基于曲線波變換和核支撐矢量機的SAR自動目標識別方法研究.pdf

1、機器學習和多尺度幾何分析理論已經(jīng)滲透于多個學科，并在信號處理、圖像處理、模式識別、信息檢索、數(shù)據(jù)挖掘、自動控制等領(lǐng)域取得了豐富的成果。本文就是利用Curvelet變換和核機器學習方法研究SAR(Synthetic Aperture Radar)自動目標識別，以及SAR遮擋目標識別的相關(guān)問題，針對識別過程中的目標特征提取和機器學習機兩個方面完成了如下工作：
　　 1.針對SAR目標特征提取問題，提出了基于曲線波變換的SAR自動目標

2、識別方法。該方法利用Curvelet變換，對目標提取區(qū)域和輪廓兩部分特征，其中輪廓信息可以彌補由于分割導致區(qū)域信息提取的誤差。將輪廓和區(qū)域特征二者結(jié)合作為SAR目標的最終特征，進而利用支撐矢量機進行分類識別。實驗結(jié)果表明本文提出的算法有效的提取了目標信息，提高了識別率。本文將該方法用于SAR遮擋目標的識別，實驗結(jié)果表明該方法對于遮擋目標的識別問題同樣具有較好的穩(wěn)定性與有效性。
　　 2.鑒于小波的時頻多分辨特性和良好的逼近特性，

3、將小波與核支撐矢量機結(jié)合起來，構(gòu)造了Meyer小波核，并將其用于SAR目標識別。小波函數(shù)的使用彌補了高斯核支撐矢量機對帶有奇異點函數(shù)曲線逼近的缺陷，而對于光滑函數(shù)，小波核的逼近性能與高斯核相當(在同一數(shù)量級)?；貧w估計實驗和SAR目標識別實驗結(jié)果表明，本文所構(gòu)造的小波核具有良好的回歸估計和目標識別性能。該核函數(shù)的構(gòu)造為應用核機器學習方法提供了更多可供選擇的核函數(shù)。
　　 3.由于不同的核函數(shù)決定不同特征空間，小波核可張成一維空間