论文部分内容阅读
为了使雷达图像的解译能力和图像的高速成像能力相匹配,自动目标识别系统(Automatic Recognition System,ATR)迅速崛起,并得到了各个国家的高度重视,其中,以林肯实验室提出的,包括检测、鉴别和识别在内的三级流程最为经典。本文基于经典的三级流程,从四个方面进行了研究:第一,充分研究并归纳了合成孔径雷达(Synthetic Aperture Radar,SAR)图像中杂波的建模模型,并从中选取了最具代表性的G0分布和瑞利分布进行对比实验,证明了 G0分布用作SAR图像杂波建模更加合理,并利用恒虚警率(Constant False Alarm Rate,CFAR)算法成功获取了 789个杂波切片;第二,总结归纳了 SAR图像目标鉴别特征提取的各种算法,最终,根据提出的特征实用性三个标准,及有效性、稳定性和高效性,选择基于对比度和离散度的特征作为本文研究对象,在研究分析分形维数特征、峰值能量比特征和4个空间边界特征的基础上,提出了一种根据切片对比度,自适应选取切片描述点的方法,通过对比高贵的方法看出,新方法选取的描述点,使质量特征和峰值信噪比特征的鉴别率分别提高了 19.65%和10.94%;第三,对现有的分类器进行了归纳总结,认为最有可能实用化的鉴别器是贝叶斯鉴别器和支持向量机(Support Vector Machine,SVM),通过实验发现,两种鉴别器都存在特征冗余的现象,需要进行特征选择,在两个鉴别器鉴别效果几乎相同的情况下,贝叶斯的效率远远高于SVM,从实用性出发,使用遗传算法与贝叶斯鉴别器结合,找出特征的最优组合,消除了特征冗余,同时,提出了贝叶斯鉴别器以及适应度函数的优化方法,与高贵的方法相比,新方法消除了漏检,大大降低了使用的风险性,且将平均鉴别时间从9.77秒减少到了 7.23秒;第四,由于鉴别特征的分布针对不同型号目标表现出了一定的差异性,因此,作者基于贝叶斯的判别原理,结合遗传算法和贝叶斯判别器,利用9个基于对比度和离散度的特征,提出了一种快速目标型号识别方法,实验结果发现,该方法对外型结构相差较大的9种目标识别率达到了 86.73%,与其它8种、平均识别率达到92.7%的经典识别方法相比,该方法不需要复杂的预处理步骤,3分钟左右对1213个目标的快速识别效率,使其在实际使用中成为一种辅助型号识别的工具变得可能。