本文關(guān)鍵詞：基于特征信息融合和極限學(xué)習(xí)機(jī)分類的SAR圖像目標(biāo)識別技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(S AR, Synthetic Aperture Radar)在軍事和民用的應(yīng)用日益廣泛,研制出更加智能化的SAR自動(dòng)目標(biāo)識別系統(tǒng)(ATR, automatic target recognition)的需求也更為迫切。SAR ATR系統(tǒng)涉及多學(xué)科理論與技術(shù),眾多新理論的出現(xiàn)進(jìn)一步推動(dòng)了SARATR系統(tǒng)的發(fā)展。特征提取、特征優(yōu)化和特征分類是ATR中至關(guān)重要的步驟。本文重點(diǎn)研究了SAR圖像的特征提取與融合、特征分類,提出了解決SAR圖像地物分類與目標(biāo)匹配問題的新方案。一方面,提取SAR圖像紋理特征,利用特征融合算法與極限學(xué)習(xí)機(jī)模型實(shí)現(xiàn)地物分類；另一方面,設(shè)計(jì)基于點(diǎn)群匹配的相似度函數(shù)來衡量SAR圖像相似性,從而實(shí)現(xiàn)目標(biāo)部分和模板庫之間的匹配。文章從以下三個(gè)方面開展研究：一、SAR圖像特征提取結(jié)果的好壞將直接影響到后續(xù)分類算法的識別率,對于地物分類問題,紋理特征一直是研究和應(yīng)用的重點(diǎn)。本論文研究了不同種類的紋理特征,根據(jù)特征融合算法對多特征串行與并行組合進(jìn)行優(yōu)化,該方法通過線性降維去除特征間冗余的信息,提升了后端分類器的識別率與穩(wěn)定性。二、極限學(xué)習(xí)機(jī)(ELM, extreme learning machine)具有高效且收斂速度快的特性,論文研究了不同種類極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)構(gòu)建方式,根據(jù)增量模型中增長速度與收斂速度的關(guān)系,提出了隱層節(jié)點(diǎn)增量數(shù)目隨收斂速度調(diào)整的網(wǎng)絡(luò)構(gòu)建模式,并命名為變長增量型極限學(xué)習(xí)機(jī)(VI-ELM, variable length incremental extreme learning machine).在UCI標(biāo)準(zhǔn)測試集上驗(yàn)證了該算法的有效性,并將其應(yīng)用于SAR圖像地物分類問題中,取得了較好的分類效果。三、峰值特性是分析SAR圖像的重要特性,論文研究了SAR圖像強(qiáng)散點(diǎn)點(diǎn)群分布特征,提出了基于點(diǎn)群匹配的相似度函數(shù)。將點(diǎn)與點(diǎn)的匹配擴(kuò)展到點(diǎn)與點(diǎn)群之間的匹配,并由此定義點(diǎn)群與點(diǎn)群之間的相似性度量標(biāo)準(zhǔn)。該方法能夠反映圖像相似性的一般規(guī)律,對噪聲、部分遮擋、變形等不同程度的干擾能夠得到較為合理的相似度,同時(shí)在效率上有很大改善。
【關(guān)鍵詞】：合成孔徑雷達(dá) 特征融合 增量學(xué)習(xí) 極限學(xué)習(xí)機(jī) 變長增量型極限學(xué)習(xí)機(jī) 點(diǎn)群匹配
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 課題研究背景10-11
• 1.2 研究歷史與現(xiàn)狀11-12
• 1.3 本論文的主要內(nèi)容與結(jié)構(gòu)安排12-14
• 第二章 SAR圖像目標(biāo)識別系統(tǒng)14-24
• 2.1 SAR圖像成像機(jī)制與影像特征分析14-15
• 2.2 SAR圖像目標(biāo)識別系統(tǒng)構(gòu)成簡介15-16
• 2.3 基于模板的SAR ATR系統(tǒng)介紹16-22
• 2.3.1 圖像預(yù)處理17
• 2.3.2 圖像檢測17-18
• 2.3.3 圖像聚類18-19
• 2.3.4 圖像分割19
• 2.3.5 目標(biāo)鑒別19-21
• 2.3.6 目標(biāo)匹配21-22
• 2.4 本章小結(jié)22-24
• 第三章 SAR圖像特征提取與特征信息融合24-38
• 3.1 引言24-25
• 3.2 SAR圖像紋理特征提取25-29
• 3.2.1 基于灰度共生矩陣的紋理特征25-27
• 3.2.2 基于Gabor濾波的紋理特征27-29
• 3.3 特征信息融合理論與方法29-30
• 3.4 特征信息融合的特征組合方法30-31
• 3.5 基于線性降維方法的特征選擇31-34
• 3.6 實(shí)驗(yàn)結(jié)果與分析34-36
• 3.6.1 正確率對比34-35
• 3.6.2 穩(wěn)定性對比35-36
• 3.7 本章小結(jié)36-38
• 第四章 基于極限學(xué)習(xí)機(jī)的SAR圖像分類器設(shè)計(jì)38-56
• 4.1 引言38
• 4.2 極限學(xué)習(xí)機(jī)理論38-42
• 4.2.1 極限學(xué)習(xí)機(jī)的理論基礎(chǔ)39-41
• 4.2.2 極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)構(gòu)造方式41-42
• 4.3 增量算法與極限學(xué)習(xí)機(jī)42-46
• 4.3.1 增量算法42-43
• 4.3.2 增量型極限學(xué)習(xí)機(jī)43-44
• 4.3.3 增強(qiáng)型極限學(xué)習(xí)機(jī)44-46
• 4.4 變長型增量極限學(xué)習(xí)機(jī)算法46-48
• 4.4.1 增量模型的增長速度與網(wǎng)絡(luò)收斂速度46-47
• 4.4.2 變長型網(wǎng)絡(luò)增長方式47-48
• 4.5 基于變長增量型極限學(xué)習(xí)機(jī)的SAR圖像分類算法設(shè)計(jì)48-54
• 4.5.1 變長增量型與其它增量型極限學(xué)習(xí)機(jī)對比48-50
• 4.5.2 基于特征融合和極限學(xué)習(xí)機(jī)的SAR圖像分類系統(tǒng)50-54
• 4.6 本章小結(jié)54-56
• 第五章 基于點(diǎn)群相似度的SAR圖像目標(biāo)匹配56-68
• 5.1 引言56
• 5.2 SAR圖像相似性度量56-57
• 5.3 點(diǎn)群相似度準(zhǔn)則57-59
• 5.3.1 點(diǎn)與點(diǎn)群距離相似度準(zhǔn)則57
• 5.3.2 點(diǎn)與點(diǎn)群灰度相似度準(zhǔn)則57-59
• 5.3.3 點(diǎn)群與點(diǎn)群相似度準(zhǔn)則59
• 5.4 相關(guān)系數(shù)與相似性度量實(shí)驗(yàn)對比59-65
• 5.4.1 不同噪聲下的相似度校驗(yàn)60-61
• 5.4.2 不同部分遮擋的相似度校驗(yàn)61-62
• 5.4.3 不同變形的相似度校驗(yàn)62-63
• 5.4.4 不同灰度分布的相似度校驗(yàn)63-64
• 5.4.5 基于點(diǎn)群相似性度量與相關(guān)系數(shù)對比64-65
• 5.5 基于MSTAR目標(biāo)匹配的相似性度量有效性驗(yàn)證65-67
• 5.6 本章小結(jié)67-68
• 總結(jié)與展望68-70
• 致謝70-72
• 參考文獻(xiàn)72-76
• 攻讀碩士學(xué)位期間發(fā)表的論文76

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁曉蓮;周激流;李曉華;吳朋;;人臉識別率與圖像分辨率關(guān)系的比較分析[J];計(jì)算機(jī)工程;2009年11期

2 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

3 張秀屏，劉錫國，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 周中華;如何使拷屏圖像更清楚[J];桌面出版與設(shè)計(jì);1999年04期

5 林阿嵐;;如何取得完美圖像[J];電子測試;2001年08期

6 宋其華;郭根生;;解析計(jì)算機(jī)圖像分辨率[J];中國電化教育;2003年11期

7 馮金菊;;淺談分辨率[J];才智;2008年22期

8 江靜;蔡鶴;;小議分辨率與輸出圖像的關(guān)系[J];科教文匯(上旬刊);2008年03期

9 李春雨;李衛(wèi)平;;篡改圖像的識別技術(shù)研究與仿真[J];計(jì)算機(jī)仿真;2011年11期

10 ;教你詳細(xì)了解各種分辨率[J];計(jì)算機(jī)與網(wǎng)絡(luò);2011年24期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 王江寧;紀(jì)力強(qiáng);;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會(huì)議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學(xué)術(shù)信息交流會(huì)論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復(fù)算法[A];第十屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

6 劉達(dá);李樞平;;對DCI數(shù)字影院技術(shù)規(guī)范中圖像分級技術(shù)的理解[A];中國電影電視技術(shù)學(xué)會(huì)影視技術(shù)文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學(xué)圖像可視化初步研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動(dòng)式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國學(xué)術(shù)大會(huì)論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機(jī)的研發(fā)及在交通領(lǐng)域的應(yīng)用[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報(bào);2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報(bào);2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報(bào);2003年

4 李鑫;飛利浦200BW8商務(wù)人士明智新寵[N];電子資訊時(shí)報(bào);2007年

5 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報(bào);2007年

6 唐鳳碧;正確運(yùn)用數(shù)碼相機(jī)分辨率[N];中國攝影報(bào);2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報(bào);2008年

8 WLF;細(xì)說分辨率[N];電腦報(bào);2003年

9 宏杉;感受專業(yè)動(dòng)力[N];中國計(jì)算機(jī)報(bào);2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報(bào);2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳輝群;慢性病信息管理系統(tǒng)中視網(wǎng)膜圖像的互操作性及其血管網(wǎng)絡(luò)定量分析研究[D];復(fù)旦大學(xué);2014年

2 田虎;單目圖像的深度估計(jì)[D];北京郵電大學(xué);2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學(xué);2015年

4 賈勇;建筑物透視探測關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 黃仁杰;非可控條件下人臉識別中的若干問題研究[D];電子科技大學(xué);2015年

6 萬方;基于多幅圖像的三維結(jié)構(gòu)化場景重建技術(shù)研究[D];武漢大學(xué);2013年

7 馬鐘;視覺感知啟發(fā)的對象發(fā)現(xiàn)關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

8 張旭;面向局部特征和特征表達(dá)的圖像分類算法研究[D];合肥工業(yè)大學(xué);2016年

9 王洪;航空光電平臺圖像穩(wěn)定技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2012年

10 孫艷;基于內(nèi)容圖像檢索與敏感圖像過濾的若干算法研究[D];吉林大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊棟;面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D];浙江大學(xué);2015年

2 龔若皓;基于嵌入式移動(dòng)GPU的圖像編解碼并行優(yōu)化[D];西南交通大學(xué);2015年

3 曹福來;發(fā)動(dòng)機(jī)燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學(xué);2015年

4 張弛;基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算法研究[D];大連海事大學(xué);2016年

5 張貴平;圖像視點(diǎn)調(diào)整技術(shù)研究[D];南京大學(xué);2014年

6 李杰;高速圖像數(shù)據(jù)實(shí)時(shí)存儲與顯示關(guān)鍵技術(shù)研究[D];中北大學(xué);2016年

7 胡蓓蕾;基于圖像融合的水下圖像顏色恢復(fù)[D];中國海洋大學(xué);2015年

8 周黎;基于千兆網(wǎng)的高性能嵌入式圖像處理技術(shù)研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

9 顧幫忠;基于CCD的DR影像校正[D];東南大學(xué);2015年

10 張磊;鉚釘尺寸與表面缺陷在線檢測關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2016年

  本文關(guān)鍵詞：基于特征信息融合和極限學(xué)習(xí)機(jī)分類的SAR圖像目標(biāo)識別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：429147