基于流形學(xué)習(xí)的SAR自動目標(biāo)識別方法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有全天候、遠(yuǎn)距離、極強(qiáng)的穿透力的優(yōu)點(diǎn)，并能在惡劣的環(huán)境下提供地形地物的高分辨率圖像，從而為我們提供了一種更可靠的目標(biāo)識別手段。SAR自動目標(biāo)識別在戰(zhàn)場感知方面具有非常重要的作用，已成為國內(nèi)外研究的熱門課題。流形學(xué)習(xí)是近年來發(fā)展起來的一種新型機(jī)器學(xué)習(xí)理論，其旨在發(fā)現(xiàn)高維數(shù)據(jù)集分布的內(nèi)在規(guī)律性，它有助于發(fā)掘SAR圖像數(shù)據(jù)集的本質(zhì)信息，提高SAR自動目標(biāo)識別系統(tǒng)的識別性

2、能。
　　 本文從SAR圖像預(yù)處理、特征提取及識別方面展開研究，主要研究內(nèi)容如下：
　　 1.針對SAR圖像預(yù)處理算法的細(xì)節(jié)信息保持與提高圖像可鑒別性要求，研究了綜合基于weibull分布雙參數(shù)CFAR圖像分割—幾何聚類—二值掩膜的圖像分割和圖像后處理的復(fù)合預(yù)處理算法，其能夠有效保持目標(biāo)的邊緣、紋理等細(xì)節(jié)信息，并能有效提高目標(biāo)圖像的可鑒別性。
　　 2.針對傳統(tǒng)的基于全局線性結(jié)構(gòu)的特征提取算法不能有效克服高維SA

3、R數(shù)據(jù)集的非線性影響的問題，提出了廣義鄰域鑒別嵌入(GNDE)的流形學(xué)習(xí)特征提取算法，包括向量空間上的廣義鄰域鑒別嵌入(GNDEV)和張量空間上的廣義鄰域鑒別嵌入(GNDET)，該算法能夠有效解決非線性問題，提高所提取特征的可鑒別性以及對數(shù)據(jù)集變化的魯棒性，從而提高了識別率。
　　 3.針對單一特征對識別率提高的有限性問題，探索了基于二維主分量分析(2DPCA)和GNDET的特征融合的特征提取算法，該算法能對圖像特征進(jìn)行有效融合