基于案例匹配的高分辨率SAR圖像目標(biāo)檢測.pdf

1、合成孔徑雷達（SAR）具有全天時全天候工作，不受大氣干擾等諸多優(yōu)勢，已經(jīng)在軍事和民用上具有廣泛的應(yīng)用圖像中，并且其分辨率隨著成像技術(shù)的發(fā)展不斷提升，高分辨率 SAR圖像由于具有更加細(xì)節(jié)的地物信息已經(jīng)逐漸成為發(fā)展的重點。但其目標(biāo)特性相比低分辨圖像有著空間聚集度、亮度均衡性、結(jié)構(gòu)復(fù)雜度等多方面的差異，使得傳統(tǒng)的特征基于特征值加權(quán)分類的目標(biāo)檢測識別方法識別精度很低，新的目標(biāo)檢測識別方法的需求日益迫切。
　　伴隨著人工智能技術(shù)的發(fā)展，基于

2、案例匹配方法已經(jīng)逐漸被廣泛應(yīng)用在各個領(lǐng)域，案例匹配推理系統(tǒng)是一種模擬人類認(rèn)知事物方式的人工智能系統(tǒng)，即用已有的先驗知識對未知的實物進行歸類理解。本文為了克服高分辨率SAR圖像中目標(biāo)特征的模糊性給解譯過程帶來的影響，提出了一種將案例匹配系統(tǒng)應(yīng)用到SAR圖像解譯的方法，針對 SAR圖像中的典型地物目標(biāo)（樹木、建筑、車輛）建立案例庫，并采用決策樹分類的算法，將未知類別的目標(biāo)與案例庫中的案例對比決策，得出案例匹配的結(jié)果，該案例的類別即為未知地物

3、目標(biāo)的類別。本論文的行文安排如下：
　　第一章主要介紹高分辨率 SAR圖像解譯工作的國內(nèi)外發(fā)展現(xiàn)狀，并針對解譯流程中的各個階段進行簡單介紹，并給出本文所研究的主要內(nèi)容以及各個部分的內(nèi)容安排。
　　第二章介紹了一些相關(guān)的技術(shù)原理以及高分辨率 SAR地物目標(biāo)的特征提取。首先，介紹了案例匹配系統(tǒng)以及決策樹模型的應(yīng)用原理，然后在特征提取部分，針對應(yīng)用最廣泛的幾類地物特征進行相應(yīng)的提取方法介紹，其中包括幾何特征、陰影特征以及紋理特征。

4、
　　第三章詳細(xì)地介紹了案例匹配系統(tǒng)的應(yīng)用過程，包含兩個方面：第一是案例的獲取過程以及案例庫建立，包括圖像預(yù)處理及案例分割以及案例庫建立準(zhǔn)則，然后重點介紹了案例匹配環(huán)節(jié)，在該過程中，提出了基于最近鄰的案例匹配算法以及基于決策樹的案例匹配算法，在基于決策樹模型的案例匹配過程中，首先根據(jù)決策樹模型的要求，重新定義了案例庫的數(shù)據(jù)結(jié)構(gòu)，根據(jù)新的數(shù)據(jù)結(jié)構(gòu)重排案例的特征，然后根據(jù)案例庫訓(xùn)練過程求解決策樹相應(yīng)參數(shù)，最終在案例匹配過程介紹了具體的

5、匹配流程。
　　第四章介紹了本文提出方法的實驗結(jié)果，首先針對典型目標(biāo)的特性進行了特征提取實驗，分析了特征提取的效果；然后進行了案例獲取部分的實驗，包括濾波實驗，方位向矯正實驗，圖像分割實驗等；最后應(yīng)用分辨率為0.1米的MiniSAR圖像進行了案例匹配的目標(biāo)檢測實驗，應(yīng)用兩種不同的檢測模型：最近鄰匹配模型和決策樹匹配模型進行案例匹配。最終的實驗效果表明，基于最近鄰匹配的模型具有效率高的特點，而基于決策樹的匹配模型具有精度高的特點。<