基于稀疏表示的SAR圖像目標(biāo)識(shí)別.pdf

1、作為微波遙感的代表，合成孔徑雷達(dá)(SyntheticApertureRadar,SAR)具有全天時(shí)、全天候、穿透力強(qiáng)和分辨率高等特點(diǎn)。近些年來(lái)，SAR圖像自動(dòng)目標(biāo)識(shí)別技術(shù)(ATR)已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。由于SAR傳感器的主動(dòng)成像特性，SAR圖像中存在大量相干斑和陰影區(qū)域，目前影響SAR圖像目標(biāo)自動(dòng)識(shí)別算法性能的因素有：對(duì)目標(biāo)方位角的敏感、預(yù)處理中圖像目標(biāo)分割的質(zhì)量、目標(biāo)本身輪廓的改變、成像參數(shù)、目標(biāo)周圍環(huán)境等。
　　 SAR

2、ATR是SAR圖像解譯中一個(gè)關(guān)鍵步驟，如何精確提取特征和采用有效的分類方法是兩個(gè)關(guān)鍵問(wèn)題。提取特征方面，現(xiàn)有的基于模板匹配的SAR自動(dòng)目標(biāo)識(shí)別算法需要對(duì)目標(biāo)姿態(tài)進(jìn)行預(yù)估計(jì)，對(duì)目標(biāo)進(jìn)行方位校正，將目標(biāo)旋轉(zhuǎn)至標(biāo)準(zhǔn)方位，減少模板存儲(chǔ)空間。但預(yù)處理復(fù)雜度較高。設(shè)計(jì)分類器方面，傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)方法中針對(duì)小樣本學(xué)習(xí)問(wèn)題精度不佳，并且可推廣性差。因此，有必要從其他角度來(lái)研究SARATR問(wèn)題。
　　 信號(hào)的稀疏表示模型基于信號(hào)的稀疏性假設(shè)，是一種線

3、性模型，具備容易擴(kuò)展的特性，同時(shí)目標(biāo)方位角魯棒的特征表達(dá)可有效避免目標(biāo)姿態(tài)預(yù)估計(jì)問(wèn)題。本文主要研究目標(biāo)姿態(tài)變化下的稀疏表示目標(biāo)識(shí)別算法，主要內(nèi)容和貢獻(xiàn)如下：
　　 1．提出一種結(jié)合多層紋理模型與元樣本提取的稀疏表示分類算法。首先利用Gabor濾波器形成多層紋理模型表示，并利用LBP算子編碼Gabor幅值，得到GLBP圖譜，之后進(jìn)行子區(qū)域劃分和直方圖統(tǒng)計(jì)，生成串接序列形成最終降維后特征。為了進(jìn)一步降低字典維度，采用元樣本提取方法形

4、成最終的稀疏表示字典，用于分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效提取顯著特征，降低SRC算法的識(shí)別時(shí)間至原來(lái)的15％，分類準(zhǔn)確率達(dá)到95%以上。
　　 2．提出一種新的基于字典學(xué)習(xí)的克服方位敏感性的SAR目標(biāo)識(shí)別方法。該方法引入BagofFeatures思想，利用密集采樣SIFT描述特征訓(xùn)練過(guò)完備字典，對(duì)訓(xùn)練集和測(cè)試集同時(shí)進(jìn)行稀疏編碼并構(gòu)造空域金字塔環(huán)形描述，得到旋轉(zhuǎn)不變特征，最后輸入線性SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，在無(wú)