基于強魯棒性的SAR圖像目標識別方法研究.pdf

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