本文關(guān)鍵詞：SAR圖像海上目標類型識別算法研究

  更多相關(guān)文章： SAR AIS CFAR算法 特征提取 分類識別

【摘要】：隨著海洋在國民經(jīng)濟中占的地位越來越重要,海洋環(huán)境的監(jiān)測和管理手段也要提高。合成孔徑雷達(Synthetic Aperture Radar,SAR)利用電磁波遇到物體后發(fā)生反射的原理,檢測反射波可實現(xiàn)對海洋目標的探測,而且SAR具有全天候、全天時、探測范圍廣等優(yōu)點,已成為海洋監(jiān)測的重要手段,可以對海岸及近海進行有效監(jiān)測,維護國家的海洋權(quán)益。所以,使用SAR對海上目標進行檢測與識別有實際應(yīng)用價值。論文使用SAR探測的海上目標圖像數(shù)據(jù),檢測圖像數(shù)據(jù)中的船只,對船只的特征進行分析,并依據(jù)AIS(Automatic Identification System,AIS)提供的匹配信息,確定多種合作船只的詳細信息,去除圖像中的假目標,提取船只目標切片,建立測試樣本庫。提取船只的特征,用提取的船只特征對船只分類識別,并通過AIS船只信息對分類結(jié)果進行驗證。論文研究的主要內(nèi)容有：SAR圖像船只目標檢測：使用CFAR算法檢測SAR圖像中的船只目標,檢測到的船只既有真實船只目標又有假目標。SAR圖像中假目標判別：首先分析假目標產(chǎn)生的原理,以及在SAR圖像中的特點,分析了假目標的方向、計算了假目標出現(xiàn)的位置。再使用雙參數(shù)CFAR算法和目標區(qū)域面積相結(jié)合的方法,在檢測船只目標時,將真、假船只目標加以區(qū)分,有效避免誤判船只的情況。船只目標測試樣本庫的建立：將檢測到的船只數(shù)據(jù)與AIS提供的數(shù)據(jù)進行匹配,將匹配成功的目標進行切片提取,作為分析、測試的樣本。特征提�。合葘颖編熘械哪繕饲衅M行預(yù)處理,再提取樣本切片的幾何特征和峰值特征。分類識別：使用BP神經(jīng)網(wǎng)絡(luò)和交叉驗證的SVM分類器對目標切片進行分類識別,并使用AIS船只信息對分類結(jié)果進行驗證,對兩種分類器的識別結(jié)果進行分析。
【關(guān)鍵詞】：SAR AIS CFAR算法 特征提取 分類識別
【學位授予單位】：內(nèi)蒙古大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 論文選題背景11-12
• 1.2 研究意義12-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-14
• 1.4 論文研究內(nèi)容安排14-16
• 第二章 SAR圖像目標檢測16-26
• 2.1 SAR和AIS數(shù)據(jù)介紹16-20
• 2.1.1 SAR介紹16-17
• 2.1.2 SAR數(shù)據(jù)分析17-18
• 2.1.3 AIS介紹18-19
• 2.1.4 AIS數(shù)據(jù)分析19-20
• 2.2 SAR圖像目標檢測20-25
• 2.2.1 SAR圖像船只性能分析20-22
• 2.2.2 CFAR檢測理論基礎(chǔ)22-23
• 2.2.3 基于高斯分布的CFAR船只目標檢測23-24
• 2.2.4 實驗結(jié)果與分析24-25
• 2.3 本章小結(jié)25-26
• 第三章 SAR圖像假目標判別26-35
• 3.1 假目標產(chǎn)生原理分析26-28
• 3.1.1 SAR圖像假目標介紹26
• 3.1.2 SAR圖像假目標頻域分析26-28
• 3.2 SAR圖像假目標判別流程介紹28-30
• 3.3 SAR圖像假目標識別算法30-34
• 3.3.1 雙參數(shù)CFAR算法介紹30-32
• 3.3.2 基于雙參數(shù)CFAR的假目標識別算法32-33
• 3.3.3 實驗結(jié)果與分析33-34
• 3.4 本章小結(jié)34-35
• 第四章 建立SAR圖像測試樣本庫35-41
• 4.1 SAR和AIS點跡顯示35-37
• 4.1.1 SAR圖像目標點跡顯示35-36
• 4.1.2 AIS船只點跡顯示36-37
• 4.2 SAR圖像目標切片提取37-40
• 4.2.1 SAR圖像處理軟件介紹37-38
• 4.2.2 船只目標切片提取38-40
• 4.3 本章小結(jié)40-41
• 第五章 SAR圖像特征提取41-51
• 5.1 船只SAR圖像特征分析41-43
• 5.1.1 SAR圖像船只目標切片分析41-42
• 5.1.2 經(jīng)典類型船只SAR圖像特征42-43
• 5.2 目標峰值特征提取43-47
• 5.2.1 峰值特征提取方法43
• 5.2.2 SAR圖像船只目標峰值特征提取43-47
• 5.3 目標幾何特征提取47-50
• 5.3.1 SAR圖像旁瓣處理47-49
• 5.3.2 SAR圖像船只目標幾何特征提取49-50
• 5.4 本章小結(jié)50-51
• 第六章 SAR圖像船只目標分類51-59
• 6.1 基于BP神經(jīng)網(wǎng)絡(luò)的船只分類51-54
• 6.1.1 BP分類器介紹51-53
• 6.1.2 實驗與分析53-54
• 6.2 基于SVM的船只分類54-57
• 6.2.1 支持向量機介紹54-56
• 6.2.2 實驗與分析56-57
• 6.3 識別結(jié)果分析57-58
• 6.4 本章小結(jié)58-59
• 第七章 結(jié)論與討論59-61
• 7.1 結(jié)論59-60
• 7.2 討論60-61
• 參考文獻61-65
• 致謝65-66
• 讀研期間參加的科研項目66-67
• 附錄167-68
• 附錄268

【相似文獻】

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];計算機工程;2009年11期

2 賈麗娟;;關(guān)于圖像分辨率的教學思考[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;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;;解析計算機圖像分辨率[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];計算機仿真;2011年11期

10 ;教你詳細了解各種分辨率[J];計算機與網(wǎng)絡(luò);2011年24期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王江寧;紀力強;;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

2 楊德強;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)第二十一次學術(shù)信息交流會論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實驗研究[A];第十一屆全國光學測試學術(shù)討論會論文（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術(shù)年會（CCSP-2001）論文集[C];2001年

6 劉達;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)學會影視技術(shù)文集[C];2007年

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

8 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強算法研究[A];中國光學學會2011年學術(shù)大會摘要集[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)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

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

中國重要報紙全文數(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;2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報;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;2003年

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

5 記者 曾遺榮邋通訊員 冷承秋 實習生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

6 唐鳳碧;正確運用數(shù)碼相機分辨率[N];中國攝影報;2007年

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

8 WLF;細說分辨率[N];電腦報;2003年

9 宏杉;感受專業(yè)動力[N];中國計算機報;2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

中國博士學位論文全文數(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;2014年

2 田虎;單目圖像的深度估計[D];北京郵電大學;2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學;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;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;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;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;2015年

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

9 王洪;航空光電平臺圖像穩(wěn)定技術(shù)研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;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;2011年

中國碩士學位論文全文數(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;2015年

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

3 曹福來;發(fā)動機燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學;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;2016年

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

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

本文編號：761953