基于判別性字典學習和稀疏表示的SAR地面目標識別.pdf

1、合成孔徑雷達（Synthetic Aperture Radar, SAR）成像技術(shù)不受到距離、光照、天氣等因素的影響，具備全天時、全天候、高分辨率成像的特點。目前，SAR成像技術(shù)已經(jīng)被廣泛應用于軍事探測以及民用測繪的多個領(lǐng)域。但是，在SAR目標自動識別領(lǐng)域，由于SAR圖像的相干成像原理，致使SAR圖像被大量復雜的相干斑噪聲污染，并且由于對SAR輻射特性以及成像原理相關(guān)知識的缺乏，導致提取有效的SAR目標特征進行目標識別十分困難，從而制約

2、了SAR自動目標識別技術(shù)的發(fā)展?；诖?，本文繞過特征提取這一難題，利用訓練樣本的類別信息，通過學習判別性字典來對樣本進行稀疏編碼，利用編碼系數(shù)進行SAR目標識別，最終的實驗數(shù)據(jù)證明了此類方法在SAR目標識別上具有可行性，且識別效果可觀。本文的主要工作內(nèi)容可概括為以下幾點：
　　(1)針對SAR圖像的特性，進行了相關(guān)的預處理工作，主要涉及了噪聲抑制、目標檢測等相關(guān)算法的研究。
　　(2)在現(xiàn)有的Fisher判別性字典學習方法的

3、基礎(chǔ)上對目標函數(shù)進行了改進，并將該方法成功應用在了SAR目標識別上，并取得了一定的識別效果。
　　(3)為了驗證本文改進的算法在 SAR目標識別上的性能，本文將該算法與現(xiàn)有的經(jīng)典稀疏分類方法 SRC、K-SVD、D-KSVD、以及基于 Fisher判別性字典學習方法的目標識別方法進行了對比，并總結(jié)了本文改進算法在SAR目標識別上的特性。
　　(4)通過在不同大小訓練樣本集的實驗，分析了字典大小對識別效果的影響，字典越大，本文