無(wú)人機(jī)SAR圖像自動(dòng)目標(biāo)識(shí)別技術(shù)研究.pdf

1、隨著無(wú)人機(jī)技術(shù)的發(fā)展，作為無(wú)人機(jī)上主要攜帶的傳感器合成孔徑雷達(dá)(SAR)已是國(guó)內(nèi)外研究的對(duì)象，尤其對(duì)于SAR圖像自動(dòng)目標(biāo)識(shí)別技術(shù)的研究，更是得到了廣泛的關(guān)注。本文采用目前廣泛使用的由美國(guó)DARPA/AFRL提供的MSTAR數(shù)據(jù)庫(kù)，按照SAR自動(dòng)目標(biāo)識(shí)別的檢測(cè)、鑒別、分類(lèi)三個(gè)步驟的關(guān)鍵技術(shù)展開(kāi)研究，結(jié)合目前國(guó)內(nèi)外SAR ATR的發(fā)展趨勢(shì)，研究了目標(biāo)圖像增強(qiáng)、目標(biāo)特征提取方法和目標(biāo)分類(lèi)方法等幾個(gè)部分，并在matlab7.0平臺(tái)進(jìn)行仿真實(shí)驗(yàn)。

2、
　　首先，介紹了MSTAR數(shù)據(jù)庫(kù)以及SAR圖像噪聲，主要介紹了其中的K-分布、Gamma分布和Weibull分布等噪聲分布模型。
　　其次，對(duì)SAR圖像增強(qiáng)進(jìn)行研究，針對(duì)幅度圖像區(qū)域特征增強(qiáng)的要求，提出了一種改進(jìn)的幅度域正則化方法。由實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)后的正則化方法可以較為明顯的區(qū)分出目標(biāo)、陰影和背景區(qū)域，且具有較高的信雜比；接著采用雙參數(shù)CFAR檢測(cè)算法進(jìn)行區(qū)域檢測(cè)。
　　然后，研究了SAR圖像特征提取方法，針

3、對(duì)目前鮮有文章對(duì)特征提取方法按目標(biāo)類(lèi)型進(jìn)行分類(lèi)的問(wèn)題，提出了按照類(lèi)型對(duì)特征提取方法進(jìn)行分類(lèi)的方法，分為車(chē)輛目標(biāo)特征、建筑物目標(biāo)特征、道路和橋梁目標(biāo)特征、艦船目標(biāo)特征以及地域目標(biāo)特征等五大類(lèi)，同時(shí)建立了SAR圖像特征的二維分類(lèi)框架；又針對(duì)目前對(duì)目標(biāo)和陰影相結(jié)合研究較少的問(wèn)題，提出了由十四個(gè)Hu不變矩特征組成的綜合特征向量。
　　最后，對(duì)SAR圖像分類(lèi)進(jìn)行研究，由于多分類(lèi)相結(jié)合的方法是目前分類(lèi)研究的熱點(diǎn)，本文采用投票準(zhǔn)則將模糊極大極小