SAR圖像處理與目標(biāo)識(shí)別若干關(guān)鍵技術(shù)研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像的目標(biāo)識(shí)別是對(duì)目標(biāo)屬性、類別或類型的判定,基于 SAR圖像的目標(biāo)識(shí)別技術(shù)在軍事、民用等領(lǐng)域都具有十分重要的作用,面對(duì)SAR數(shù)據(jù)源急劇膨脹,如何克服相干斑噪聲影響并快速準(zhǔn)確提取有用信息,實(shí)現(xiàn) SAR圖像目標(biāo)自動(dòng)識(shí)別是SAR圖像應(yīng)用面臨的挑戰(zhàn)。本文針對(duì)SAR ATR技術(shù)中相干斑抑制、目標(biāo)分割、特征提取、目標(biāo)識(shí)別等關(guān)鍵技術(shù)開(kāi)展研究。主要完成工作如下:
　　(1)

2、研究了基于脊波冗余字典的相干斑抑制。針對(duì)傳統(tǒng)小波字典根據(jù)點(diǎn)奇異性構(gòu)建字典導(dǎo)致對(duì)SAR圖像邊緣、紋理描述不清晰的問(wèn)題,提出一種基于脊波冗余字典的 SAR圖像相干斑抑制算法。利用對(duì)線奇異性描述較強(qiáng)的脊波建立冗余字典,實(shí)現(xiàn)對(duì) SAR圖像的稀疏表示,完成對(duì)SAR圖像相干斑抑制。實(shí)驗(yàn)證明,該算法與傳統(tǒng)小波相干斑抑制算法比較,PSNR提高5dB左右。
　　(2)研究了基于能量最大流(Maxflow)的SAR圖像目標(biāo)分割。根據(jù)SAR大場(chǎng)景下傳統(tǒng)

3、分割算法對(duì)于目標(biāo)提取虛警過(guò)高,從而導(dǎo)致需要較多的人為交互式操作,無(wú)法實(shí)現(xiàn)對(duì)目標(biāo)的自動(dòng)分割的問(wèn)題。將目標(biāo)分割轉(zhuǎn)化為求解能量最大流問(wèn)題,提出一種基于能量最大流的SAR圖像分割算法。借助Ford-Fukerson算法來(lái)計(jì)算SAR圖像最大流,提取目標(biāo)及陰影部分,結(jié)合Otus算法將目標(biāo)與陰影清晰地分割開(kāi)來(lái)。實(shí)驗(yàn)證明,相比于雙參數(shù) CFAR法,該算法有效地降低 SAR圖像目標(biāo)誤分割像素。
　　(3)研究了基于流形建模的SAR圖像稀疏表示的識(shí)別

4、方法。針對(duì)傳統(tǒng)的全局線性結(jié)構(gòu)假設(shè)的特征提取算法不能有效克服高維SAR數(shù)據(jù)集的非線性影響問(wèn)題,導(dǎo)致分類效果不理想,把流形學(xué)習(xí)和稀疏表示兩者相互結(jié)合,根據(jù)同一類SAR圖像位于同一個(gè)低維流形上這個(gè)特點(diǎn),提出一種基于流形建模的SAR圖像稀疏表示的識(shí)別方法。利用混合因子分析模型來(lái)對(duì)MSTAR庫(kù)進(jìn)行流形建模,通過(guò)EM算法得出各類目標(biāo)的特征參數(shù),并構(gòu)建起一個(gè)全局的字典,最終利用OMP算法疊代求出稀疏表示系數(shù)并進(jìn)行目標(biāo)的分類。實(shí)驗(yàn)證明對(duì)MSTAR庫(kù)三類