基于ISAR圖像的艦船目標(biāo)的特征提取與識別.pdf

1、逆合成孔徑雷達(dá)(ISAR)可以獲得艦船、飛機(jī)等運(yùn)動目標(biāo)的遠(yuǎn)距離成像，得到不同視角的目標(biāo)圖像，可以實(shí)現(xiàn)檢測、跟蹤等不同目的，故ISAR在民用和軍用領(lǐng)域都有廣泛的研究和應(yīng)用。本文利用ISAR的特點(diǎn)，對艦船進(jìn)行成像，并對艦船的特征及識別進(jìn)行深入研究。
　　ISAR的成像技術(shù)比較成熟，本文利用比較通用的方法對艦船目標(biāo)進(jìn)行成像。文中采用三類艦船模型作為識別的對象，對各類型進(jìn)行點(diǎn)陣模型建立，利用距離多普勒實(shí)現(xiàn)了艦船ISAR像的仿真。由于艦船結(jié)

2、構(gòu)和運(yùn)動的復(fù)雜度以及ISAR像的特點(diǎn)，所成的像是不同角度不同旋轉(zhuǎn)方向的，且各個旋轉(zhuǎn)角度的像差距都很大，因此為了證實(shí)本課題的通用性，驗(yàn)證識別的有效性，本文選用了大量的數(shù)據(jù)樣本進(jìn)行試驗(yàn)。
　　識別的重要一步是特征提取，通過驗(yàn)證，本文選取了三個適合艦船像的特征，三個特征是遞進(jìn)、互補(bǔ)的，包括：整體特征、LBP特征、輪廓特征。整體特征描述的是艦船的大體情況，LBP特征是艦船內(nèi)部紋理的特征體現(xiàn)，而輪廓特征是本文針對艦船像的特點(diǎn)，采用了一種“擬

3、合”方法提取出來的，然后，分別利用三類特征建立艦船的特征數(shù)據(jù)庫。
　　AdaBoost算法是一種比較新的技術(shù)，不僅簡單通用，而且具有很強(qiáng)的分類能力，本文選取了 AdaBoost的三個經(jīng)典算法：RAB(Real AdaBoost)、GAB(Gentle AdaBoost)和MAB(Modest AdaBoost)，分別對特征數(shù)據(jù)庫進(jìn)行識別，同時，將特征進(jìn)行組合增加識別率，并針對識別結(jié)果分析了各算法的性能。最后，為了提高分類器與特征之