基于強魯棒性的SAR圖像目標識別方法研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、SAR(SyntheticApertureRadar)圖像的濾波、目標分割以及目標特征提取和分析匹配是SAR圖像目標識別中的關鍵技術。本文主要對SAR圖像目標識別中的這幾種關鍵技術進行了分析和研究。
   首先,針對無監(jiān)督近鄰傳播(AP,AffinityPropagation)聚類算法在數(shù)據量較大的SAR圖像處理上計算量過大且無法有效地抑制灰度分割時大量相干斑噪聲的問題,提出一種融合信息熵和AP算法的SAR圖像分割方法。首先,利

2、用滑窗計算圖像的信息熵矩陣,然后,把信息熵作為初始數(shù)據,利用融入了加權系數(shù)和優(yōu)化了偏向參數(shù)的AP算法進行聚類分割。實驗結果表明,改進的AP算法在算法運行時間、算法聚類精度以及算法的準確率方面與AP算法相比,有較大的提高,分割效果較好。
   其次,由于SAR圖像紋理豐富且存在大量的噪聲,使得傳統(tǒng)SURF(speeduprobustfeatures)算子對SAR圖像的目標興趣點檢測并不理想,存在興趣點檢測適應性不強和出現(xiàn)大量無用特

3、征點,致使目標匹配的成功率下降,提出了融合恒虛警率(CFAR,ConstantFalse-AlarmRate)和SURF的SAR圖像目標匹配新算法。采用適應性較強的混合高斯模型擬合雜波的CFAR進行目標興趣區(qū)域檢測,然后,運用SURF算子對檢測的目標進行SURF特征提取,最后,使用改進的多層剔除方法匹配特征點。通過仿真分析了算法對SAR圖像目標匹配的有效性,并在此方面與傳統(tǒng)算法進行了比較,仿真實驗表明該方法在目標尺度、旋轉、噪聲變化的情

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論