【摘要】：合成孔徑雷達(dá)(SAR)圖像解譯一直以來都受到研究人員的廣泛關(guān)注,近年來,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)檢測極其困難,從而導(dǎo)致檢測率低的問題。針對上述問題,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,分別對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)一個目標(biāo)陰影可能對應(yīng)多個亮斑的先驗知識,選擇距離暗區(qū)域最近的k個亮區(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。實驗結(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圖像的語義素描圖中,得到語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),針對不同區(qū)域采用不同的陰影補(bǔ)全方法,一種是針對兩側(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義空間的結(jié)構(gòu)信息,實驗結(jié)果表明,通過兩個空間信息交互可以獲取飛機(jī)目標(biāo)候選區(qū)域并對目標(biāo)陰影進(jìn)行補(bǔ)全,有利于后期對飛機(jī)目標(biāo)候選區(qū)域進(jìn)行分類識別。(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)計對應(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,對經(jīng)過陰影補(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,通過基于素描標(biāo)注信息的生成對抗遷移學(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)簽難以獲得的問題,實現(xiàn)對SAR圖像中飛機(jī)目標(biāo)候選區(qū)域的準(zhǔn)確分類與識別。
【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的位置和方向這些低級的屬性特征，還能夠表示與雷達(dá)成像機(jī)制有關(guān)的高級語義信息。素描線段表示的語義信息具體為：（1）兩個不同地物的邊界；（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義信息可以輔助 SAR 圖像中目標(biāo)檢測工作。對 SAR 圖像利用素描圖提取算法得到其對應(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)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王樹國;黃勇杰;張生;;可見光圖像中飛機(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;2010年07期

2 王冰;周焰;趙凱;吳長飛;;基于深度學(xué)習(xí)的遙感影像飛機(jī)目標(biāo)檢測方法[J];空軍預(yù)警學(xué)院學(xué)報;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;;基于紅外圖像的飛機(jī)目標(biāo)關(guān)鍵攻擊部位識別[J];計算機(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;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[J];信號處理;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)檢測方法[J];兵工自動化;2018年02期

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

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

相關(guān)會議論文 前5條

1 張財廣;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[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

2 戴金洲;楊亦春;李曉東;張文棟;;空-水聯(lián)合檢測飛機(jī)目標(biāo)的方法[A];中國聲學(xué)學(xué)會2006年全國聲學(xué)學(xué)術(shù)會議論文集[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];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[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)自動識別方法研究[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會議論文集[C];2013年

5 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機(jī)目標(biāo)典型運動模型的研究與實現(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)檢測方法研究[D];長春理工大學(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)自動檢測方法研究[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)檢測算法研究[D];中國民航大學(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[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[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)檢測與識別算法研究[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[D];中國民航大學(xué);2017年

本文編號：2639538