基于字典學(xué)習(xí)的雷達(dá)目標(biāo)識(shí)別
發(fā)布時(shí)間:2021-11-08 08:59
目標(biāo)識(shí)別的目標(biāo)是對(duì)現(xiàn)有的圖像進(jìn)行分析、處理,進(jìn)而識(shí)別圖像中的不同對(duì)象。合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)以其全天候、不受天氣因素影響等優(yōu)勢(shì)被越來越多地應(yīng)用到各個(gè)領(lǐng)域,這也使得雷達(dá)圖像目標(biāo)識(shí)別技術(shù)得到越來越多的關(guān)注。SAR圖像目標(biāo)識(shí)別系統(tǒng)的核心部分是分類算法的設(shè)計(jì)。近年來,稀疏表示、字典學(xué)習(xí)等新的機(jī)器學(xué)習(xí)算法被引入到雷達(dá)圖像目標(biāo)識(shí)別領(lǐng)域,學(xué)者們提出了許多基于字典學(xué)習(xí)的雷達(dá)圖像目標(biāo)識(shí)別算法,但是這些算法大都忽略了對(duì)不同類別圖像間的共性信息和特有信息的結(jié)合問題。此外,雷達(dá)圖像經(jīng)常伴有噪聲,這也進(jìn)一步加大了實(shí)用系統(tǒng)中的目標(biāo)識(shí)別難度。針對(duì)上述問題,本文引入了解析型字典學(xué)習(xí)模型并加以改進(jìn),提出了兩種新的字典學(xué)習(xí)方法,以提升雷達(dá)目標(biāo)識(shí)別的精準(zhǔn)度和魯棒性。具體工作包括:(1)通過分析現(xiàn)有字典學(xué)習(xí)算法應(yīng)用在MSTAR數(shù)據(jù)庫上的性能,發(fā)現(xiàn)現(xiàn)有方法對(duì)類別間個(gè)性和共性信息挖掘的不足,提出了一種字典對(duì)學(xué)習(xí)算法。首先訓(xùn)練一個(gè)結(jié)構(gòu)化的綜合型字典來反應(yīng)不同類別間的差別,然后引入一個(gè)共享字典來減少如高頻反射等引起的共性特征,此外,該算法用解析型字典學(xué)習(xí)來省略0...
【文章來源】: 大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:58 頁
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及其意義
1.2 雷達(dá)圖像目標(biāo)識(shí)別技術(shù)概述
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 基于模板匹配的方法
1.3.2 基于模式分類的方法
1.4 本文組織結(jié)構(gòu)
2 雷達(dá)圖像目標(biāo)識(shí)別的基本理論
2.1 雷達(dá)圖像目標(biāo)識(shí)別框架
2.2 雷達(dá)圖像預(yù)處理
2.2.1 ROI提取的預(yù)處理方法
2.2.2 數(shù)據(jù)增強(qiáng)的預(yù)處理方法
2.2.3 去噪算法
2.3 雷達(dá)圖像特征提取
2.4 雷達(dá)圖像目標(biāo)識(shí)別算法
2.4.1 樸素貝葉斯分類
2.4.2 支持向量機(jī)
2.4.3 神經(jīng)網(wǎng)絡(luò)
2.5 本章小結(jié)
3 基于字典對(duì)學(xué)習(xí)的雷達(dá)圖像目標(biāo)識(shí)別
3.1 稀疏表示理論
3.2 基于字典對(duì)學(xué)習(xí)的雷達(dá)圖像目標(biāo)方法
3.2.1 傳統(tǒng)字典學(xué)習(xí)模型
3.2.2 解析型字典學(xué)習(xí)模型
3.2.3 字典對(duì)學(xué)習(xí)模型
3.2.4 目標(biāo)函數(shù)優(yōu)化求解
3.2.5 分類與復(fù)雜度
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 SAR圖像數(shù)據(jù)集
3.3.2 特征提取
3.3.3 實(shí)驗(yàn)設(shè)計(jì)
3.3.4 結(jié)果分析
3.4 本章小結(jié)
4 魯棒型解析字典學(xué)習(xí)的雷達(dá)圖像目標(biāo)識(shí)別
4.1 特征選擇思想
4.2 魯棒型解析字典
4.3 算法求解過程
4.3.1 目標(biāo)函數(shù)求解
4.3.2 分類策略和時(shí)間復(fù)雜度
4.4 實(shí)驗(yàn)結(jié)果與分析
4.4.1 實(shí)驗(yàn)設(shè)計(jì)
4.4.2 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
【參考文獻(xiàn)】:
期刊論文
[1]SAR圖像艦船目標(biāo)識(shí)別綜述 [J]. 陳文婷,邢相薇,計(jì)科峰. 現(xiàn)代雷達(dá). 2012(11)
[2]一種基于中心矩特征的SAR圖像目標(biāo)識(shí)別方法 [J]. 何壸,白妍,劉宏偉. 火控雷達(dá)技術(shù). 2006(02)
[3]一種提高SAR目標(biāo)識(shí)別率的有效方法 [J]. 韓萍,梅雪蘭,吳仁彪,王兆華. 中國民航學(xué)院學(xué)報(bào). 2003(03)
碩士論文
[1]SAR圖像目標(biāo)切片特征提取方法研究[D]. 周琳.國防科學(xué)技術(shù)大學(xué) 2007
本文編號(hào):3483416
【文章來源】: 大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:58 頁
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及其意義
1.2 雷達(dá)圖像目標(biāo)識(shí)別技術(shù)概述
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 基于模板匹配的方法
1.3.2 基于模式分類的方法
1.4 本文組織結(jié)構(gòu)
2 雷達(dá)圖像目標(biāo)識(shí)別的基本理論
2.1 雷達(dá)圖像目標(biāo)識(shí)別框架
2.2 雷達(dá)圖像預(yù)處理
2.2.1 ROI提取的預(yù)處理方法
2.2.2 數(shù)據(jù)增強(qiáng)的預(yù)處理方法
2.2.3 去噪算法
2.3 雷達(dá)圖像特征提取
2.4 雷達(dá)圖像目標(biāo)識(shí)別算法
2.4.1 樸素貝葉斯分類
2.4.2 支持向量機(jī)
2.4.3 神經(jīng)網(wǎng)絡(luò)
2.5 本章小結(jié)
3 基于字典對(duì)學(xué)習(xí)的雷達(dá)圖像目標(biāo)識(shí)別
3.1 稀疏表示理論
3.2 基于字典對(duì)學(xué)習(xí)的雷達(dá)圖像目標(biāo)方法
3.2.1 傳統(tǒng)字典學(xué)習(xí)模型
3.2.2 解析型字典學(xué)習(xí)模型
3.2.3 字典對(duì)學(xué)習(xí)模型
3.2.4 目標(biāo)函數(shù)優(yōu)化求解
3.2.5 分類與復(fù)雜度
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 SAR圖像數(shù)據(jù)集
3.3.2 特征提取
3.3.3 實(shí)驗(yàn)設(shè)計(jì)
3.3.4 結(jié)果分析
3.4 本章小結(jié)
4 魯棒型解析字典學(xué)習(xí)的雷達(dá)圖像目標(biāo)識(shí)別
4.1 特征選擇思想
4.2 魯棒型解析字典
4.3 算法求解過程
4.3.1 目標(biāo)函數(shù)求解
4.3.2 分類策略和時(shí)間復(fù)雜度
4.4 實(shí)驗(yàn)結(jié)果與分析
4.4.1 實(shí)驗(yàn)設(shè)計(jì)
4.4.2 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
【參考文獻(xiàn)】:
期刊論文
[1]SAR圖像艦船目標(biāo)識(shí)別綜述 [J]. 陳文婷,邢相薇,計(jì)科峰. 現(xiàn)代雷達(dá). 2012(11)
[2]一種基于中心矩特征的SAR圖像目標(biāo)識(shí)別方法 [J]. 何壸,白妍,劉宏偉. 火控雷達(dá)技術(shù). 2006(02)
[3]一種提高SAR目標(biāo)識(shí)別率的有效方法 [J]. 韓萍,梅雪蘭,吳仁彪,王兆華. 中國民航學(xué)院學(xué)報(bào). 2003(03)
碩士論文
[1]SAR圖像目標(biāo)切片特征提取方法研究[D]. 周琳.國防科學(xué)技術(shù)大學(xué) 2007
本文編號(hào):3483416
本文鏈接:http://sikaile.net/kejilunwen/wltx/3483416.html
最近更新
教材專著