基于稀疏表示的SAR目標識別算法研究.pdf

1、合成孔徑雷達(Synthetic Aperture Radar, SAR)是一種具有高分辨力的成像雷達。由于全天時、全天候的成像優(yōu)勢,它在民用和軍用領(lǐng)域被廣泛應(yīng)用。作為應(yīng)用之一的 SAR目標識別由于對國防預(yù)警的重要意義成為廣大學者研究的熱點之一。稀疏表示從過完備字典中選取盡量少的原子線性重構(gòu)信號,應(yīng)用于識別問題時,不僅有天然的識別信息包含在稀疏表示系數(shù)中還表現(xiàn)出優(yōu)良的抗噪性,而SAR目標識別的一個難題就是斑點噪聲,因此以稀疏表示理論為基

2、礎(chǔ)的SAR目標識別具有廣闊的研究前景。
　　本文以稀疏表示為基礎(chǔ),結(jié)合SAR圖像的特點,在SAR圖像預(yù)處理、特征提取和目標識別方面展開研究,主要的研究內(nèi)容如下:
　　1.結(jié)合MSTAR數(shù)據(jù)庫的SAR目標圖像特點,研究了基于支持向量機(Support Vector Machine, SVM)分類思想的SAR圖像預(yù)處理方法,經(jīng)過對數(shù)變換、基于SVM的穩(wěn)定SAR圖像分割、后處理的流程后得到的SAR圖像既保留了目標的細節(jié)信息又大大減

3、弱了斑點噪聲的影響,為后續(xù)的識別提供了更清晰的SAR目標圖像。
　　2.針對稀疏鄰域保留嵌入(Sparse Neighborhood Preserving Embedding, SNPE)應(yīng)用于SAR目標識別時在稀疏表示模型上的不足,提出改進的最大化稀疏重構(gòu)間隙投影(Maximize Sparse Reconstruction Margin Projections, MSRMP),新算法不僅提升了識別率,還表現(xiàn)出對分類策略的不敏感

4、性,只要特征維數(shù)足夠大時,在不同分類器上識別率都能保持穩(wěn)定,而且新算法傳承了稀疏表示的抗噪性,在噪聲嚴重的數(shù)據(jù)上仍保持較高的識別率。
　　3.針對單個 SAR目標擁有多角度圖像的情況,對聯(lián)合稀疏表示(Joint Sparse Representation, JSR)模型探討,提出改進的聯(lián)合稀疏表示(Improved Joint Sparse Representation, IJSR)模型,通過1范數(shù)最小化和低秩矩陣恢復(fù)措施尋求同一