合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）作為一種主動(dòng)式微波成像傳感器,可以不受天氣、光照的影響,對(duì)地面進(jìn)行遠(yuǎn)距離探測(cè),已經(jīng)成為當(dāng)前對(duì)地觀測(cè)的重要手段之一。隨著SAR成像技術(shù)的發(fā)展,可以獲得大量高質(zhì)量的SAR圖像,使得SAR圖像目標(biāo)識(shí)別技術(shù)在軍事、民用等領(lǐng)域的應(yīng)用越來(lái)越廣泛,專門(mén)針對(duì)SAR圖像設(shè)計(jì)自動(dòng)目標(biāo)識(shí)別系統(tǒng)已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。本文基于卷積字典學(xué)習(xí)模型對(duì)SAR圖像目標(biāo)識(shí)別方法展開(kāi)研究,論文的主要內(nèi)容可概括如下:1.針對(duì)傳統(tǒng)字典學(xué)習(xí)算法存在的字典單一、編碼冗余等問(wèn)題,本文在卷積字典學(xué)習(xí)的基礎(chǔ)上,引入多尺度約束與監(jiān)督信息,提出了標(biāo)簽約束多尺度卷積字典學(xué)習(xí)模型,該模型可以自動(dòng)提取圖像中不同尺度的幾何結(jié)構(gòu)特征。提出模型首先在標(biāo)簽約束下利用卷積字典學(xué)習(xí)的方法對(duì)圖像提取不同尺度的卷積字典,得到更有利于分類的卷積字典,之后將學(xué)到的不同尺度的卷積核與原圖進(jìn)行卷積操作獲得用于分類的特征圖,最后將特征圖輸入分類器中進(jìn)行分類。在MSTAR實(shí)測(cè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,引入多尺度約束與監(jiān)督信息可以學(xué)到更有利于分類的卷積字典,與其它方法對(duì)比提出方法具有更好的識(shí)別性能。2.針... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 SAR圖像目標(biāo)識(shí)別
        1.2.2 字典學(xué)習(xí)及其在SAR圖像目標(biāo)識(shí)別上的應(yīng)用
    1.3 數(shù)據(jù)集介紹
        1.3.1 MNIST數(shù)據(jù)集
        1.3.2 MSATR數(shù)據(jù)集
    1.4 研究?jī)?nèi)容安排
第二章 傳統(tǒng)卷積字典學(xué)習(xí)模型
    2.1 概述
    2.2 卷積字典學(xué)習(xí)
        2.2.1 卷積字典學(xué)習(xí)模型
        2.2.2 卷積字典學(xué)習(xí)模型的優(yōu)化
        2.2.3 卷積字典學(xué)習(xí)用于識(shí)別的流程
    2.3 實(shí)驗(yàn)結(jié)果與分析
        2.3.1 MNIST數(shù)據(jù)集實(shí)驗(yàn)與分析
        2.3.2 MSTAR數(shù)據(jù)集實(shí)驗(yàn)與分析
    2.4 本章小結(jié)
第三章 基于卷積字典學(xué)習(xí)的淺層識(shí)別方法
    3.1 概述
    3.2 標(biāo)簽約束多尺度卷積字典學(xué)習(xí)(LMSCD)
        3.2.1 LMSCD模型
        3.2.2 LMSCD模型的優(yōu)化
        3.2.3 LMSCD模型用于識(shí)別的流程
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)設(shè)置
        3.3.2 LMSCD模型分析
        3.3.3 LMSCD模型與其它方法對(duì)比
    3.4 本章小結(jié)
第四章 基于卷積字典學(xué)習(xí)和屬性散射中心的深層識(shí)別方法
    4.1 概述
    4.2 雙流特征融合網(wǎng)絡(luò)
        4.2.1 目標(biāo)圖像域解譯支流
        4.2.2 目標(biāo)物理信息解譯支流
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 雙流特征融合網(wǎng)絡(luò)分析
        4.3.3 雙流特征融合網(wǎng)絡(luò)與典型深層網(wǎng)絡(luò)對(duì)比
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于三維電磁散射參數(shù)化模型的SAR目標(biāo)識(shí)別方法[J]. 文貢堅(jiān),朱國(guó)強(qiáng),殷紅成,邢孟道,楊虎,馬聰慧,閆華,丁柏圓,鐘金榮.  雷達(dá)學(xué)報(bào). 2017(02)
[2]基于拓展稀疏表示模型和LC-KSVD的人臉識(shí)別[J]. 張建明,何雙雙,吳宏林,熊兵,李藝敏.  計(jì)算機(jī)工程與應(yīng)用. 2016(13)
[3]基于多信息字典學(xué)習(xí)及稀疏表示的SAR目標(biāo)識(shí)別[J]. 齊會(huì)嬌,王英華,丁軍,劉宏偉.  系統(tǒng)工程與電子技術(shù). 2015(06)
[4]基于余弦相似性的m-類分類器設(shè)計(jì)與算法實(shí)現(xiàn)[J]. 劉英偉,秦永彬.  計(jì)算機(jī)與數(shù)字工程. 2014(03)
[5]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[6]SAR圖像自動(dòng)目標(biāo)識(shí)別系統(tǒng)研究與設(shè)計(jì)[J]. 袁禮海,宋建社,薛文通,趙偉舟.  計(jì)算機(jī)應(yīng)用研究. 2006(11)
[7]SAR圖象自動(dòng)目標(biāo)識(shí)別研究[J]. 匡綱要,計(jì)科峰,粟毅,郁文賢.  中國(guó)圖象圖形學(xué)報(bào). 2003(10)

博士論文
[1]雷達(dá)圖像目標(biāo)特征提取方法研究[D]. 李飛.西安電子科技大學(xué) 2014
[2]極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D]. 徐牧.國(guó)防科學(xué)技術(shù)大學(xué) 2008
[3]光學(xué)區(qū)雷達(dá)目標(biāo)三維散射中心重構(gòu)理論與技術(shù)[D]. 周劍雄.國(guó)防科學(xué)技術(shù)大學(xué) 2006
[4]基于光學(xué)區(qū)雷達(dá)目標(biāo)二維像的目標(biāo)散射特征提取的理論及方法研究[D]. 孫真真.中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué) 2001

碩士論文
[1]SAR圖像自動(dòng)目標(biāo)識(shí)別研究[D]. 韓文婷.西安電子科技大學(xué) 2014
[2]基于稀疏表示及字典學(xué)習(xí)的SAR目標(biāo)識(shí)別[D]. 齊會(huì)嬌.西安電子科技大學(xué) 2014
[3]基于深度學(xué)習(xí)和稀疏表示的SAR圖像分類[D]. 焦翔.西安電子科技大學(xué) 2017



本文編號(hào)：3699134