發(fā)布時(shí)間：2020-04-06 12:50

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)能全天時(shí)、全天候的工作,且具有一定的穿透能力,被廣泛應(yīng)用在軍事和民用等領(lǐng)域。隨著SAR成像技術(shù)的不斷發(fā)展,機(jī)載和星載SAR系統(tǒng)得到了廣泛應(yīng)用,獲取了海量的、大幅的SAR圖像。人工解譯這些SAR圖像近乎不可能,迫切需要SAR圖像自動(dòng)解譯。典型的SAR自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition,ATR)包含三個(gè)階段,即目標(biāo)檢測(cè)、目標(biāo)鑒別和目標(biāo)識(shí)別。對(duì)于目標(biāo)鑒別和目標(biāo)識(shí)別,目前仍存在一些問(wèn)題需要解決,因此研究SAR圖像目標(biāo)鑒別和目標(biāo)識(shí)別具有重要意義。本文針對(duì)目標(biāo)鑒別階段人造雜波剔除問(wèn)題和目標(biāo)識(shí)別階段的特征提取與識(shí)別方法進(jìn)行了深入的分析和研究。主要研究?jī)?nèi)容可以概括為以下三個(gè)方面:1.研究了SAR目標(biāo)鑒別階段人造雜波剔除問(wèn)題。目標(biāo)鑒別的目的是在盡可能保留真實(shí)目標(biāo)的同時(shí),剔除目標(biāo)檢測(cè)階段提取的疑似目標(biāo)切片中的雜波虛警。傳統(tǒng)鑒別特征難以有效去除人造雜波虛警,導(dǎo)致大量的人造雜波虛警進(jìn)入目標(biāo)識(shí)別階段,對(duì)目標(biāo)識(shí)別造成影響。本文針對(duì)SAR目標(biāo)鑒別中人造雜波剔除問(wèn)題,提出了一種基于散射中心特征和K中心一類(lèi)分類(lèi)器的SAR目標(biāo)鑒別方法。散射中心特征由散射中心的幅度和位置組成,充分利用了散射中心的位置信息。對(duì)于自然雜波,其幅度一般與目標(biāo)的幅度差異較大,利用幅度信息可以達(dá)到鑒別目標(biāo)和自然雜波的目的。而對(duì)于與目標(biāo)幅度接近的人造雜波,散射中心的位置能反映目標(biāo)的拓?fù)浣Y(jié)構(gòu),從而鑒別目標(biāo)和人造雜波。從不同SAR切片中提取的散射中心的個(gè)數(shù)可能是不同的,即不同切片的散射中心特征的維度可能是不同的,因此如何測(cè)度這些維度不同的散射中心特征間的相似性(距離)是一個(gè)難點(diǎn)。在本文中,我們利用豪斯多夫距離(Hausdorff Distance,HD)測(cè)度不同散射中心特征間的相似性,并基于HD距離改進(jìn)了傳統(tǒng)的K中心一類(lèi)分類(lèi)器。最后,采用改進(jìn)K中心一類(lèi)分類(lèi)器做鑒別器,給出切片鑒別的最終結(jié)果。基于MiniSAR數(shù)據(jù)的實(shí)驗(yàn)表明,散射中心特征的鑒別性能優(yōu)于傳統(tǒng)特征的鑒別性能,特別是對(duì)于人造雜波的鑒別。2.從SAR相干成像的特性出發(fā),基于屬性散射中心模型(Attribute Scattering Center Model,ASCM),提取與SAR目標(biāo)電磁散射特性相關(guān)的特征用于識(shí)別。傳統(tǒng)SAR目標(biāo)識(shí)別特征的識(shí)別效果雖然不錯(cuò),但是這些特征中的大多數(shù)僅利用了SAR圖像局部區(qū)域像素間的相關(guān)性,而且這些特征大多是低層次的,極易受到相干斑的影響。本文提出了一種基于ASCM和判別字典學(xué)習(xí)的SAR目標(biāo)識(shí)別方法,該識(shí)別算法包含三個(gè)主要階段。在第一個(gè)階段,即低層局部特征提取階段,通過(guò)遺傳算法(Genetic Algorithm,GA)挑選ASCM模型的參數(shù)組合,之后將不同參數(shù)組合的ASCM模型與SAR切片卷積得到低層局部特征。在第二個(gè)階段,即特征編碼階段,提出了一種稱(chēng)為類(lèi)別保持和局部約束的判別字典學(xué)習(xí)方法(Label consistent and Locality constraint Discriminative Dictionary Learning,LcLcDDL),該方法將切片的標(biāo)簽信息和局部幾何信息融入到低層局部特征的稀疏編碼中。在第三個(gè)階段,即特征池化階段,通過(guò)空間金字塔匹配(Spatial Pyramid Matching,SPM),將低層局部特征的稀疏編碼池化整合為最終的高層全局特征。隨后,高層全局特征被送入線性支持向量機(jī)(Support Vector Machine,SVM)分類(lèi)器中,判決切片的類(lèi)別�；贛STAR數(shù)據(jù)驗(yàn)證了得到的稀疏系數(shù)的可分性和高層全局特征的分類(lèi)性能。3.針對(duì)SAR目標(biāo)識(shí)別問(wèn)題,基于類(lèi)哈爾(Haar-like,HL)特征,結(jié)合SAR圖像的局部紋理特性,提出了一種新的SAR目標(biāo)識(shí)別特征:局部二值模式類(lèi)哈爾(LBP-Haar-like,LHL)特征,并將該特征用于目標(biāo)識(shí)別驗(yàn)證其效果。在SAR目標(biāo)識(shí)別的過(guò)程中,特征提取是其中的重要一步。HL特征是基于與哈爾(Haar)小波相同的原理提出的,是一種簡(jiǎn)單的、易于計(jì)算的矩形特征,表征的是兩個(gè)或者多個(gè)相鄰矩形區(qū)域內(nèi)像素強(qiáng)度和的差。在SAR圖像中,隨著方位角的變化,同一目標(biāo)反射的回波信號(hào)也會(huì)發(fā)生變化,而SAR目標(biāo)的局部紋理結(jié)構(gòu)信息隨目標(biāo)方位角變化不大。因此,目標(biāo)的局部紋理結(jié)構(gòu)是一種對(duì)目標(biāo)識(shí)別非常有用的信息。為了更好的利用SAR目標(biāo)局部紋理結(jié)構(gòu)信息,同時(shí)保持HL特征簡(jiǎn)單且易于計(jì)算的特點(diǎn),本文引入局部二值模式(Local Binary Pattern,LBP)將目標(biāo)的局部紋理結(jié)構(gòu)信息融入HL特征中,提出了LHL特征。LHL特征采用與HL特征相同的特征原型,同時(shí)由LBP提取SAR切片的局部紋理特性。從一個(gè)SAR切片中可以提取數(shù)萬(wàn)維的LHL特征,大多數(shù)分類(lèi)器難以處理如此高維度的特征。而隨機(jī)森林(Random Forests,RF)分類(lèi)器對(duì)特征維度不敏感,因此,我們采用RF分類(lèi)器判決切片的類(lèi)別。最后,基于MSTAR數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明LHL特征的性能優(yōu)于HL特征。
【圖文】：

1）SAIP 系統(tǒng)為了快速解譯大量增加的 SAR 數(shù)據(jù)，美國(guó)國(guó)防預(yù)研計(jì)劃署提出了 SAIP 系統(tǒng)。文獻(xiàn)[30]指出，對(duì)于一幅分辨率為1m 1m，覆蓋范圍為 100 平方千米的 SAR 圖像，借助 SAIP 系統(tǒng)，，一個(gè)管理員、兩個(gè)圖像分析員可以在接收到數(shù)據(jù)的 5 分鐘內(nèi)給出目標(biāo)報(bào)告。SAIP 系統(tǒng)包含了先進(jìn)的 ATR 算法和魯棒的虛警剔除技術(shù)，結(jié)合先進(jìn)的計(jì)算機(jī)硬件，可以過(guò)濾掉雜波虛警，并識(shí)別潛在目標(biāo)。SAIP 系統(tǒng)首先對(duì)可能存在的潛在目標(biāo)圖像區(qū)域進(jìn)行標(biāo)注，然后分析員利用 SAIP 提供的人機(jī)交互可視化工具確定目標(biāo)的真實(shí)類(lèi)型，并生成目標(biāo)報(bào)告?zhèn)鬟f給戰(zhàn)場(chǎng)指揮員。在這個(gè)過(guò)程中，圖像分析員可以利用SAR 生成更高分辨率（0.3m 0.3m）的疑似目標(biāo)區(qū)域圖像，最終確定目標(biāo)的真實(shí)類(lèi)型。圖 1.1 表示的是 SAIP 系統(tǒng)的處理流程[30]，由 SAR 采集的雷達(dá)回波數(shù)據(jù)首先被發(fā)送到 SAIP 的地面站，在那里生成 SAR 圖像，并傳遞給 SAIPATR 算法，ATR 算法給出 SAR 圖像中包含潛在目標(biāo)或目標(biāo)群的區(qū)域，之后將目標(biāo)或目標(biāo)群區(qū)域傳遞給圖像分析員，圖像分析員給出最終的目標(biāo)報(bào)告。林肯實(shí)驗(yàn)室主持了 SAIP 系統(tǒng)中人機(jī)交互和 ATR 算法，后續(xù)的目標(biāo)識(shí)別階段就是 DARPA 和 AFRL 主持的 MSTAR 計(jì)劃。

近年來(lái)也越來(lái)越重視相關(guān)技術(shù)的研究中安電子科技大學(xué)像的分割度來(lái)看(f) BRDM2國(guó)內(nèi)有關(guān)SARATR像的分割、檢測(cè)度來(lái)看，仍需不斷努力1.2.2SAR ATR鑒于林肯實(shí)驗(yàn)室提出的(g)圖1.4 MSTAR的研究起步較晚SAR ATR相關(guān)技術(shù)的研究中，包括中國(guó)科學(xué)院電子學(xué)研究所和遙感所安電子科技大學(xué)、國(guó)防科技大學(xué)檢測(cè)、分類(lèi)識(shí)別等方面取得了一定的成果仍需不斷努力。D7數(shù)據(jù)庫(kù)中部分目標(biāo)的光學(xué)圖像和對(duì)應(yīng)的的研究包括中國(guó)科學(xué)院電子學(xué)研究所和遙感所國(guó)防科技大學(xué) ATR分類(lèi)識(shí)別等方面取得了一定的成果。研究的相關(guān)技術(shù)SAR ATR5(h) T62的研究起步較晚，但由于的研究。國(guó)內(nèi)的眾多科研機(jī)構(gòu)以及高校已經(jīng)投入到了實(shí)驗(yàn)室等三級(jí)處理流程(i)但由于SARATR國(guó)內(nèi)的眾多科研機(jī)構(gòu)以及高校已經(jīng)投入到了實(shí)驗(yàn)室等。雖然這些科研機(jī)構(gòu)和高校在[38]-三級(jí)處理流程（如ZIL131SAR在軍事應(yīng)用上的廣闊前景包括中國(guó)科學(xué)院電子學(xué)研究所和遙感所、北京航空航天大學(xué)雖然這些科研機(jī)構(gòu)和高校在-[42]，但從滿足實(shí)際應(yīng)用的角如圖 1.2 所示(j) ZSU234圖像北京航空航天大學(xué)滿足實(shí)際應(yīng)用的角所示）的合理性和高在軍事應(yīng)用上的廣闊前景北京航空航天大學(xué)、西SAR 圖的合理性和高
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 翟慶林;張軍;付強(qiáng);;一種多普勒體制下的多目標(biāo)鑒別方法[J];電光與控制;2008年02期

2 高貴;周蝶飛;蔣詠梅;匡綱要;李德仁;張軍;常青;;合成孔徑雷達(dá)圖像自動(dòng)目標(biāo)鑒別的新方案[J];自然科學(xué)進(jìn)展;2007年12期

3 李為民;朱永鋒;趙宏鐘;付強(qiáng);;基于多普勒譜的多目標(biāo)鑒別技術(shù)[J];系統(tǒng)工程與電子技術(shù);2005年12期

4 趙艷麗;周穎;王雪松;羅佳;王國(guó)玉;;基于動(dòng)力學(xué)模型的有源假目標(biāo)鑒別方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2007年05期

5 王鵬宇;宋千;周智敏;;基于目標(biāo)物理特征和壓縮感知的地雷目標(biāo)鑒別方法[J];電子與信息學(xué)報(bào);2012年08期

6 張昭建;謝軍偉;李欣;盛川;胡祺勇;;頻率分集陣列的有源假目標(biāo)鑒別方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2017年04期

7 高貴;;SAR圖像目標(biāo)鑒別研究綜述[J];信號(hào)處理;2009年09期

8 王衛(wèi)紅;劉長(zhǎng)清;程棟;陳博;;峰值能量比在SAR圖像目標(biāo)鑒別中的應(yīng)用研究[J];中國(guó)電子科學(xué)研究院學(xué)報(bào);2017年06期

9 張二偉;黃亮;;一種適用于分集MIMO雷達(dá)魯棒的有源假目標(biāo)鑒別方法[J];現(xiàn)代雷達(dá);2017年10期

10 徐牧;王雪松;肖順平;;基于散射機(jī)理分類(lèi)與頻譜相關(guān)性分析的極化SAR人造目標(biāo)鑒別[J];信號(hào)處理;2009年03期

相關(guān)博士學(xué)位論文 前5條

1 李汀立;SAR圖像目標(biāo)鑒別和識(shí)別方法研究[D];西安電子科技大學(xué);2019年

2 付信際;合成孔徑雷達(dá)圖像分類(lèi)與目標(biāo)檢測(cè)技術(shù)研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2005年

3 高貴;SAR圖像目標(biāo)ROI自動(dòng)獲取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

4 婁軍;超寬帶合成孔徑雷達(dá)淺埋目標(biāo)特征獲取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

5 王建;探地雷達(dá)高輻射效率天線與目標(biāo)檢測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉夢(mèng)祥;空間鄰近目標(biāo)對(duì)雷達(dá)分辨與檢測(cè)的影響機(jī)理[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

2 呂翠文;SAR目標(biāo)鑒別中的非平衡數(shù)據(jù)問(wèn)題研究[D];西安電子科技大學(xué);2018年

3 楊柳;基于自編碼器的SAR目標(biāo)鑒別算法研究[D];西安電子科技大學(xué);2018年

4 潘杰;復(fù)雜場(chǎng)景下SAR目標(biāo)鑒別算法研究[D];西安電子科技大學(xué);2015年

5 羅曄;基于SAR-SIFT特征的SAR目標(biāo)鑒別與識(shí)別算法研究[D];西安電子科技大學(xué);2017年

6 王斐;特征變換方法及其在SAR目標(biāo)鑒別上的應(yīng)用[D];西安電子科技大學(xué);2014年

7 張?zhí)K月;基于目標(biāo)鑒別準(zhǔn)則的圖像跟蹤性能評(píng)價(jià)[D];長(zhǎng)春理工大學(xué);2013年

8 翟慶林;毫米波PD雷達(dá)多目標(biāo)分辨技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

9 代慧;高分辨SAR圖像目標(biāo)區(qū)域提取方法研究[D];西安電子科技大學(xué);2017年

10 李丹;SAR圖像目標(biāo)鑒別算法研究[D];中國(guó)電子科學(xué)研究院;2013年

本文編號(hào)：2616533