合成孔徑雷達(dá)圖像分類與目標(biāo)檢測(cè)技術(shù)研究.pdf

1、隨著合成孔徑雷達(dá)技術(shù)應(yīng)用的日益發(fā)展，合成孔徑雷達(dá)數(shù)據(jù)收集能力越來越強(qiáng)，人工解譯難以適應(yīng)數(shù)據(jù)的高速增長，利用計(jì)算機(jī)及模式識(shí)別技術(shù)對(duì)這些圖像進(jìn)行自動(dòng)或半自動(dòng)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(jià)值，SAR圖像分類、目標(biāo)檢測(cè)、分割、識(shí)別是SAR自動(dòng)半自動(dòng)圖像解譯的幾個(gè)重要的研究方向，成為國際研究熱點(diǎn)，本文對(duì)SAR圖像分類、目標(biāo)檢測(cè)與分割做了研究，主要貢獻(xiàn)有： (1)紋理分析是SAR

2、圖像分析的重要組成部分，對(duì)紋理的全面認(rèn)知將極大提高對(duì)SAR圖像的理解和目標(biāo)識(shí)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(jī))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(duì)地物分類。 (2)由于馬爾可夫場(chǎng)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(jī)場(chǎng)的目標(biāo)檢測(cè)方法，在此基礎(chǔ)

3、上根據(jù)觀測(cè)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(chǎng)目標(biāo)檢測(cè)方法，利用最大后驗(yàn)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(cè)。 (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(xì)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(duì)

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(cè)，取得了較好的檢測(cè)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(shí)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(dòng)圍道分割在研究和應(yīng)用兩個(gè)方面倍受關(guān)注。論文研究了活動(dòng)圍道的目標(biāo)分割方法，根據(jù)模擬退火算法原理對(duì)梯度矢量流活動(dòng)圍道收斂方法進(jìn)行了改進(jìn)，該方法通過加入隨機(jī)干擾使活動(dòng)圍道跳出局部最優(yōu)解，最終收斂到全局最優(yōu)。由于目