【摘要】：合成孔徑雷達(dá)(SAR)圖像解譯一直以來(lái)都受到研究人員的廣泛關(guān)注,近年來(lái),隨著雷達(dá)技術(shù)的發(fā)展,SAR圖像已經(jīng)達(dá)到了超高分辨率,這給解譯工作帶來(lái)了機(jī)遇和挑戰(zhàn)。在超高分辨率SAR圖像(MiniSAR)中,目標(biāo)面和線常常呈現(xiàn)出大小不一、強(qiáng)度不同且不連通的亮斑使目標(biāo)不完整等現(xiàn)象,使得直接進(jìn)行目標(biāo)檢測(cè)極其困難,從而導(dǎo)致檢測(cè)率低的問(wèn)題。針對(duì)上述問(wèn)題,本文提出了基于信息交互和遷移學(xué)習(xí)的超高分辨率SAR圖像飛機(jī)目標(biāo)檢測(cè)方法,主要工作如下:(1)提出了基于亮暗閾值分割與k近鄰選擇的感興趣目標(biāo)候選區(qū)域獲取方法。首先,根據(jù)SAR圖像中飛機(jī)目標(biāo)的特點(diǎn),分別對(duì)SAR圖像進(jìn)行亮閾值分割和暗閾值分割,得到亮區(qū)域候選圖和暗區(qū)域候選圖;然后,根據(jù)一個(gè)目標(biāo)陰影可能對(duì)應(yīng)多個(gè)亮斑的先驗(yàn)知識(shí),選擇距離暗區(qū)域最近的k個(gè)亮區(qū)域,將它們與暗區(qū)域進(jìn)行合并,得到像素空間的感興趣目標(biāo)候選區(qū)域。實(shí)驗(yàn)結(jié)果表明,該方法可以有效提取超高分辨率SAR圖像中的感興趣目標(biāo)候選區(qū)域。(2)提出了基于機(jī)翼陰影結(jié)構(gòu)的飛機(jī)目標(biāo)陰影補(bǔ)全方法。首先,將像素空間的感興趣目標(biāo)候選區(qū)域?qū)?yīng)到SAR圖像的語(yǔ)義素描圖中,得到語(yǔ)義空間的感興趣目標(biāo)候選區(qū)域;然后,基于素描線段鄰域結(jié)構(gòu)關(guān)系提取語(yǔ)義空間的感興趣目標(biāo)候選區(qū)域中疑似機(jī)翼陰影的素描線段;最后,對(duì)包含疑似機(jī)翼陰影素描線段的飛機(jī)目標(biāo)候選區(qū)域,分析該區(qū)域中機(jī)翼陰影結(jié)構(gòu),針對(duì)不同區(qū)域采用不同的陰影補(bǔ)全方法,一種是針對(duì)兩側(cè)機(jī)翼陰影均完整的區(qū)域的陰影補(bǔ)全方法,另一種是針對(duì)只出現(xiàn)一側(cè)機(jī)翼陰影的區(qū)域的陰影補(bǔ)全方法,兩種方法的應(yīng)用場(chǎng)景有所不同,但都能夠?qū)︼w機(jī)目標(biāo)的陰影進(jìn)行補(bǔ)全,得到目標(biāo)陰影區(qū)域圖。本文方法結(jié)合了目標(biāo)在像素空間的灰度信息和在語(yǔ)義空間的結(jié)構(gòu)信息,實(shí)驗(yàn)結(jié)果表明,通過(guò)兩個(gè)空間信息交互可以獲取飛機(jī)目標(biāo)候選區(qū)域并對(duì)目標(biāo)陰影進(jìn)行補(bǔ)全,有利于后期對(duì)飛機(jī)目標(biāo)候選區(qū)域進(jìn)行分類識(shí)別。(3)研究了基于遷移學(xué)習(xí)的超高分辨率SAR圖像中飛機(jī)目標(biāo)候選區(qū)域分類方法。首先設(shè)計(jì)對(duì)應(yīng)自然圖像中不同飛機(jī)種類的飛機(jī)目標(biāo)二值模板,并將其作為源域,對(duì)經(jīng)過(guò)陰影補(bǔ)全后的目標(biāo)陰影區(qū)域進(jìn)行后處理操作,得到目標(biāo)陰影區(qū)域二值圖,將其作為目標(biāo)域,通過(guò)基于素描標(biāo)注信息的生成對(duì)抗遷移學(xué)習(xí)方法,將源域的標(biāo)簽信息賦給目標(biāo)域數(shù)據(jù),進(jìn)而完成飛機(jī)目標(biāo)候選區(qū)域的分類任務(wù)。利用遷移學(xué)習(xí)方法,可以解決SAR圖像數(shù)據(jù)量少且標(biāo)簽難以獲得的問(wèn)題,實(shí)現(xiàn)對(duì)SAR圖像中飛機(jī)目標(biāo)候選區(qū)域的準(zhǔn)確分類與識(shí)別。
【圖文】：

西安電子科技大學(xué)碩士學(xué)位論文變得廣泛可用[6]。超高分辨率 SAR 圖像包含了對(duì)象的許多細(xì)節(jié)，可以用于描述目的結(jié)構(gòu)特征。MiniSAR 系統(tǒng)，PAMIR 系統(tǒng)和 SETHI 系統(tǒng)[7-9]實(shí)現(xiàn)了 0.1 米空間分辨SAR 成像系統(tǒng), TerraSAR 系統(tǒng)也達(dá)到了 0.5 米的分辨率。這些 VHR SAR 圖像數(shù)據(jù)以用于檢測(cè)各種重要物體，例如汽車、飛機(jī)、建筑物和其他地物。超高分辨率 SAR像如圖 1.1 所示，其中圖 1.1（a）、圖 1.1（b）、圖 1.1（c）為 0.1 米分辨率的 MiniSA圖像中的飛機(jī)目標(biāo)切片，圖 1.1（d）、圖 1.1（e）、圖 1.1（f）為 0.5 米分辨率的 TerraSA圖像中的飛機(jī)目標(biāo)切片。(a) 飛機(jī)目標(biāo) 1 (b) 飛機(jī)目標(biāo) 2 (c) 飛機(jī)目標(biāo) 3

斑噪聲具有很強(qiáng)的魯棒性。素描圖中的素描線段不僅僅可以表示 SAR 圖像中亮度變化可辨識(shí)的位置和方向這些低級(jí)的屬性特征，還能夠表示與雷達(dá)成像機(jī)制有關(guān)的高級(jí)語(yǔ)義信息。素描線段表示的語(yǔ)義信息具體為：（1）兩個(gè)不同地物的邊界；（2）線目標(biāo)，如橋梁、道路等；（3）高于地面的目標(biāo)，如一棵樹(shù)的亮斑和陰影形成的明顯邊界，一棟建筑物的亮斑和陰影形成的明顯邊界等。利用素描圖中素描線段的語(yǔ)義信息可以輔助 SAR 圖像中目標(biāo)檢測(cè)工作。對(duì) SAR 圖像利用素描圖提取算法得到其對(duì)應(yīng)的素描圖，，結(jié)果如圖 1.3 所示。(a) miniSARKAFB 圖像 (b) miniSARKAFB 圖像的素描圖
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王樹(shù)國(guó);黃勇杰;張生;;可見(jiàn)光圖像中飛機(jī)目標(biāo)的特征選擇及提取[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2010年07期

2 王冰;周焰;趙凱;吳長(zhǎng)飛;;基于深度學(xué)習(xí)的遙感影像飛機(jī)目標(biāo)檢測(cè)方法[J];空軍預(yù)警學(xué)院學(xué)報(bào);2019年04期

3 張漢華,王偉,姜衛(wèi)東,陳曾平,莊釗文;基于圖像描述技術(shù)的飛機(jī)目標(biāo)架次判別方法[J];系統(tǒng)工程與電子技術(shù);2003年09期

4 趙春梅;陳忠碧;張建林;;基于深度學(xué)習(xí)的飛機(jī)目標(biāo)跟蹤應(yīng)用研究[J];光電工程;2019年09期

5 劉剛;梁曉庚;張京國(guó);;基于紅外圖像的飛機(jī)目標(biāo)關(guān)鍵攻擊部位識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2011年24期

6 伍光新;鄧維波;姜維;張森;王濤;;高頻段飛機(jī)目標(biāo)RCS分析[J];電波科學(xué)學(xué)報(bào);2008年03期

7 盧曉光;周波;韓萍;韓賓賓;;多特征分類的PolSAR圖像飛機(jī)目標(biāo)檢測(cè)[J];信號(hào)處理;2019年04期

8 王毅;陳濱;杜亞杰;趙建軍;;基于邊界鏈碼的飛機(jī)目標(biāo)檢測(cè)方法[J];兵工自動(dòng)化;2018年02期

9 王廣生,范衛(wèi)東;飛機(jī)目標(biāo)激光近場(chǎng)散射特性初步研究[J];制導(dǎo)與引信;2003年02期

10 韓萍;宋廳華;;區(qū)域篩選與多級(jí)特征判別相結(jié)合的PolSAR圖像飛機(jī)目標(biāo)檢測(cè)[J];中國(guó)圖象圖形學(xué)報(bào);2019年07期

相關(guān)會(huì)議論文 前5條

1 張財(cái)廣;張杰;匡綱要;;基于特征金字塔的高分辨率遙感圖像飛機(jī)目標(biāo)檢測(cè)[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

2 戴金洲;楊亦春;李曉東;張文棟;;空-水聯(lián)合檢測(cè)飛機(jī)目標(biāo)的方法[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 夏日輝;劉冬梅;何昕;王東鶴;;基于形態(tài)學(xué)變換的復(fù)雜背景下小目標(biāo)的分割算法[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

4 劉鵬;王文濤;李肖;王俊妮;;基于紅外圖像的飛機(jī)目標(biāo)自動(dòng)識(shí)別方法研究[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

5 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機(jī)目標(biāo)典型運(yùn)動(dòng)模型的研究與實(shí)現(xiàn)[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 王寶帥;基于微多普勒效應(yīng)的空中飛機(jī)目標(biāo)分類研究[D];西安電子科技大學(xué);2015年

2 李軒;基于局部特征的遙感圖像目標(biāo)檢測(cè)方法研究[D];長(zhǎng)春理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 任瑞龍;高分辨率遙感圖像中飛機(jī)目標(biāo)自動(dòng)檢測(cè)方法研究[D];電子科技大學(xué);2019年

2 宋廳華;基于多特征融合的PolSAR飛機(jī)目標(biāo)檢測(cè)算法研究[D];中國(guó)民航大學(xué);2019年

3 王瑩;基于信息交互和遷移學(xué)習(xí)的超高分辨率SAR圖像中飛機(jī)目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2019年

4 馮辰;高分辨率遙感影像飛機(jī)目標(biāo)檢測(cè)[D];武漢大學(xué);2017年

5 尹高飛;基于形狀特征的飛機(jī)目標(biāo)遙感識(shí)別與提取研究[D];南京大學(xué);2011年

6 梅蓉;空戰(zhàn)飛機(jī)目標(biāo)的識(shí)別與跟蹤研究[D];南京航空航天大學(xué);2005年

7 姜悅;基于微多普勒的飛機(jī)目標(biāo)時(shí)頻域特征提取方法研究[D];西安電子科技大學(xué);2014年

8 廖歡;飛機(jī)目標(biāo)雷達(dá)回波微多普勒特性分析及應(yīng)用研究[D];電子科技大學(xué);2012年

9 高琪琪;遙感圖像飛機(jī)目標(biāo)檢測(cè)與識(shí)別算法研究[D];南昌航空大學(xué);2015年

10 陳麗麗;基于散射特征的極化SAR圖像飛機(jī)目標(biāo)檢測(cè)[D];中國(guó)民航大學(xué);2017年

本文編號(hào)：2639538