SAR圖像目標(biāo)識(shí)別和多目標(biāo)行為識(shí)別是SAR圖像處理和解譯的關(guān)鍵技術(shù),也是SAR圖像處理領(lǐng)域的研究熱點(diǎn)。由于SAR圖像特殊的成像機(jī)理,目標(biāo)信息被相干斑噪聲嚴(yán)重污染,使得圖像中的一些輪廓細(xì)節(jié)等精細(xì)結(jié)構(gòu)被一定程度的弱化。為了克服相干斑噪聲對(duì)圖像細(xì)節(jié)的影響并降低對(duì)人工設(shè)計(jì)特征和分類器的依賴,進(jìn)一步提高SAR圖像目標(biāo)識(shí)別的正確率,本文研究了基于小波閾值降噪結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別方法。在交互行為識(shí)別中,傳統(tǒng)方法的特征選取通常是人工設(shè)計(jì)的,特別在對(duì)交互行為矩陣分層設(shè)計(jì)時(shí)需要許多先驗(yàn)知識(shí)和經(jīng)驗(yàn),對(duì)交互行為矩陣的特征提取過(guò)程是十分困難和耗費(fèi)時(shí)間的。同時(shí)隨著交互目標(biāo)數(shù)量的增長(zhǎng),一些傳統(tǒng)方法參數(shù)估計(jì)的復(fù)雜度會(huì)隨著增加。為了克服這些問(wèn)題,提高多目標(biāo)交互行為識(shí)別正確率,本文研究了基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像多目標(biāo)交互行為識(shí)別方法。本文主要研究?jī)?nèi)容如下:1、研究SAR圖像目標(biāo)識(shí)別方法,提出基于小波閾值降噪結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別方法,對(duì)輸入的SAR圖像進(jìn)行二維小波分解,做貝葉斯估計(jì)的小波系數(shù)閾值降噪處理后,利用卷積神經(jīng)網(wǎng)絡(luò)從SAR圖像中自動(dòng)學(xué)習(xí)多層的特征表征圖像,用學(xué)習(xí)到的特征識(shí)別目標(biāo)類... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及分析
        1.2.1 SAR目標(biāo)識(shí)別方法的研究現(xiàn)狀及分析
        1.2.2 目標(biāo)行為識(shí)別方法的研究現(xiàn)狀及分析
    1.3 研究目標(biāo)與研究?jī)?nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第2章 相關(guān)技術(shù)概述
    2.1 圖像降噪
        2.1.1 Lee濾波及其增強(qiáng)方法
        2.1.2 小波閾值去噪方法
    2.2 SAR圖像目標(biāo)識(shí)別方法
        2.2.1 基于主成分分析特征的SAR圖像目標(biāo)識(shí)別方法
        2.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別方法
    2.3 行為識(shí)別分類方法
        2.3.1 基于隱馬爾可夫模型的行為識(shí)別方法
        2.3.2 基于耦合隱馬爾可夫模型的行為識(shí)別方法
        2.3.3 基于深度學(xué)習(xí)的行為識(shí)別方法
    2.4 本章小結(jié)
第3章 基于小波閾值降噪結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別
    3.1 方法概述
    3.2 方法具體描述
        3.2.1 SAR目標(biāo)圖像的小波分解
        3.2.2 小波系數(shù)閾值處理
        3.2.3 SAR目標(biāo)圖像的小波重構(gòu)
        3.2.4 卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別
    3.3 實(shí)驗(yàn)結(jié)果比較和分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 SAR圖像多目標(biāo)交互行為識(shí)別
    4.1 方法概述
    4.2 方法具體描述
        4.2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)
        4.2.2 運(yùn)動(dòng)目標(biāo)識(shí)別
        4.2.3 交互行為特征提取
        4.2.4 交互行為類型識(shí)別
    4.3 實(shí)驗(yàn)結(jié)果比較和分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第5章 SAR多目標(biāo)行為識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 SAR多目標(biāo)行為識(shí)別系統(tǒng)總體概述
    5.2 系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)
        5.2.1 注冊(cè)/登錄模塊設(shè)計(jì)及實(shí)現(xiàn)
        5.2.2 數(shù)據(jù)讀取模塊設(shè)計(jì)及實(shí)現(xiàn)
        5.2.3 目標(biāo)識(shí)別模塊設(shè)計(jì)及實(shí)現(xiàn)
        5.2.4 行為識(shí)別模塊設(shè)計(jì)及實(shí)現(xiàn)
    5.3 本章小結(jié)
第6章 結(jié)論與展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加的科研項(xiàng)目和成果



本文編號(hào)：3197204