本文關鍵詞：SAR圖像目標識別技術研究，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種機載或星載的成像雷達,具有遠距離、全天候、高分辨率和強穿透力等特點。針對SAR圖像的自動目標識別系統(tǒng)的設計已成為國內外研究的熱點。SAR圖像自動目標識別(SAR Automatic Target Recognition,SAR-ATR)系統(tǒng)可大致分為目標檢測、目標鑒別與目標識別三個部分,其中目標識別是SAR-ATR系統(tǒng)的關鍵技術之一,所以研究SAR圖像目標識別技術具有十分重要的意義。針對這一研究熱點,論文從傳統(tǒng)的模板匹配方法與新興的基于支持向量機(Support Vector Machine,SVM)的分類方法兩方面研究了SAR圖像目標識別方法。主要工作包括:1.對不同方位角下的不同類型的飛機模型進行仿真成像,建立完備的模板庫,并將該模板庫與實測SAR圖像作為數據源,同時利用Lee濾波、Kuan濾波等五種濾波算法對數據源進行降噪處理。并對數據源提取標準差特征、加權秩填充比特征、質量特征、直徑特征等11種特征。2.針對半自動圖像智能處理(Semi-Automated Image Intelligence Processing,SAIP)系統(tǒng)中分類器的計算量大、實時性差的缺陷,本文在模板匹配方法的基礎上提出了基于Burg-MSE算法設計的兩步分類器。Burg-MSE兩步分類器利用最小均方誤差(Mean Square Error,MSE)準則篩選出匹配率較高的數個模板,再使用Burg-MSE算法提高篩選后的模板與目標的分辨率并進行匹配,從而得到最終識別結果。3.針對基本SVM分類器無法解決多類分類問題,將基本SVM分類器與二叉樹算法相結合實現了一種新的SVM多類分類器。并將此分類器應用于SAR圖像目標識別。與傳統(tǒng)的基于模板匹配方法設計的分類器相比,SVM多類分類器在識別準確度方面存在一定優(yōu)勢。
【關鍵詞】：支持向量機 模板匹配 合成孔徑雷達 目標識別
【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】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-20
• 1.1 論文研究背景及意義14-16
• 1.2 國內外研究現狀16-17
• 1.2.1 基于支持向量機的目標識別技術16
• 1.2.2 基于模板的目標識別技術16-17
• 1.2.3 基于隱馬爾科夫模型的目標識別技術17
• 1.2.4 基于神經網絡的目標識別技術17
• 1.3 論文結構17-20
• 第二章 SAR圖像降噪與特征提取20-40
• 2.1 SAR圖像目標識別概述20
• 2.2 SAR圖像數據源20-23
• 2.2.1 SAR目標20-21
• 2.2.2 SAR模板庫21-23
• 2.3 SAR圖像降噪23-34
• 2.3.1 相干斑噪聲概述及原理23-26
• 2.3.2 相干斑噪聲抑制算法26-31
• 2.3.3 相干斑噪聲抑制實驗31-34
• 2.4 SAR圖像特征提取34-39
• 2.4.1 圖像特征提取原理34-38
• 2.4.2 圖像特征提取實驗38-39
• 2.5 本章小結39-40
• 第三章 基于Burg-MSE兩步分類器的目標識別技術40-52
• 3.1 Burg-MSE兩步分類器概述40-41
• 3.2 MSE匹配方法41-42
• 3.3 超分辨算法42-46
• 3.3.1 超分辨算法概述42
• 3.3.2 超分辨Capon算法42-45
• 3.3.3 超分辨Burg算法45-46
• 3.4 Burg-MSE兩步分類器的目標識別實驗46-51
• 3.5 本章小結51-52
• 第四章 基于支持向量機的目標識別技術52-76
• 4.1 機器學習概述52
• 4.2 統(tǒng)計學習理論核心思想52-56
• 4.2.1 VC維53-54
• 4.2.2 推廣性的界54-55
• 4.2.3 結構風險最小化55-56
• 4.3 支持向量機原理56-60
• 4.3.1 支持向量機概述56-57
• 4.3.2 支持向量機原理57-60
• 4.4 支持向量機的改進60-62
• 4.4.1 二叉樹算法60-61
• 4.4.2 SVM分類器與二叉樹算法相結合的分類方法61-62
• 4.5 基于支持向量機的目標識別實驗62-74
• 4.5.1 目標及模板的特征提取62-64
• 4.5.2 基于支持向量機的分類器的識別結果64-73
• 4.5.3 基于支持向量機的分類器性能分析73-74
• 4.6 本章小結74-76
• 第五章 總結和展望76-78
• 5.1 研究結論76-77
• 5.2 研究展望77-78
• 參考文獻78-80
• 致謝80-82
• 作者簡介82-83

【相似文獻】

中國期刊全文數據庫 前10條

1 王健敏;金玉蘭;;非合作式目標識別技術概述[J];兵工自動化;2006年08期

2 曹健;王武軍;韓飛;劉玉樹;;基于局部特征的目標識別技術研究[J];計算機工程;2010年10期

3 ;臉部描述和目標識別技術[J];電腦與電信;2011年02期

4 崔磊;;針對多種聲特征的聲目標識別技術研究[J];價值工程;2011年14期

5 王自勇，文婷;精確目標識別技術[J];飛航導彈;1995年08期

6 ;《電訊技術》專題資料 《現代戰(zhàn)爭目標識別技術的現狀及發(fā)展》題要(一)[J];電訊技術;2003年03期

7 ;《電訊技術》專題資料 《現代戰(zhàn)爭目標識別技術的現狀及發(fā)展》題要(二)[J];電訊技術;2003年03期

8 ;《電訊技術》專題資料 《現代戰(zhàn)爭目標識別技術的現狀及發(fā)展》題要(四)[J];電訊技術;2003年03期

9 ;《電訊技術》專題資料 《現代戰(zhàn)爭目標識別技術的現狀及發(fā)展》題要(五)[J];電訊技術;2003年03期

10 關成斌;王國宏;李宇;谷勇;;基于多級模糊綜合評判的雷達網目標識別技術[J];海軍航空工程學院學報;2006年02期

中國重要會議論文全文數據庫 前4條

1 尹奎英;金林;錢博;房凱;;SAR目標識別技術綜述[A];第四屆中國科學院博士后學術年會暨工業(yè)經濟與可持續(xù)發(fā)展學術會議論文集[C];2012年

2 霍富榮;陳宇;苗華;王文生;薛常喜;;空間光調制器在復雜背景目標識別技術中的應用[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

3 何慶聲;;光學多通道體全息快速目標識別技術[A];2007年光電探測與制導技術的發(fā)展與應用研討會論文集[C];2007年

4 傅志中;李在銘;;亞圖像慣性目標識別技術及DSP實時實現[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

中國重要報紙全文數據庫 前2條

1 何成渠;國防科技大學創(chuàng)新團隊項目：目標識別技術[N];科技日報;2006年

2 湯穎;勤思結網鎖長空 求索密織建豐功[N];中國航空報;2007年

中國博士學位論文全文數據庫 前4條

1 常永鑫;基于視覺認知的目標識別技術研究[D];電子科技大學;2015年

2 高陽;成像制導中的圖像預處理及目標識別技術研究[D];西北工業(yè)大學;2006年

3 王大偉;基于特征級圖像融合的目標識別技術研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2010年

4 胡利平;合成孔徑雷達圖像目標識別技術研究[D];西安電子科技大學;2009年

中國碩士學位論文全文數據庫 前10條

1 郭倩倩;目標識別技術在鋼筋計數系統(tǒng)中的研究與應用[D];沈陽理工大學;2015年

2 王誠;SAR圖像目標識別技術研究[D];西安電子科技大學;2015年

3 潘友明;海面紅外目標識別技術研究[D];南京理工大學;2006年

4 趙永一;多源數據融合的輻射源及目標識別技術[D];西安電子科技大學;2006年

5 劉瓊;激光振動目標識別技術研究[D];西安電子科技大學;2008年

6 張美仙;基于數據融合的聲目標識別技術研究[D];中北大學;2011年

7 魯欣;紅外圖像目標識別技術研究[D];哈爾濱工程大學;2007年

8 楊欣穎;潛器光視覺目標識別技術的研究與設計[D];哈爾濱工程大學;2010年

9 宋敏;基于神經網絡的目標識別技術研究[D];南京理工大學;2005年

10 張琦;海上目標識別技術研究[D];西北工業(yè)大學;2007年

  本文關鍵詞：SAR圖像目標識別技術研究，，由筆耕文化傳播整理發(fā)布。

本文編號：418607