSAR數據集上進行對比實驗。3.研究了基于代價敏感字典學習的SAR目標鑒別算法。首先對稀疏表示分類基本理論和K-SVD字典學習算法進行了介紹;然后介紹了基于代價敏感字典學習的SAR目標鑒別算法框架及算法流程,在稀疏編碼階段考慮了代價信息,并在整個字典學習過程中強制執(zhí)行代價敏感約束;最后在miniSAR數據集上進行對比實驗,驗證了代價信息對非平衡數據下的SAR目標鑒別算法性能的提升作用。4.研究了基于集成學習的SAR目標鑒別算法。首先介紹集成學習基本理論;接著描述了基于三種不同字典集成方式的SAR目標鑒別算法,并在miniSAR數據集上進行對比實驗;最后介紹基于集成多分類器的SAR目標鑒別算法框架及流程,基分類器分別為基于代價敏感字典學習的稀疏表示分類器(CSDL-SRC)與支持向量機(SVM),并在miniSAR數據集上進行對比實驗,驗證集成學習對非平衡數據下的SAR目標鑒別效果有進一步提升作用。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN957.52
【圖文】：

20%將其標記為目標切片，否則標記為雜波切片。切片提取結果如圖 2.1 所示。(a)目標切片 (b)人造雜波切片 (c)自然雜波切片圖2.1 基于超像素分割與雙參數 CFAR 檢測提取到的切片2.2.2 基于詞包模型的鑒別特征提取對所有的切片提取SAR-SIFT局部特征利用kmeans算法和訓練樣本的SAR-SIFT局部特征，學習一個編碼字典D利用編碼字典D，對所有切片的SAR-SIFT局部特征進行量化編碼利用均值合并，得到基于詞包模型的鑒別特征圖2.2 基于詞包模型的鑒別特征提取過程根據文獻[17]中所描述，基于詞包模型的鑒別特征的提取過程如圖 2.2 所示，主要包括以下四步：

(a) miniSAR 圖像 1 標記圖 (b) miniSAR 圖像 2 標記圖(c) miniSAR 圖像 3 標記圖 (d) miniSAR 圖像 4 標記圖圖2.6 實測 miniSAR 圖像人工標記圖切片圖像是通過 2.2.1 節(jié)所述的過程得到，表 2.1 中顯示的是從每幅圖像上獲得的切片數目。表2.1 四幅 miniSAR 圖像提取的切片數目圖像大小 目標切片數目 雜波切片數目miniSAR 圖像 1 1638*2510 79 510miniSAR 圖像 2 1638*2510 159 627miniSAR 圖像 3 1638*2510 115 305miniSAR 圖像 4 3274*2510 140 599從上述表2.1中可以看出每幅miniSAR圖像得到的雜波切片數目都遠多于目標切片數目，因此訓練切片中的目標切片與雜波切片的數目也存在較為嚴重的不平衡的問題，例如將圖 2.5 中的(a)作為測試圖像，剩下的(b)、(c)、(d)作為訓練圖像，則目標類訓練樣本數為159 115 140 414，雜波類樣本數為627 305 599 1531。實驗的訓練切片和測試切片的數目如表 2.2 所示：

【參考文獻】

中國期刊全文數據庫 前2條

1 黃凱奇;任偉強;譚鐵牛;;圖像物體分類與檢測算法綜述[J];計算機學報;2014年06期

2 高貴;;SAR圖像目標鑒別研究綜述[J];信號處理;2009年09期

中國博士學位論文全文數據庫 前2條

1 丁軍;基于稀疏理論的SAR圖像目標識別研究[D];西安電子科技大學;2015年

2 高貴;SAR圖像目標ROI自動獲取技術研究[D];國防科學技術大學;2007年

本文編號：2750864