合成孔徑雷達圖像分類與目標(biāo)檢測技術(shù)研究.pdf

1、隨著合成孔徑雷達技術(shù)應(yīng)用的日益發(fā)展，合成孔徑雷達數(shù)據(jù)收集能力越來越強，人工解譯難以適應(yīng)數(shù)據(jù)的高速增長，利用計算機及模式識別技術(shù)對這些圖像進行自動或半自動快速、準(zhǔn)確地解譯可以極大提高數(shù)據(jù)處理的效率，無論在軍事及民用領(lǐng)域都具有很好的發(fā)展前景及應(yīng)用價值，SAR圖像分類、目標(biāo)檢測、分割、識別是SAR自動半自動圖像解譯的幾個重要的研究方向，成為國際研究熱點，本文對SAR圖像分類、目標(biāo)檢測與分割做了研究，主要貢獻有： (1)紋理分析是SAR

2、圖像分析的重要組成部分，對紋理的全面認(rèn)知將極大提高對SAR圖像的理解和目標(biāo)識別能力。論文研究了灰度共生矩陣紋理特征提取方法及SVM(支持向量機)的分類方法，提出了灰度共生矩陣類特征基的特征提取算法，該算法特征提取的數(shù)量與需要分類的地物類型數(shù)一致，可以更簡單對地物分類。 (2)由于馬爾可夫場能夠有效地表征圖像的空間鄰域相關(guān)性并且有優(yōu)化算法支持，在SAR圖像處理中起著越來越重要的作用，論文研究了馬爾可夫隨機場的目標(biāo)檢測方法，在此基礎(chǔ)

3、上根據(jù)觀測系統(tǒng)模型提出了遞增結(jié)構(gòu)能量參數(shù)的馬爾科夫場目標(biāo)檢測方法，利用最大后驗概率準(zhǔn)則及模擬退火優(yōu)化方法，通過隨迭代次數(shù)不斷遞增的結(jié)構(gòu)能量獲得目標(biāo)的最優(yōu)檢測。 (3)由于小波分解的多分辨分析特性及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自組織等性能，在圖像處理中得到了廣泛的應(yīng)用，論文研究了SAR圖像小波多分辨分析的特性，根據(jù)Rodieck的視網(wǎng)膜感受野神經(jīng)節(jié)細胞數(shù)學(xué)模型，提出了SAR圖像非線性采樣目標(biāo)低頻小波樹特征提取方法，利用PCA(主分量分析)對

4、低頻小波樹降維，用降維后的特征值訓(xùn)練LVQ神經(jīng)網(wǎng)絡(luò)，并應(yīng)用于SAR圖像目標(biāo)檢測，取得了較好的檢測效果。 (4)SAR圖像目標(biāo)分割結(jié)果好壞直接影響到后續(xù)識別的方法和質(zhì)量，至今己提出上千種各種類型的分割算法，在各種分割技術(shù)中，活動圍道分割在研究和應(yīng)用兩個方面倍受關(guān)注。論文研究了活動圍道的目標(biāo)分割方法，根據(jù)模擬退火算法原理對梯度矢量流活動圍道收斂方法進行了改進，該方法通過加入隨機干擾使活動圍道跳出局部最優(yōu)解，最終收斂到全局最優(yōu)。由于目