高分辨SAR圖像機動目標檢測與識別技術研究.pdf

1、隨著合成孔徑雷達成像技術與應用領域的快速發(fā)展,合成孔徑雷達的信息采集能力不斷增強,人工解譯已較難適應其數(shù)據(jù)量的快速增長,借助于計算機、機器學習和模式識別相關技術對合成孔徑雷達圖像進行自動或半自動地解譯可以在較大程度上提高對數(shù)據(jù)的處理效率,這對于軍事和民用領域都具有良好的應用價值。隨著SAR圖像分辨率的提高,它在軍事領域中的應用也由最初的檢測目標逐步擴展為檢測并識別目標,基于高分辨SAR圖像的機動目標檢測、鑒別、識別是SAR圖像解譯領域中

2、重要的研究方向,已成為國內(nèi)外的研究熱點。本文從高分辨SAR圖像中機動目標的檢測、鑒別與識別三個方面進行研究,從分類的角度考慮上述三個問題,所做主要工作如下:
　　(1)研究了經(jīng)典的恒虛警率檢測方法,分析了 SAR圖像中機動目標與常見背景區(qū)域的統(tǒng)計特性。針對SAR圖像分辨率的提高,提出了對目標和背景同時建模的基于貝葉斯分類器的機動目標檢測算法。此外,由于在SAR圖像的目標檢測階段所要處理的數(shù)據(jù)量是巨大的,因此,在上述算法的基礎上進一

3、步提出用視覺顯著注意模型先求取圖像中的顯著區(qū)域,再進一步用檢測方法進行檢測,算法不僅具有較好的檢測性能,更有良好的實時性。
　　(2)研究了表征學習的基本理論方法,并將表征學習應用于高分辨 SAR圖像的機動目標特征提取上。在此基礎上分別提出了基于稀疏表示的高分辨SAR圖像機動目標鑒別方法和基于One-Class SVM的高分辨SAR圖像機動目標鑒別方法?；谙∈璞硎镜哪繕髓b別在正樣本較少的情況下也獲得了較好的鑒別性能,而基于One