基于稀疏表示的SAR圖像目標(biāo)識(shí)別研究.pdf

1、SAR圖像目標(biāo)識(shí)別作為信息獲取的關(guān)鍵技術(shù),具有重要的應(yīng)用價(jià)值,一直是國內(nèi)外目標(biāo)識(shí)別領(lǐng)域的研究熱點(diǎn)。近年來稀疏表示理論被廣泛應(yīng)用于各類圖像處理領(lǐng)域,并且在人臉識(shí)別中已取得了良好的效果。本文著重研究了將稀疏表示理論應(yīng)用于SAR圖像目標(biāo)識(shí)別中的兩個(gè)關(guān)鍵步驟:冗余字典的構(gòu)造和稀疏系數(shù)的求解。主要研究內(nèi)容如下:
　　(1)針對(duì)原始冗余字典類別差異性不足和規(guī)模較大的兩個(gè)缺陷,利用冗余字典的二維結(jié)構(gòu)提出了字典的縱、橫雙向改進(jìn)方法。在縱向改進(jìn)中,

2、針對(duì)SAR圖像由確定信息和不確定信息組成的特點(diǎn),利用小波變換來提取有利于識(shí)別的低頻確定信息,并經(jīng)過2DPCA降維處理得到小波域字典。在橫向改進(jìn)中,利用 K-近鄰算法的樣本選擇思想,實(shí)現(xiàn)了字典原子的橫向動(dòng)態(tài)篩選,從而生成基于近鄰子空間的動(dòng)態(tài)字典。
　　(2)在完成了冗余字典構(gòu)造的基礎(chǔ)上,對(duì)稀疏系數(shù)分解算法進(jìn)行研究。將最小L1范數(shù)凸優(yōu)化算法和OMP算法進(jìn)行對(duì)比分析,驗(yàn)證了后者的類別差異性和分解效率均優(yōu)于前者。同時(shí),針對(duì)OMP算法稀疏度

3、K未知的問題,提出了用類別統(tǒng)計(jì)量C來替換稀疏度K作為算法迭代終止條件的改進(jìn)方法,并通過仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)后的OMP算法具有更好的識(shí)別效果。
　　(3)根據(jù)稀疏分解系數(shù)的分布特點(diǎn),總結(jié)出最大系數(shù)準(zhǔn)則、歸類系數(shù)最大準(zhǔn)則兩種分類判別準(zhǔn)則,并對(duì)這兩種準(zhǔn)則進(jìn)行仿真對(duì)比。仿真結(jié)果表明,歸類系數(shù)最大準(zhǔn)則能夠取得更高的識(shí)別率,故本文利用它來完成分類識(shí)別器的設(shè)計(jì)。
　　(4)基于MSTAR數(shù)據(jù)庫,統(tǒng)計(jì)了本文識(shí)別算法在各種非理想情況下的識(shí)別率,