PCA和KPCA自融合的MSTAR SAR自動目標(biāo)識別算法研究.pdf

1、專業(yè)學(xué)位碩士學(xué)位論文PCA和KPCA自融合的MSTARSAR自動目標(biāo)識別算法研究ResearchonPCAandKPCASelfFusionBasedMSTARSARAutomaticTargetRecognitionAlgorithm作者姓名：工程領(lǐng)域：學(xué)號：指導(dǎo)教師：林闖完成日期：2013。325大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘要合成孔徑雷達(dá)(SAR)是一種高分辨

2、率主動式相干成像雷達(dá)，它具有全天候、全天時、穿透力強(qiáng)等優(yōu)點，廣泛應(yīng)用于軍事和民用領(lǐng)域。SAR圖像的自動目標(biāo)識別模擬了人類的視覺、分析和分類過程，使用計算機(jī)來完成SAR圖像特征的提取及分類，從而達(dá)到獲取相關(guān)領(lǐng)域信息的目的。MSTAR是美國國防高級研究計劃局和空間實驗室提供的SAR地面靜止軍用目標(biāo)數(shù)據(jù)集，該數(shù)據(jù)集含有多方位角、多仰角的三類SAR目標(biāo)，是測試SAR識別算法的經(jīng)典數(shù)據(jù)集。本文提出了一種基于主成分分析(PCA)和核主成分分析(KP

3、CA)自融合的MSTARSAR自動目標(biāo)識別算法。該算法首先通過PCA和KPCA分別提取原始樣本的線性特征和非線性特征，然后依據(jù)加權(quán)最大間隔準(zhǔn)則(WMMC)計算融合系數(shù)，并以線性組合的方式將所提取的特征進(jìn)行融合，再使用遺傳算法從融合后的特征中選出對分類最有用的特征進(jìn)入目標(biāo)分類環(huán)節(jié)。仿真中分別使用最近鄰分類器和線性回歸分類器對SAR圖像提取的特征進(jìn)行分類，得到仿真結(jié)果并對其進(jìn)行比對分析。與傳統(tǒng)的預(yù)先設(shè)定融合系數(shù)的特征融合算法相比，本文提出的

4、算法通過建立最優(yōu)方程求解融合系數(shù)，保證了融合空間內(nèi)不同類之間的間隔最大，在一定程度上提高了目標(biāo)的識別率。仿真實驗中使用PCA、KPCA以及本文所提出的算法的目標(biāo)識別率進(jìn)行對比分析，結(jié)果顯示本文所提出的基于PCA和KPCA白融合的MSTARSAR自動目標(biāo)識別算法具有更高的識別率。本算法設(shè)計合理，時間復(fù)雜度也在可接受的范圍內(nèi)。然而本論文并沒有涉及核函數(shù)及其參數(shù)的自動選擇問題，只是在實驗中通過測試不同的核函數(shù)和參數(shù)，人工選擇識別效果最佳的核函