PCA和KPCA自融合的MSTAR SAR自動(dòng)目標(biāo)識(shí)別算法研究.pdf

1、專(zhuān)業(yè)學(xué)位碩士學(xué)位論文PCA和KPCA自融合的MSTARSAR自動(dòng)目標(biāo)識(shí)別算法研究ResearchonPCAandKPCASelfFusionBasedMSTARSARAutomaticTargetRecognitionAlgorithm作者姓名：工程領(lǐng)域：學(xué)號(hào)：指導(dǎo)教師：林闖完成日期：2013。325大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)專(zhuān)業(yè)學(xué)位碩士學(xué)位論文摘要合成孔徑雷達(dá)(SAR)是一種高分辨

2、率主動(dòng)式相干成像雷達(dá)，它具有全天候、全天時(shí)、穿透力強(qiáng)等優(yōu)點(diǎn)，廣泛應(yīng)用于軍事和民用領(lǐng)域。SAR圖像的自動(dòng)目標(biāo)識(shí)別模擬了人類(lèi)的視覺(jué)、分析和分類(lèi)過(guò)程，使用計(jì)算機(jī)來(lái)完成SAR圖像特征的提取及分類(lèi)，從而達(dá)到獲取相關(guān)領(lǐng)域信息的目的。MSTAR是美國(guó)國(guó)防高級(jí)研究計(jì)劃局和空間實(shí)驗(yàn)室提供的SAR地面靜止軍用目標(biāo)數(shù)據(jù)集，該數(shù)據(jù)集含有多方位角、多仰角的三類(lèi)SAR目標(biāo)，是測(cè)試SAR識(shí)別算法的經(jīng)典數(shù)據(jù)集。本文提出了一種基于主成分分析(PCA)和核主成分分析(KP

3、CA)自融合的MSTARSAR自動(dòng)目標(biāo)識(shí)別算法。該算法首先通過(guò)PCA和KPCA分別提取原始樣本的線(xiàn)性特征和非線(xiàn)性特征，然后依據(jù)加權(quán)最大間隔準(zhǔn)則(WMMC)計(jì)算融合系數(shù)，并以線(xiàn)性組合的方式將所提取的特征進(jìn)行融合，再使用遺傳算法從融合后的特征中選出對(duì)分類(lèi)最有用的特征進(jìn)入目標(biāo)分類(lèi)環(huán)節(jié)。仿真中分別使用最近鄰分類(lèi)器和線(xiàn)性回歸分類(lèi)器對(duì)SAR圖像提取的特征進(jìn)行分類(lèi)，得到仿真結(jié)果并對(duì)其進(jìn)行比對(duì)分析。與傳統(tǒng)的預(yù)先設(shè)定融合系數(shù)的特征融合算法相比，本文提出的

4、算法通過(guò)建立最優(yōu)方程求解融合系數(shù)，保證了融合空間內(nèi)不同類(lèi)之間的間隔最大，在一定程度上提高了目標(biāo)的識(shí)別率。仿真實(shí)驗(yàn)中使用PCA、KPCA以及本文所提出的算法的目標(biāo)識(shí)別率進(jìn)行對(duì)比分析，結(jié)果顯示本文所提出的基于PCA和KPCA白融合的MSTARSAR自動(dòng)目標(biāo)識(shí)別算法具有更高的識(shí)別率。本算法設(shè)計(jì)合理，時(shí)間復(fù)雜度也在可接受的范圍內(nèi)。然而本論文并沒(méi)有涉及核函數(shù)及其參數(shù)的自動(dòng)選擇問(wèn)題，只是在實(shí)驗(yàn)中通過(guò)測(cè)試不同的核函數(shù)和參數(shù)，人工選擇識(shí)別效果最佳的核函