合成孔徑雷達(dá)自動(dòng)目標(biāo)識(shí)別研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar-SAR)是一種全天候、全天時(shí)、不受光照等條件限制的主動(dòng)式傳感器,它可對(duì)感興趣的目標(biāo)進(jìn)行偵察,已成為一種重要的軍事偵察手段。隨著SAR成像技術(shù)的發(fā)展,SAR圖像的來(lái)源越來(lái)越廣泛,迫切需要研究對(duì)圖像的自動(dòng)解譯系統(tǒng)。表現(xiàn)在軍用上,就需要研究針對(duì)軍事目標(biāo)的自動(dòng)目標(biāo)識(shí)別系統(tǒng)。世界各國(guó)都對(duì)SAR自動(dòng)目標(biāo)識(shí)別表現(xiàn)出極大的興趣,投入了大量的人力和物力,其中美國(guó)的投入和研究在全世界都處于領(lǐng)先

2、地位。本課題為國(guó)防航空預(yù)研項(xiàng)目“機(jī)載微波高分辨率成像自動(dòng)識(shí)別技術(shù)”,要求對(duì)地面人造目標(biāo)如坦克等進(jìn)行有效的識(shí)別。
　　 本論文的工作從以下幾個(gè)方面展開(kāi):SAR圖像統(tǒng)計(jì)特性分析、SAR圖像去噪濾波、SAR圖像人造目標(biāo)檢測(cè)、SAR圖像目標(biāo)識(shí)別。研究的重點(diǎn)包括:SAR圖像經(jīng)典統(tǒng)計(jì)特性分析和乘性噪聲特性的分析、基于二維模糊熵的SAR圖像目標(biāo)檢測(cè)、遺傳算法和蟻群算法對(duì)二維圖像分割閾值的參數(shù)尋優(yōu)、SAR圖像目標(biāo)的小波矩特征提取和選擇、SAR圖

3、像目標(biāo)方位角估計(jì)和支持向量機(jī)在SAR圖像目標(biāo)識(shí)別中的應(yīng)用等方面。
　　 本論文的主要研究?jī)?nèi)容和創(chuàng)新性工作包括:
　　 1.分析了SAR圖像的經(jīng)典統(tǒng)計(jì)特性,從圖像的均值-均方差圖、殘差圖和相關(guān)系數(shù)三個(gè)方面證明了SAR圖像的乘性噪聲模型。
　　 2.研究了現(xiàn)有的圖像濾波算法的優(yōu)缺點(diǎn),提出了一種SAR圖像自適應(yīng)小波濾波算法。該算法具有自適應(yīng)性和充分利用圖像小波系數(shù)分布的特點(diǎn)。將圖像在小波域分為三部分:平滑區(qū)、紋理區(qū)和強(qiáng)

4、烈不均勻區(qū),根據(jù)不同的區(qū)域采用不同的濾波方法。在圖像小波域,用混合高斯模型描述小波系數(shù)的分布,用EM估計(jì)來(lái)估計(jì)小波系數(shù)分布模型,用貝葉斯估計(jì)恢復(fù)圖像的真實(shí)信息。實(shí)驗(yàn)結(jié)果表明,該濾波算法可以在去除SAR圖像噪聲的同時(shí)有效保留圖像的細(xì)節(jié)信息。
　　 3.提出了一種將二維模糊熵用于SAR圖像的目標(biāo)分割算法。該算法采用二維灰度直方圖,既利用了圖像的灰度信息,又利用了圖像相鄰像素之間的關(guān)系信息。通過(guò)合理選擇適合SAR圖像的隸屬度函數(shù)和熵函

5、數(shù),可以獲得較好的分割效果。
　　 4.針對(duì)二維SAR圖像分割中閾值尋優(yōu)范圍大、極值點(diǎn)多的特點(diǎn),研究了用遺傳算法和蟻群算法對(duì)閾值進(jìn)行尋優(yōu),在較短的時(shí)間內(nèi)取得了很好的結(jié)果。相對(duì)于再量化算法而言,這兩種尋優(yōu)算法保留了圖像的有用信息并且計(jì)算時(shí)間短。在閾值尋優(yōu)中,遺傳算法和蟻群算法都得到了較好的視覺(jué)結(jié)果。但相比而言,蟻群算法的穩(wěn)定性?xún)?yōu)于遺傳算法。這是因?yàn)檫z傳算法通過(guò)隨機(jī)數(shù)來(lái)控制交叉和變異,因而結(jié)果有一定的隨機(jī)性；而蟻群算法利用了正反饋的

6、原理,在一定程度上可以加快進(jìn)化過(guò)程,并且不同個(gè)體之間可以不斷進(jìn)行信啟、的交流和傳遞,從而更有利于發(fā)現(xiàn)較好的解。
　　 5.提出了提取SAR圖像的小波矩特征,用于SAR圖像目標(biāo)識(shí)別。這基于兩個(gè)因?yàn)?一是SAR圖像在方位角相鄰時(shí)具有某種相似性；二是小波矩特征既有小波分析多分辨率的特性,又有矩特征的旋轉(zhuǎn)、平移和尺寸不變性的特性。用最大距離法在眾多的小波矩特征中選出了5個(gè)最能代表目標(biāo)特性的特征,并用小波神經(jīng)網(wǎng)對(duì)目標(biāo)進(jìn)行訓(xùn)練和識(shí)別。結(jié)果表

7、明,小波不變矩特征穩(wěn)定性好,可以有效地描述SAR圖像的目標(biāo)特征。
　　 6.提出了一種先估計(jì)出SAR圖像目標(biāo)的方位角再進(jìn)行SAR圖像目標(biāo)識(shí)別的算法。由于SAR圖像隨著目標(biāo)方位角的變化會(huì)發(fā)生很大的變化,這給目標(biāo)識(shí)別帶來(lái)很大的困難。該算法首先用旋轉(zhuǎn)矩形法估計(jì)出目標(biāo)的方位角,再在方位角限定的范圍內(nèi)對(duì)目標(biāo)進(jìn)行訓(xùn)練和識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法簡(jiǎn)單有效。
　　 7.研究了支持向量機(jī)用于SAR圖像目標(biāo)識(shí)別的算法。支持向量機(jī)在目標(biāo)樣本數(shù)