基于分數(shù)譜時頻特征的SAR目標檢測與識別方法研究.pdf

1、SAR目標自動識別(Automatic Target Recognition,ATR)是SAR圖像解譯和分析的重要環(huán)節(jié)。由于SAR圖像不同于其它成像圖像,它摻雜著大量的相干斑噪聲、幾何畸變,易受方位角影響,從而導致背景散射與目標散射間存在差異。因此,如何從SAR圖像中檢測出目標區(qū)域,并提取目標有效信息,從而對SAR目標進行合理解譯是一個亟待攻克的難題。本文主要研究了SAR圖像最優(yōu)分數(shù)域時頻特征的提取,以及在此基礎上完成的高精度SAR目標

2、檢測與識別方法。
　　本文在相關科研工作者研究的基礎上,將時頻分析與分數(shù)階傅里葉變換相結合,增加了這種瞬態(tài)分析方法的靈活性,并將該方法用于SAR地面目標檢測,進而開展目標識別方法研究。本文所做的主要研究工作和貢獻如下:
　　(1)研究了SAR ATR的基本理論,掌握了SAR圖像的特性,包括其成像機理,噪聲產(chǎn)生原理及抑制,對SAR目標特性也進行了分析,為本文SAR ATR系統(tǒng)的構建打下理論基礎。
　　(2)學習了時頻分析

3、、分數(shù)階傅里葉變換(Fractional Fourier Transform,FrFT)的基本理論,并在此基礎上深入研究了分數(shù)域時頻分析方法。FrFT結合計算復雜度低的Gabor變換提出了分數(shù)階Gabor變換(Fractional Gabor Transform,FrGT),并把它推廣至2維SAR圖像信號處理中。
　　(3)對FrGT最優(yōu)化實現(xiàn)進行了深入的研究,主要是針對窗函數(shù)設計和最優(yōu)變換階次2方面,并進行了實驗仿真與分析。

4、r>　　(4)為了把時頻譜降維可視化,深入研究了最優(yōu)實現(xiàn)后的時頻譜的特征提取方法,選擇最優(yōu)特征,保證檢測的精度。從而提出了基于最優(yōu)分數(shù)域時頻譜特征的SAR目標檢測方法,自適應最優(yōu)分數(shù)階Gabor變換( Optimal Fractional Gabor Transform,OFrGT),并進行了實驗仿真與對比分析。
　　(5)深入研究了分類模塊的設計方法,對分類策略及特征組合進行了討論,參數(shù)尋優(yōu)以及決策融合方式也進行了深入討論,進行