發(fā)布時(shí)間：2017-03-21 12:11

  本文關(guān)鍵詞：合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有全天時(shí)、全天候等特點(diǎn),是一種重要的對(duì)地觀測手段。SAR目標(biāo)識(shí)別利用SAR圖像信息實(shí)現(xiàn)目標(biāo)種類、型號(hào)等屬性的判定,在戰(zhàn)場偵察、精確打擊等軍事領(lǐng)域有明確的應(yīng)用需求,是提升SAR傳感器信息感知能力、實(shí)現(xiàn)SAR技術(shù)應(yīng)用的關(guān)鍵技術(shù)之一。近十幾年來,SAR目標(biāo)識(shí)別技術(shù)在相關(guān)理論和方法研究方面已取得較大的研究進(jìn)展。但在識(shí)別目標(biāo)數(shù)據(jù)庫構(gòu)建、目標(biāo)特征庫建立、快速檢測與定位、分類判決等方面,還存在理論研究不深入、信息難以快速轉(zhuǎn)化、識(shí)別方法實(shí)用性不強(qiáng)、識(shí)別系統(tǒng)智能化程度低等問題,從而限制了SAR技術(shù)的深層次發(fā)展。本論文圍繞SAR圖像目標(biāo)識(shí)別中的目標(biāo)特征庫以及分類判決等關(guān)鍵問題,從稀疏特征提取、多特征多分類器融合以及認(rèn)知學(xué)習(xí)等方面開展了較為深入的研究,主要?jiǎng)?chuàng)新如下:1、提出了L1/2-NMF目標(biāo)特征提取算法,通過在非負(fù)矩陣分解目標(biāo)函數(shù)中引入L1/2范數(shù)約束,增加分解基矩陣和特征矩陣稀疏度,降低特征信息冗余,提高了基于非負(fù)矩陣分解的目標(biāo)特征描述性能;2、提出了基于層級(jí)推動(dòng)融合策略的目標(biāo)分類判決方法,結(jié)合并聯(lián)和級(jí)聯(lián)結(jié)構(gòu)的優(yōu)點(diǎn),通過每層分類置信度判斷,實(shí)現(xiàn)分類結(jié)果的逐層判決、逐層融合,從而減少了特征沖突,提高了多分類器融合效率,實(shí)現(xiàn)了多維度特征的有效利用與融合;3、針對(duì)小樣本數(shù)據(jù)集識(shí)別問題,提出了基于目標(biāo)層級(jí)特征表示的識(shí)別方法。通過深度學(xué)習(xí)多層網(wǎng)絡(luò)模型的構(gòu)建,實(shí)現(xiàn)了目標(biāo)特征的多層表示,并提取最佳層級(jí)特征送入模式分類器,提升了小樣本數(shù)據(jù)集目標(biāo)識(shí)別準(zhǔn)確率;4、提出了約束受限玻爾茲曼機(jī)目標(biāo)識(shí)別方法。通過引入廣義稀疏約束,增加權(quán)重基矩陣和隱含層單元稀疏度,提高了基于受限玻爾茲曼機(jī)的目標(biāo)特征表示的有效性;將約束受限玻爾茲曼機(jī)引入層級(jí)特征識(shí)別,明顯改善了SAR目標(biāo)識(shí)別性能。以上工作,已通過基于MSTAR數(shù)據(jù)庫的識(shí)別試驗(yàn)驗(yàn)證,有效提高了SAR目標(biāo)識(shí)別系統(tǒng)的識(shí)別效率和準(zhǔn)確率。
【關(guān)鍵詞】：SAR圖像 目標(biāo)識(shí)別 非負(fù)矩陣分解 層級(jí)識(shí)別 深度置信網(wǎng)絡(luò)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-24
• 1.1 研究背景11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-21
• 1.2.1 目標(biāo)特征提取14-16
• 1.2.2 多信息融合16-19
• 1.2.2.1 多源圖像融合16-17
• 1.2.2.2 多特征融合17-18
• 1.2.2.3 多分類器融合18-19
• 1.2.3 認(rèn)知學(xué)習(xí)19-20
• 1.2.4 總體現(xiàn)狀20-21
• 1.3 本文主要貢獻(xiàn)與創(chuàng)新21-22
• 1.4 本文內(nèi)容安排22-24
• 第二章 基于非負(fù)矩陣分解的SAR目標(biāo)特征提取24-53
• 2.1 常用模式特征24-28
• 2.1.1 主成分分析25
• 2.1.2 線性判別分析25-26
• 2.1.3 局部判別嵌入26-27
• 2.1.4 非負(fù)矩陣分解27-28
• 2.2 SAR目標(biāo)特征提取過程可視化28-37
• 2.2.1 理論基礎(chǔ)29-30
• 2.2.2 過程分步分析30-37
• 2.3 基于稀疏約束的非負(fù)矩陣分解37-52
• 2.3.1 常用非負(fù)矩陣分解變體38-42
• 2.3.1.1 局部非負(fù)矩陣分解38-40
• 2.3.1.2 非負(fù)稀疏編碼40
• 2.3.1.3 稀疏非負(fù)矩陣分解40-41
• 2.3.1.4 基于稀疏度約束的非負(fù)矩陣分解41
• 2.3.1.5 非平滑非負(fù)矩陣分解41-42
• 2.3.2 基于L_(1/2) 范數(shù)約束的非負(fù)矩陣分解42-44
• 2.3.3 試驗(yàn)分析44-52
• 2.3.3.0 MSTAR數(shù)據(jù)集45-47
• 2.3.3.1 稀疏度分析47-49
• 2.3.3.2 三類目標(biāo)識(shí)別49-51
• 2.3.3.3 十類目標(biāo)識(shí)別51-52
• 2.4 本章小結(jié)52-53
• 第三章 多特征層級(jí)推進(jìn)分類判決53-69
• 3.1 多分類器融合53-56
• 3.1.1 多分類器融合方法54-55
• 3.1.2 多分類器融合方式55-56
• 3.2 層級(jí)推進(jìn)融合策略56-59
• 3.2.1 分類置信度57
• 3.2.2 概率輸出權(quán)重57-58
• 3.2.3 層級(jí)推進(jìn)融合基本流程58-59
• 3.3 基于層級(jí)推進(jìn)融合策略的目標(biāo)識(shí)別59-67
• 3.3.1 三層識(shí)別系統(tǒng)59-62
• 3.3.1.1 特征提取59-60
• 3.3.1.2 分類概率輸出60-61
• 3.3.1.3 融合理論61-62
• 3.3.2 實(shí)驗(yàn)分析62-67
• 3.3.2.1 三類目標(biāo)識(shí)別62-63
• 3.3.2.2 目標(biāo)拒識(shí)63-64
• 3.3.2.3 俯仰角和目標(biāo)配置變化識(shí)別64-67
• 3.4 本章小結(jié)67-69
• 第四章 基于深度置信網(wǎng)絡(luò)的SAR目標(biāo)層級(jí)特征提取69-84
• 4.1 深度學(xué)習(xí)模型69-72
• 4.2 深度置信網(wǎng)絡(luò)72-77
• 4.2.1 受限玻爾茲曼機(jī)72-77
• 4.2.1.1 基本理論72-75
• 4.2.1.2 對(duì)比散度75-77
• 4.2.2 深度置信網(wǎng)絡(luò)77
• 4.3 基于深度置信網(wǎng)絡(luò)的SAR目標(biāo)識(shí)別77-83
• 4.3.1 層級(jí)系統(tǒng)框架78
• 4.3.2 目標(biāo)層級(jí)特征提取78-80
• 4.3.3 試驗(yàn)分析80-83
• 4.3.3.1 初始化設(shè)置80
• 4.3.3.2 試驗(yàn)結(jié)果與分析80-83
• 4.4 本章小結(jié)83-84
• 第五章 基于約束受限玻爾茲曼機(jī)的SAR目標(biāo)識(shí)別84-102
• 5.1 基于稀疏約束的深度學(xué)習(xí)算法85-88
• 5.1.1 稀疏自編碼器86-87
• 5.1.2 稀疏受限玻爾茲曼機(jī)87-88
• 5.2 廣義約束受限玻爾茲曼機(jī)88-92
• 5.2.1 基于L_1范數(shù)約束的受限玻爾茲曼機(jī)90-91
• 5.2.2 基于L_2范數(shù)約束的受限玻爾茲曼機(jī)91
• 5.2.3 基于L_(1/2) 范數(shù)約束的受限玻爾茲曼機(jī)91-92
• 5.3 基于約束受限玻爾茲曼機(jī)的SAR目標(biāo)識(shí)別92-101
• 5.3.1 深度結(jié)構(gòu)92-93
• 5.3.2 試驗(yàn)分析93-101
• 5.3.2.1 初始化設(shè)置93
• 5.3.2.2 稀疏度分析93-98
• 5.3.2.3 三類目標(biāo)識(shí)別98-99
• 5.3.2.4 十類目標(biāo)識(shí)別99-101
• 5.4 本章小結(jié)101-102
• 第六章 總結(jié)與展望102-104
• 6.1 全文工作總結(jié)102-103
• 6.2 后續(xù)工作展望103-104
• 致謝104-106
• 參考文獻(xiàn)106-120
• 攻讀博士學(xué)位期間取得的成果120-121

  本文關(guān)鍵詞：合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：259649