基于強(qiáng)魯棒性的SAR圖像目標(biāo)識(shí)別方法研究.pdf

1、SAR(SyntheticApertureRadar)圖像的濾波、目標(biāo)分割以及目標(biāo)特征提取和分析匹配是SAR圖像目標(biāo)識(shí)別中的關(guān)鍵技術(shù)。本文主要對(duì)SAR圖像目標(biāo)識(shí)別中的這幾種關(guān)鍵技術(shù)進(jìn)行了分析和研究。
　　 首先，針對(duì)無監(jiān)督近鄰傳播(AP，AffinityPropagation)聚類算法在數(shù)據(jù)量較大的SAR圖像處理上計(jì)算量過大且無法有效地抑制灰度分割時(shí)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(jì)算圖像的信息熵矩陣，然后，把信息熵作為初始數(shù)據(jù)，利用融入了加權(quán)系數(shù)和優(yōu)化了偏向參數(shù)的AP算法進(jìn)行聚類分割。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的AP算法在算法運(yùn)行時(shí)間、算法聚類精度以及算法的準(zhǔn)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(duì)SAR圖像的目標(biāo)興趣點(diǎn)檢測(cè)并不理想，存在興趣點(diǎn)檢測(cè)適應(yīng)性不強(qiáng)和出現(xiàn)大量無用特

3、征點(diǎn)，致使目標(biāo)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(biāo)匹配新算法。采用適應(yīng)性較強(qiáng)的混合高斯模型擬合雜波的CFAR進(jìn)行目標(biāo)興趣區(qū)域檢測(cè)，然后，運(yùn)用SURF算子對(duì)檢測(cè)的目標(biāo)進(jìn)行SURF特征提取，最后，使用改進(jìn)的多層剔除方法匹配特征點(diǎn)。通過仿真分析了算法對(duì)SAR圖像目標(biāo)匹配的有效性，并在此方面與傳統(tǒng)算法進(jìn)行了比較，仿真實(shí)驗(yàn)表明該方法在目標(biāo)尺度、旋轉(zhuǎn)、噪聲變化的情