本文關(guān)鍵詞：基于核函數(shù)的SAR圖像目標(biāo)識別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(SAR)工作于微波頻段,并具有相干成像的功能,能在嚴(yán)酷惡劣的氣候下,對目標(biāo)實現(xiàn)全天時偵察并獲得大面積的二維高分辨率圖像,為目標(biāo)的有效分類與識別提供了數(shù)據(jù)來源,具有廣泛的應(yīng)用價值。近年來,SAR自動目標(biāo)識別技術(shù)應(yīng)運而生,在提高信息處理效率的同時能改善對目標(biāo)識別的準(zhǔn)確度,并將成為各國在國防軍事領(lǐng)域的重點研究方向。本文主要對SAR圖像預(yù)處理和特征提取進(jìn)行探討,驗證預(yù)處理方法的適用性并研究各種特征提取方法對目標(biāo)識別的影響。具體內(nèi)容包括:1、針對SAR圖像的特殊性,采用系統(tǒng)的預(yù)處理方法對MSTAR數(shù)據(jù)進(jìn)行處理。本文通過增強(qiáng)Lee濾波與中值濾波的級聯(lián)來有效地抑制原始SAR圖像的相干斑噪聲,保留圖像的邊緣等細(xì)節(jié)信息;采用冪變換的灰度增強(qiáng)方法改善圖像的對比度,提高目標(biāo)的辨識能力;對圖像采取雙參數(shù)恒虛警率分割,將感興趣的目標(biāo)區(qū)域從復(fù)雜的背景雜波中分離出來;通過后續(xù)的質(zhì)心配準(zhǔn)和能量歸一化處理,克服了目標(biāo)相對于雷達(dá)距離不同造成的目標(biāo)散射回波強(qiáng)度差異的影響。2、研究了核主分量分析方法,該方法將核空間中的內(nèi)積通過樣本空間中的核函數(shù)來表示,有效解決了傳統(tǒng)的主分量分析不利于數(shù)據(jù)非線性特征的提取問題。此外,研究了基于核函數(shù)的二維主分量分析方法,該方法在核空間中采用二維主分量分析,在有效解決非線性特征提取問題的同時保留圖像的二維空間結(jié)構(gòu)信息,對樣本數(shù)的依賴度低,并降低了對目標(biāo)方位信息的精度要求。3、針對線性判別分析特征提取方法采用一維向量模型的方式運算導(dǎo)致的維數(shù)災(zāi)難和小樣本問題,探索了核線性判別分析以及改進(jìn)的核加權(quán)最大間距準(zhǔn)則方法,并研究保留圖像結(jié)構(gòu)信息的核二維線性判別分析方法。該方法利用所構(gòu)造的核樣本圖像矩陣直接在核空間采用二維線性判別分析方法,在保證解決小樣本問題的前提下,對目標(biāo)方位角變化也具有較好的魯棒性。
【關(guān)鍵詞】：合成孔徑雷達(dá) 自動目標(biāo)識別 圖像預(yù)處理 特征提取 核函數(shù)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10
• 1.2 SAR ATR研究現(xiàn)狀10-14
• 1.3 SAR ATR的技術(shù)難點14
• 1.4 論文的主要工作14-16
• 第二章 SAR圖像預(yù)處理16-32
• 2.1 MSTAR數(shù)據(jù)介紹16-18
• 2.2 SAR圖像相干斑抑制18-22
• 2.2.1 Lee濾波器19-20
• 2.2.2 Kuan濾波器20
• 2.2.3 Frost濾波器20-21
• 2.2.4 相干斑抑制性能的評估21-22
• 2.3 冪變換22-23
• 2.4 SAR圖像分割23-27
• 2.4.1 基于Weibull分布的雙參數(shù)CFAR分割23-26
• 2.4.2 幾何聚類與二值掩膜26-27
• 2.5 后續(xù)處理27-28
• 2.5.1 質(zhì)心配準(zhǔn)27-28
• 2.5.2 能量歸一化28
• 2.6 預(yù)處理流程28-30
• 2.7 本章小結(jié)30-32
• 第三章 基于核函數(shù)主分量分析的SAR圖像目標(biāo)識別32-54
• 3.1 核函數(shù)32-36
• 3.1.1 核映射與核空間32-33
• 3.1.2 核函數(shù)的定義33-35
• 3.1.3 核函數(shù)的類型及構(gòu)造35-36
• 3.2 基于核函數(shù)的主分量分析方法36-40
• 3.2.1 線性主分量分析36-37
• 3.2.2 核主分量分析37-40
• 3.3 基于核函數(shù)的二維主分量分析方法40-45
• 3.3.1 二維主分量分析40-43
• 3.3.2 核二維主分量分析43-45
• 3.4 實驗分析與結(jié)論45-53
• 3.4.1 分類器設(shè)計45
• 3.4.2 SAR圖像預(yù)處理對識別性能的影響45-47
• 3.4.3 不同特征提取方法的識別性能47-53
• 3.5 本章小結(jié)53-54
• 第四章 基于核函數(shù)線性判別分析的SAR圖像目標(biāo)識別54-70
• 4.1 核線性判別分析方法54-57
• 4.1.1 線性判別分析54-55
• 4.1.2 核線性判別分析55-57
• 4.2 基于核線性判別分析的改進(jìn)方法研究57-60
• 4.2.1 正則化KLDA57
• 4.2.2 核最大間距準(zhǔn)則57-58
• 4.2.3 核加權(quán)最大間距準(zhǔn)則58-60
• 4.3 核二維線性判別分析60-65
• 4.3.1 二維線性判別分析60-62
• 4.3.2 核二維線性判別分析62-65
• 4.4 實驗分析與結(jié)論65-69
• 4.5 本章小結(jié)69-70
• 第五章 總結(jié)與展望70-72
• 5.1 全文總結(jié)70-71
• 5.2 研究展望71-72
• 致謝72-73
• 參考文獻(xiàn)73-76
• 攻讀碩士學(xué)位期間取得的成果76-77

【參考文獻(xiàn)】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 尹奎英;SAR圖像處理及地面目標(biāo)識別技術(shù)研究[D];西安電子科技大學(xué);2011年

  本文關(guān)鍵詞：基于核函數(shù)的SAR圖像目標(biāo)識別研究，由筆耕文化傳播整理發(fā)布。

本文編號：378177