基于稀疏表示的SAR图像目标识别

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:yuqiang521
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为微波遥感的代表,合成孔径雷达(SyntheticApertureRadar,SAR)具有全天时、全天候、穿透力强和分辨率高等特点。近些年来,SAR图像自动目标识别技术(ATR)已经成为国内外研究的热点。由于SAR传感器的主动成像特性,SAR图像中存在大量相干斑和阴影区域,目前影响SAR图像目标自动识别算法性能的因素有:对目标方位角的敏感、预处理中图像目标分割的质量、目标本身轮廓的改变、成像参数、目标周围环境等。   SARATR是SAR图像解译中一个关键步骤,如何精确提取特征和采用有效的分类方法是两个关键问题。提取特征方面,现有的基于模板匹配的SAR自动目标识别算法需要对目标姿态进行预估计,对目标进行方位校正,将目标旋转至标准方位,减少模板存储空间。但预处理复杂度较高。设计分类器方面,传统统计学习方法中针对小样本学习问题精度不佳,并且可推广性差。因此,有必要从其他角度来研究SARATR问题。   信号的稀疏表示模型基于信号的稀疏性假设,是一种线性模型,具备容易扩展的特性,同时目标方位角鲁棒的特征表达可有效避免目标姿态预估计问题。本文主要研究目标姿态变化下的稀疏表示目标识别算法,主要内容和贡献如下:   1.提出一种结合多层纹理模型与元样本提取的稀疏表示分类算法。首先利用Gabor滤波器形成多层纹理模型表示,并利用LBP算子编码Gabor幅值,得到GLBP图谱,之后进行子区域划分和直方图统计,生成串接序列形成最终降维后特征。为了进一步降低字典维度,采用元样本提取方法形成最终的稀疏表示字典,用于分类识别。实验结果表明,该算法能够有效提取显著特征,降低SRC算法的识别时间至原来的15%,分类准确率达到95%以上。   2.提出一种新的基于字典学习的克服方位敏感性的SAR目标识别方法。该方法引入BagofFeatures思想,利用密集采样SIFT描述特征训练过完备字典,对训练集和测试集同时进行稀疏编码并构造空域金字塔环形描述,得到旋转不变特征,最后输入线性SVM分类器进行分类。实验结果表明,在无需目标方位角估计的前提下,该方法达到了优异的识别率。   3.设计SAR图像信息提取平台。该平台首先对整幅场景的大图进行去噪等预处理,然后进行目标检测与识别。通过将本文提出的两种识别算法应用至实际场景的处理,比较了两种方法的优劣,结论表明,针对MSTAR实测场景数据,本文的算法有着良好的表现。
其他文献
LED(Light-Emitting Diode)可见光定位技术是在可见光通信基础上,利用LED的位置码及其发出光信号所携带的信息,对目标接收机进行定位。它具有定位精度高、实现简单、无电磁干
雷达在船舶导航和VTS系统中有着非常重要的作用,它通过采集雷达数据、信号处理和信息显示来监视船舶的航行状态或引导船舶进出港及锚泊,保证船舶雾航、夜航安全。船用导航雷
论文首先引入Linvill集总电荷的概念得出PIN管的简单的物理模型,然后在载流子双极扩散方程的基础上,得出PIN管的精确的电路模型,最后为了扩展模型的使用范围,我们进而又分别
干旱地区的煤田自燃危害严重:损失宝贵煤炭资源的同时,还产生大量有害气体。对煤田自燃易发区域进行有效的实时空气监测,再根据监测结果及时启动控制预案,可显著降低自燃事件
车载视频监控系统主要由车载终端、无线传输网络和视频监控服务器三部分组成。本课题的研究内容属于车载终端部分,车载终端主要包括车载DVR、摄像头和一些外围设备。车载DVR实