逆合成孔径雷达(ISAR)是中国高技术研究项目之一.它的最终目的是目标识别.现阶段中国对ISAR的研究主要集中在运动补偿、成像质量、成像算法及体制实验上.随着这些技术的日趋成熟,专家们开始关注ISAR的最后一个子系统,即目标的自动识别系统.目前,ISAR技术已很完善,可以得到运动目标的高质量精细结构的图像.但是,由于ISAR得到的是三维目标的二维图像,其图像是目标在ISAR成像平面的二维投影结果,对于机动目标,其成像平面是不同的,因此目标的二维ISAR像很不一样.另外,在不同的雷达视角下,目标上强散射中心可能发生很大的变化,这就使得同一目标在不同的雷达视角下的ISAR像之间存在很大差异.与此同时,目标ISAR像还有平移、旋转、投影、遮挡的变化,这些变化更进一步增加了ISAR目标识别的难度.因此,我们从事这方面的研究是很有价值的.该文研究的主要问题是如何有效地利用计算机将ISAR图像中的飞机目标正确地分类.ISAR目标识别系统也和一般的目标识别系统一样,包括预处理、特征提取与选择及分类决策三个部分.由于所用的ISAR图像都已是经过预处理的,因此该文不讨论预处理的问题,主要研究适合ISAR目标识别的特征提取方法和分类算法.其主要内容如下:首先研究了适合ISAR目标识别的特征提取方法.主要采用了低频傅里叶系数、低频小波系数及不变矩和目标尺寸等三类分类特征,并对其提取方法和理论依据作了详细的介绍.然后详细介绍了最近邻分类法、BP神经网络分类算法及SVM(支持向量机)分类法的基本原理,并简单叙述了这些分类决策方法在课题实验中的具体实现方法.最后结合实际的目标图像数据,利用各种分类特征和分类算法进行分类实验.比较试验结果,最后得出结论:以七个几何矩不变量和目标尺寸、能量、面积及强散射点个数12个特征作为分类特征,利用支持向量机(SVM)分类器分类,分类效果最好.