合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）有以下獨(dú)有特點(diǎn):全天候、寬波段、全天時(shí)以及主動(dòng)成像,在國(guó)土以及軍事安全領(lǐng)域有著廣泛的發(fā)展前景。但是由于SAR圖像目標(biāo)很難用肉眼進(jìn)行人工判別,所以采用已有技術(shù)對(duì)SAR圖像目標(biāo)進(jìn)行自動(dòng)識(shí)別是必要的。SAR圖像目標(biāo)識(shí)別的主要重點(diǎn)和難點(diǎn)在SAR圖像的預(yù)處理以及SAR圖像特征提取方面。本文主要討論和研究了 SAR目標(biāo)自動(dòng)識(shí)別結(jié)合遷移學(xué)習(xí)以及卷積神經(jīng)網(wǎng)絡(luò)算法。本文首先分析了 SAR 圖像自動(dòng)識(shí)別算法（Synthetic Aperture Radar-Automatic Target Recognition,SAR-ATR）的基本概念以及結(jié)構(gòu)組成,同時(shí)介紹SAR圖像特性,針對(duì)SAR圖像成像過(guò)程中無(wú)法避免的相干斑點(diǎn)噪聲去噪處理,對(duì)常用的去噪算法進(jìn)行分析對(duì)比并實(shí)驗(yàn)。討論SAR圖像自動(dòng)動(dòng)識(shí)別的三個(gè)模塊:數(shù)據(jù)集預(yù)處理、特征提取以及分類識(shí)別。為后續(xù)工作做好理論基礎(chǔ)。其次,研究了卷積神經(jīng)網(wǎng)絡(luò)識(shí)別SAR圖像算法,利用卷積神經(jīng)網(wǎng)絡(luò)VGG16網(wǎng)絡(luò)結(jié)構(gòu)識(shí)別經(jīng)過(guò)數(shù)據(jù)增強(qiáng)的SAR圖像目標(biāo)并實(shí)驗(yàn)對(duì)比小波變換以及Lee濾波兩種預(yù)處理方法的優(yōu)劣。最后實(shí)驗(yàn)結(jié)果... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ＳＡＲ－ＡＴＲ處理過(guò)程圖??Ｆｉｇ．?２．１?ＳＡＲ－ＡＴＲ?Ｐｒｏｃｅｓｓｉｎｇ?ｄｉａｇｒａｍ??

ｔ??基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的ＳＡＲ目標(biāo)識(shí)別??僅包含灰度信息。??角地，法線??十＊測(cè)二??ｚ?（正交于軌進(jìn)〉??圖２．２?ＳＡＲ成像機(jī)制圖??？?．?？?Ｊ??Ｆｉｇ．?２．２?ＳＡＲ?ｉｍａｇｉｎｇ?ｍｅｃｈａｎｉｓｍ?ｄｉａｇｒａｍ??：?（??從視覺(jué)特性上來(lái)說(shuō)如圖２．３所示，（ａ）?（ｃ）分別為ＢＤＲＭ裝甲車對(duì)應(yīng)的光學(xué)圖像??與Ｔ７２坦克對(duì)應(yīng)的光學(xué)圖像圖像，（ｂ）?（ｄ）分別為（ａ）?（ｃ）所對(duì)應(yīng)的ＳＡＲ圖像。??從視覺(jué)效果來(lái)看，我們可以清晰地看到ＳＡＲ圖像遠(yuǎn)不如光學(xué)圖像清楚，并且ＳＡＲ圖像??有著大量的光學(xué)圖像沒(méi)有的相干相干斑點(diǎn)噪聲ｆ光學(xué)圖像成像有立體感而ＳＡＲ圖像沒(méi)??有立體感，但ＳＡＲ圖像對(duì)方位向較為敏感而光學(xué)圖像沒(méi)有，ＳＡＲ圖像有陰影而光學(xué)圖??像沒(méi)有，在ＳＡＲ圖像中背景雜波通常占很大比例，反而目標(biāo)僅占很小的比例。光學(xué)圖??像就沒(méi)有這個(gè)性質(zhì)。從圖中也能看出這些視覺(jué)特性上ＳＡＲ圖像與光學(xué)圖像的不同之處。??從ＳＡＲ圖像的參數(shù)特性上來(lái)說(shuō)，ＳＡＲ測(cè)量的是地物目標(biāo)后向散射系數(shù)，因此ＳＡＲ??圖像上的信息是地物目標(biāo)對(duì)于電磁波反射的回波。并且圖像信息的形成主要由目標(biāo)表面??后向散射決定，也就是說(shuō)目標(biāo)朝向雷達(dá)天線方向的散射信息。電磁波具有振幅、頻率、??初相等元素，只要有一個(gè)要素變化就會(huì)形成不同的電磁波也就會(huì)形成不同的ＳＡＲ圖像。??ＳＡＲ測(cè)量的散射系數(shù)是地物目標(biāo)綜合參數(shù)影響的體現(xiàn)。??－８－??

．＇ｆ?’?１??ｉ?ｒ?＊?？??ｉ?＇??基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的ＳＡＲ目標(biāo)識(shí)別??理后的結(jié)果圖像。從處理后圖像可以看出經(jīng)過(guò)Ｌｅｅ濾波處理后比較重視保存輪廓信息而??忽略細(xì)節(jié)信息，明顯可以看出ＳＡＲ目標(biāo)的整體結(jié)構(gòu)更加清楚，但是不可避免的是清晰??度損失很嚴(yán)重，可以看出很大７部分的相干斑點(diǎn)噪聲明顯被去除抑制，去噪效果比賴??Ｉｔ?酬??ｍ??（ａ）?ＳＡＲ圖像?（ｂ）Ｌｅｅ濾波處理圖像??（ａ）?ＳＡＲ?ｉｍａｇｅｓ?（ｂ）Ｌｅｅ?ｆｉｌｔｅｒｅｄ?ｉｍａｇｅｓ??圖２．４?Ｌｅｅ濾波預(yù)處理??Ｆｉｇ．?２．４?Ｌｅｅ?ｆｉｌｔｅｒ?ｐｒｅｐｒｏｃｅｓｓｉｎｇ??？?！?＾??基于變換域的代表性濾波算法有小波變換濾波［５Ｇ］。小波閾值去噪從方式原理上都可??以直接當(dāng)成低通濾波。但是不同于低通濾波的是，小波變換在去除噪聲的同時(shí)還能把圖??像特征保存下來(lái)。首先確定小波分解尺度，然后進(jìn)行小波分解，再逐層對(duì)各分解尺度的??子圖像進(jìn)行濾波處理，等到所有分解尺度的全部子圖像均完成濾波處理后，進(jìn)行小波逆??－１２－??

【參考文獻(xiàn)】：
期刊論文
[1]基于并聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別[J]. 李清,魏雪云.  電波科學(xué)學(xué)報(bào). 2020(03)
[2]SAR圖像海岸線分割的超像素合并方法[J]. 彭超,魏雪云.  電光與控制. 2019(11)
[3]基于遷移學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的控制圖識(shí)別[J]. 徐旭東,馬立乾.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[4]基于支持向量機(jī)的星載SAR信號(hào)識(shí)別技術(shù)研究[J]. 王哲濤,宋小全.  現(xiàn)代雷達(dá). 2018(11)
[5]基于遷移學(xué)習(xí)的SAR圖像目標(biāo)檢測(cè)[J]. 張椰,朱衛(wèi)綱.  雷達(dá)科學(xué)與技術(shù). 2018(05)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別算法研究[J]. 張笑,劉文波.  電子測(cè)量技術(shù). 2018(14)
[7]面向SAR目標(biāo)分類的卷積神經(jīng)網(wǎng)絡(luò)算法研究[J]. 侯宇超,白艷萍,郝巖,張明星.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(07)
[8]面向SAR目標(biāo)識(shí)別的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)[J]. 谷雨,徐英.  中國(guó)圖象圖形學(xué)報(bào). 2018(06)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)的SAR圖像目標(biāo)分類[J]. 劉晨,曲長(zhǎng)文,周強(qiáng),李智,李健偉.  現(xiàn)代雷達(dá). 2018(03)
[10]深度卷積神經(jīng)網(wǎng)絡(luò)在SAR自動(dòng)目標(biāo)識(shí)別領(lǐng)域的應(yīng)用綜述[J]. 許強(qiáng),李偉,Pierre Loumbi.  電訊技術(shù). 2018(01)

碩士論文
[1]基于極化合成孔徑雷達(dá)圖像分類算法研究[D]. 安健.電子科技大學(xué) 2014



本文編號(hào)：3115304