2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩98頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、合成孔徑雷達(SAR)圖像是一種全天候的高分辨率圖像,被廣泛應用于國防、自然災害檢測、生態(tài)環(huán)境監(jiān)測等多個重要領域。SAR圖像的應用包括分割、分類、目標檢測、目標識別等領域。目標檢測是SAR圖像應用領域的一個重要方向。尤其在軍事方面,SAR圖像目標檢測為目標打擊、精確制導等方面提供支持。多年來,研究人員在SAR圖像目標檢測方面取得了豐厚的成果。但隨著SAR圖像的分辨率不斷升高,傳統(tǒng)SAR目標檢測方法已經(jīng)不能滿足當前需要。其一,在高分辨SA

2、R圖像中,目標不同于以往普通分辨率SAR圖像目標成一個或少數(shù)幾個亮點的狀態(tài),因此不能用傳統(tǒng)的CFAR檢測算法對目標進行檢測。在高分辨SAR圖像中,目標成為一片區(qū)域,目標自身也具有了分布特征。其二,由于合成孔徑雷達的特征,具有一定高度的物體會在一定方向上產(chǎn)生陰影,導致高分辨SAR圖像中的目標并不是完整的目標。第三,隨著高分辨SAR的發(fā)展,數(shù)量不斷增大,特征越來越豐富,導致特征維數(shù)災難,引起目標檢測的時間復雜度過高。
  我們針對以上

3、問題,我在本文提出了相應的解決方案:
  第一,本文提出了高分辨SAR圖像分類結(jié)合特征擬合的方法形成目標檢測的方法,在這一方法中,由于車輛本身的分布也是可以擬合的,并且車輛也形成了一個區(qū)域,這導致我們可以把車輛看作是一個類別,和諸如草地、跑道、建筑等其它區(qū)域平等對待,用分類的方法把一幅高分辨SAR圖像分割為幾個區(qū)域,并結(jié)合車輛的特征對車輛區(qū)域標號,從而形成最終的檢測結(jié)果。
  第二,高分辨SAR圖像中目標的補償方法,由于機載

4、高分辨SAR成像角度問題,會在特征方向上形成一定的陰影區(qū)域,并對目標的完整性造成影響,本文中,我們把這當作一個特征加入到分割檢測算法當中來,對陰影和車輛的聯(lián)合分布進行統(tǒng)計建模,作為車輛的特征,取得了較好的效果。
  第三,針對高分辨SAR特征表示復雜的問題,我們提出了分層稀疏特征表示的方法,在第一個問題中,SAR圖像的特征表示也是非常一個難點,由于高分辨SAR圖像的分辨率很高,能在SAR圖像中呈現(xiàn)中很細微的特征,一般情況下,特征豐

5、富是有利于目標檢測的,但高分辨SAR特征過多會導致分類過程中優(yōu)化復雜度過高的問題,針對這一問題,我們提出了建立過完備的字典,并用過完備的字典對特征進行稀疏表示的方法。在實際過程中我們發(fā)現(xiàn),傳統(tǒng)分布函數(shù)不能對高分辨SAR圖像進行很好的擬全,如:四階分布對高分辨SAR圖像的陰影區(qū)域能較好的擬合能力,但它對其它區(qū)域的似合度不佳,而高斯分布能擬合一些背景區(qū)域,但對目標和陰影又無能為力,因此我們提出了一種混合分布來解決這一問題,經(jīng)驗證,取得了非常

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論