高分辨率SAR圖像目標(biāo)識(shí)別關(guān)鍵技術(shù).pdf

1、合成孔徑雷達(dá)(SAR)因?yàn)槠涑上癫皇芴鞖?，光照等條件的影響，在民用和軍事等領(lǐng)域已得到廣泛的應(yīng)用。隨著SAR技術(shù)發(fā)展不斷深入，SAR圖像由傳統(tǒng)的基于人工判讀逐漸轉(zhuǎn)化為SAR圖像的自動(dòng)目標(biāo)識(shí)別(SAR ATR)。本文主要研究了SAR ATR關(guān)鍵技術(shù)，其中主要包括三大部分：SAR圖像濾波、特征提取以及目標(biāo)分類器設(shè)計(jì)。針對(duì)每個(gè)部分所涉及的算法本文分別從理論和仿真數(shù)據(jù)給予了詳細(xì)的分析。
　　提出一種基于差分曲率驅(qū)動(dòng)的各項(xiàng)異性擴(kuò)散SAR圖像濾

2、波方法。SAR的成像特點(diǎn)決定了SAR圖像受相干斑噪聲的影響，且符合乘性模型。在處理過(guò)程中，通過(guò)對(duì)數(shù)變換，把乘性模型轉(zhuǎn)化為加性模型。主要分析了基于偏微分方程的去噪算法，針對(duì)傳統(tǒng)的P-M、平均曲率驅(qū)動(dòng)、高斯曲率驅(qū)動(dòng)等去噪算法不能保留圖像邊緣、細(xì)節(jié)信息，提出改進(jìn)的基于差分曲率驅(qū)動(dòng)的各項(xiàng)異性擴(kuò)散方法，該方法可以較好地區(qū)分圖像的邊緣、孤立噪點(diǎn)和圖像的平坦區(qū)域，因此，去噪的同時(shí)保留了圖像邊緣信息。
　　研究了一種基于變換特性的SAR圖像特征提

3、取方法。由于直接對(duì)去噪后的SAR圖像進(jìn)行目標(biāo)分類，其識(shí)別效率極低，因此，在分類器設(shè)計(jì)之前對(duì)圖像進(jìn)行了特征提取，既減小了計(jì)算量，也達(dá)到了進(jìn)一步去噪的作用。主要研究分析了PCA算法，該算法利用 K-L變換原理，把圖像轉(zhuǎn)化為一維向量，根據(jù)其協(xié)方差矩陣的特征值的大小，來(lái)選擇具有代表性的特征向量。進(jìn)一步研究了與PCA算法類似的2DPCA算法，該算法直接利用原始圖像進(jìn)行特征提取，解決了PCA在處理大圖像時(shí)所需計(jì)算量很大的問(wèn)題。
　　提出一種復(fù)

4、合的SAR目標(biāo)分類器設(shè)計(jì)方法。利用特征提取過(guò)程得到的投影數(shù)據(jù)進(jìn)行目標(biāo)分類，主要分析了近鄰法，支持向量機(jī)和不等間距最優(yōu)分類面支持向量機(jī)三種分類器設(shè)計(jì)方法。因?yàn)楸敬窝芯酷槍?duì)多類別目標(biāo)進(jìn)行，因此，采用一對(duì)一分類設(shè)計(jì)，把訓(xùn)練樣本的所有類別兩兩組合分別設(shè)計(jì)二分類器，對(duì)每個(gè)分類器識(shí)別出的結(jié)果進(jìn)行投票選取。結(jié)合近鄰法和支持向量機(jī)的特點(diǎn)，提出一種改進(jìn)的分類器設(shè)計(jì)方法，該方法根據(jù)訓(xùn)練樣本數(shù)據(jù)的分布不同采用不同的分類器，同時(shí)，既解決了大量樣本數(shù)據(jù)直接采用近