目前,具有高分辨率SAR成像功能的衛(wèi)星逐漸增多,這使得高分辨率和超高分辨率的SAR圖像數(shù)據(jù)越來越豐富,依靠SAR衛(wèi)星全天時、全天候的優(yōu)勢,針對SAR圖像的解譯研究也逐漸深入。在海洋運輸高度發(fā)達(dá)、海洋周邊環(huán)境逐步復(fù)雜、大型港口建設(shè)層出不窮的今天,對海面目標(biāo)和港口內(nèi)目標(biāo)的監(jiān)視和識別具有強烈的應(yīng)用需求。對SAR圖像的海面目標(biāo)監(jiān)測和識別成為了具有重要實際應(yīng)用意義的研究課題,本文面向高分辨率SAR圖像,主要進(jìn)行了近海岸艦船目標(biāo)的檢測和分類研究,完成了對不同環(huán)境下船只的檢測工作以及對船只大致類別的區(qū)分。文章的主要內(nèi)容如下:首先,對國內(nèi)外學(xué)者對艦船特性分析、SAR圖像艦船目標(biāo)檢測和SAR圖像艦船目標(biāo)分類的研究現(xiàn)狀進(jìn)行了總結(jié),明確了本文的研究方向和研究意義。接下來,本文對SAR圖像艦船目標(biāo)多種特征的提取進(jìn)行了研究,其中,主要針對Pol SAR圖像進(jìn)行了特征提取的研究。本文還對SAR圖像的船海特性進(jìn)行了詳盡的分析,主要研究了SAR圖像中艦船目標(biāo)的特點,針對不同的極化通道,研究了船海特性在不同極化條件下的差異,還對幾種比較典型的艦船目標(biāo)的幾何特性進(jìn)行了分析,為后續(xù)艦船目標(biāo)的目視解譯以及艦船目標(biāo)的特征提取和... 

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 海洋及艦船特性研究現(xiàn)狀
        1.2.2 SAR圖像艦船檢測
        1.2.3 SAR圖像艦船目標(biāo)類別識別
        1.2.4 研究現(xiàn)狀分析
    1.3 主要研究內(nèi)容及論文結(jié)構(gòu)
第2章 SAR圖像艦船目標(biāo)特征分析及提取
    2.1 引言
    2.2 SAR圖像船海特征分析
        2.2.1 海洋特性分析
        2.2.2 艦船特性分析
    2.3 SAR圖像艦船目標(biāo)特征提取
        2.3.1 SAR圖像紋理特征
        2.3.2 極化SAR圖像目標(biāo)分解
    2.4 本實驗數(shù)據(jù)介紹
    2.5 本章小結(jié)
第3章 基于多特征篩選的艦船目標(biāo)檢測
    3.1 引言
    3.2 艦船特征選擇
        3.2.1 特征選擇算法的基本理論
        3.2.2 基于Relief-F算法的艦船特征選擇
        3.2.3 特征選擇結(jié)果分析
    3.3 SAR圖像艦船目標(biāo)檢測
        3.3.1 極化SAR基于Relief F-SVM的艦船檢測
        3.3.2 停泊船只檢測
        3.3.3 離岸船只檢測
    3.4 艦船檢測實驗結(jié)果分析
    3.5 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的艦船目標(biāo)分類
    4.1 引言
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)和模型遷移的艦船目標(biāo)分類
        4.2.1 VGG Net網(wǎng)絡(luò)模型
        4.2.2 模型遷移
    4.3 基于成對分類方法的艦船目標(biāo)分類
    4.4 實驗數(shù)據(jù)集制作
        4.4.1 檢測結(jié)果切片處理
        4.4.2 艦船目標(biāo)標(biāo)定
    4.5 艦船分類實驗結(jié)果及分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度神經(jīng)網(wǎng)絡(luò)下的SAR艦船目標(biāo)檢測與區(qū)分模型[J]. 魏松杰,蔣鵬飛,袁秋壯,劉梅林.  西北工業(yè)大學(xué)學(xué)報. 2019(03)
[2]基于多特征融合的SAR圖像艦船自學(xué)習(xí)檢測算法[J]. 楚博策,文義紅,陳金勇.  無線電工程. 2018(02)
[3]基于單極化SAR圖像的艦船目標(biāo)檢測與分類方法[J]. 王兆成,李璐,杜蘭,徐豐.  科技導(dǎo)報. 2017(20)
[4]一種基于SAR目標(biāo)形態(tài)特性的艦船檢測方法[J]. 楊學(xué)志,杜揚,張晰,孟俊敏.  遙感信息. 2014(05)

博士論文
[1]動態(tài)非高斯海面與卷浪的電磁散射特征研究[D]. 陳俊龍.西安電子科技大學(xué) 2018
[2]高分辨率SAR圖像目標(biāo)快速提取算法研究[D]. 涂松.國防科學(xué)技術(shù)大學(xué) 2016
[3]HRWS SAR圖像艦船目標(biāo)監(jiān)視關(guān)鍵技術(shù)研究[D]. 邢相薇.國防科學(xué)技術(shù)大學(xué) 2014
[4]極化SAR圖像海面船只監(jiān)測方法研究[D]. 李海艷.中國科學(xué)院研究生院（海洋研究所） 2007

碩士論文
[1]高分三號SAR圖像艦船目標(biāo)檢測研究及實現(xiàn)[D]. 章林.西安電子科技大學(xué) 2018
[2]PolSAR圖像近海岸船舶檢測方法研究[D]. 王晨逸.哈爾濱工業(yè)大學(xué) 2018
[3]海雜波背景下的高軌FDA-SAR成像及目標(biāo)檢測[D]. 高潔.電子科技大學(xué) 2018
[4]基于SAR圖像的艦船目標(biāo)檢測與鑒別算法研究[D]. 孫成璐.西安電子科技大學(xué) 2017
[5]極化合成孔徑雷達(dá)艦船檢測方法研究[D]. 徐曉煜.西安電子科技大學(xué) 2017
[6]基于稀疏表示樹的SAR圖像目標(biāo)識別方法研究[D]. 陳春林.南京航空航天大學(xué) 2017
[7]SAR圖像艦船目標(biāo)檢測算法研究[D]. 杜臻.哈爾濱工業(yè)大學(xué) 2016
[8]星載SAR圖像海上艦船目標(biāo)檢測與鑒別技術(shù)研究[D]. 樊慶聚.國防科學(xué)技術(shù)大學(xué) 2016
[9]復(fù)雜場景下的SAR目標(biāo)檢測[D]. 余文毅.西安電子科技大學(xué) 2015
[10]基于深度學(xué)習(xí)的SAR圖像艦船檢測[D]. 史丹榮.西安電子科技大學(xué) 2015



本文編號：3675785