【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)具有全天時、全天候執(zhí)行遙感監(jiān)視任務(wù)的能力,目前已有越來越多雷達自動目標識別(Automatic Target Recognition,ATR)的研究圍繞SAR圖像開展。典型的SAR地面目標識別方法可識別感興趣的戰(zhàn)術(shù)地面目標(例如坦克,榴彈炮和裝甲車等),是有效進行敵我目標識別的手段,也是實行精確打擊的重要先決條件之一。SAR圖像分辨率的提高更使SAR ATR成為近年的研究熱點。高分辨SAR圖像在提供更豐富信息的同時也提出了新的問題,與中低分辨的SAR圖像相比,高分辨SAR圖像呈現(xiàn)不同的統(tǒng)計特性、更突出的細節(jié)特征、更大的數(shù)據(jù)量等特點。此外,SAR與目標的相對姿態(tài)變化、SAR圖像的輻射特性、目標的幾何特性以及雜波等對目標表征的影響增加了SAR圖像識別難度。因此,針對高分辨SAR圖像的特性和信息,設(shè)計更適合的預(yù)處理、特征提取和分類器訓練方法就顯得尤為重要。本文旨在設(shè)計高識別精度的地面目標SAR ATR方法,并針對預(yù)處理、特征提取和訓練分類器各階段提出多個相應(yīng)處理算法。算法驗證方面,主要使用了運動與靜止目標的獲取與識別(Moving and Stationary Target Acquisition and Recognition,MSTAR)公開數(shù)據(jù)集和OKTAL仿真數(shù)據(jù)集。本文的主要工作包括以下幾個方面:1.針對SAR圖像中的雜波抑制問題,提出基于表征轉(zhuǎn)換機(Appearance Conversion Machine,ACM)的區(qū)分模式抑制(Shedding Irrelevant Patterns,SIP)算法。SIP參考雜波圖像中的雜波空間模式(像素的能量強度和分布規(guī)律),分析SAR圖像的空間模式并訓練得到能在抑制雜波時保護感興趣目標不被改變的回歸函數(shù)。然后,將原始SAR圖像作為回歸函數(shù)的輸入,計算獲得雜波抑制后的圖像輸出。實測和仿真數(shù)據(jù)的實驗驗證了SIP在雜波抑制方面的有效性,以及引入SIP處理對提高識別準確率方面的有效性。2.針對SAR圖像中的圖像分割問題,提出基于ACM的增強區(qū)分模式(Promoting Irrelevant Patterns,PIP)分割方法。PIP分析SAR圖像的空間模式并計算SAR圖像與雜波空間模式的相似程度,然后根據(jù)相似程度構(gòu)建掩膜圖像并計算分割結(jié)果。實驗驗證,PIP可在較好地保存感興趣目標的同時更徹底地去除雜波背景。3.針對目標姿態(tài)的估計和矯正問題,提出一種基于目標幾何信息的姿態(tài)估計方法。提出的算法首先分析SAR圖像中的目標幾何信息,然后根據(jù)目標輪廓的完整或不完整程度,使用相應(yīng)環(huán)境下估計精度更高的最小外接矩形(Minimum Bounding Rectangle,MBR)姿態(tài)估計方法或基于Radon變換的姿態(tài)估計方法,以獲得更好的姿態(tài)估計精度。最后,將SAR圖像按估計得到的姿態(tài)旋轉(zhuǎn)以得到姿態(tài)矯正后的SAR圖像。4.針對SAR ATR的特征提取問題,提出一種能夠獲得豐富分類判別信息且具有一定移不變性的特征提取和處理方法。提出的方法首先使用二維小波分解技術(shù)獲得含有多種分辨信息(水平邊緣特征、垂直邊緣特征和下采樣的紋理特征)且具有一定移不變特性的特征集,然后通過去冗余技術(shù)獲得數(shù)據(jù)維度較低的緊致特征集。實際應(yīng)用中,基于不同類型的小波基提取特征時,獲得特征的分類判別能力并不一致。因此,本文基于最大邊界準則(Maximum Margin Criterion,MMC)選擇平均類間間距較大和平均類內(nèi)距離較小的更適合SAR ATR任務(wù)的反雙正交小波基。其中,大的類間間距代表不同類別目標間的差別性,小的平均類間間距代表同類型目標的易識別性。5.針對SAR圖像目標表征的多變性使分類器較難得到足夠訓練的問題,提出一套完整的SAR ATR方案,綜合使用各類算法(預(yù)處理算法、特征提取和處理算法以及分類器訓練算法)來提高圖像理解的有效性、獲取針對SAR圖像設(shè)計的特征以及構(gòu)建針對小樣本問題的分類器,以此獲得更高的識別精度。其中,分類器訓練階段使用正、負樣本共同訓練判別樹基分類器,然后基于Real-Ada Boost框架融合多個判別樹基分類器以獲得識別性能更好的強分類器�；贛STAR真實數(shù)據(jù)集和OKTAL仿真數(shù)據(jù)集的實驗驗證了本文提出方案的優(yōu)勢和有效性。
[Abstract]:......
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 郭紅玲;程顯毅;;多分類器選擇集成方法[J];計算機工程與應(yīng)用;2009年13期

2 劉勇志,劉丙杰;基于多傳感器模糊神經(jīng)網(wǎng)絡(luò)的水下目標識別[J];微計算機信息;2003年07期

3 韓艷春;李智蘭;曾憲文;;目標識別與分類方法[J];軍事通信技術(shù);2003年01期

4 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標識別融合算法研究[J];火控雷達技術(shù);2004年04期

5 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標識別效果評估[J];計算機應(yīng)用研究;2005年03期

6 左崢嶸,張?zhí)煨?集成證據(jù)提高目標識別性能的方法研究[J];華中科技大學學報(自然科學版);2005年03期

7 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標識別效果評估方法[J];電子對抗技術(shù);2005年03期

8 蓋明久;呂世良;時寶;;一種概率更新方法及在目標識別中的應(yīng)用[J];海軍航空工程學院學報;2006年05期

9 張平定;王海軍;王睿;;一種基于聚類思想的目標識別新方法[J];空軍工程大學學報(自然科學版);2006年02期

10 賈宇平;付耀文;黎湘;莊釗文;;灰局勢決策方法在決策層融合目標識別中的應(yīng)用[J];信號處理;2007年04期

相關(guān)會議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計模式識別方法建立海上目標識別的數(shù)學模型[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標識別[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標識別中的特征相空間吸引子分析[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強;古軍峰;;模糊聚類分析方法在海上目標識別中的應(yīng)用[A];第二屆全國信息獲取與處理學術(shù)會議論文集[C];2004年

5 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

6 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2002年

7 趙克;劉代志;慕曉東;蘇娟;;目標識別的特征量約束[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

8 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術(shù)交流年會論文集[C];2010年

9 李正東;陳興無;宋琛;何武良;;多傳感器的目標識別[A];中國工程物理研究院科技年報（1999）[C];1999年

10 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

相關(guān)重要報紙文章 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

相關(guān)博士學位論文 前10條

1 趙曉輝;高分辨率合成孔徑雷達地面目標識別及相關(guān)處理技術(shù)研究[D];哈爾濱工業(yè)大學;2016年

2 唐宋;基于遷移學習的目標識別若干問題研究[D];電子科技大學;2017年

3 肖永生;射頻隱身雷達信號設(shè)計與目標識別研究[D];南京航空航天大學;2014年

4 崔宗勇;合成孔徑雷達目標識別理論與關(guān)鍵技術(shù)研究[D];電子科技大學;2015年

5 丁軍;基于稀疏理論的SAR圖像目標識別研究[D];西安電子科技大學;2015年

6 韓靜;基于仿生視覺模型和復(fù)雜信息學習的多光譜夜視目標識別技術(shù)[D];南京理工大學;2014年

7 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(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);2016年

8 寧宣杰;基于空防雷達網(wǎng)絡(luò)的多傳感器信息融合關(guān)鍵技術(shù)研究及其應(yīng)用[D];東北大學;2014年

9 楊松巖;高頻波段雷達目標特征提取與識別方法研究[D];哈爾濱工業(yè)大學;2016年

10 張學峰;雷達高分辨距離像目標識別與拒判方法研究[D];西安電子科技大學;2015年

相關(guān)碩士學位論文 前10條

1 許俊峰;基于模型的任意視點下三維目標識別研究[D];南京航空航天大學;2015年

2 李建;毫米波輻射計目標識別性能測試系統(tǒng)研究[D];南京理工大學;2015年

3 陳晨;紅外/毫米波復(fù)合信號處理方法及電路設(shè)計[D];南京理工大學;2015年

4 王玉君;基于遠紅外熱像儀的地面機動目標識別[D];沈陽理工大學;2015年

5 姚國偉;基于高分辨距離像的艦船目標識別研究[D];哈爾濱工業(yè)大學;2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機器人目標識別定位研究[D];安徽工程大學;2015年

7 譚敏潔;基于壓縮感知的雷達一維距離像目標識別[D];電子科技大學;2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標識別研究[D];華中師范大學;2015年

9 劉巍;基于非均勻采樣圖像的目標識別與跟蹤算法研究[D];北京理工大學;2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標識別研究[D];電子科技大學;2015年

，

本文編號：2291787