SAR圖像處理及地面目標識別技術研究.pdf_第1頁
已閱讀1頁,還剩127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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、合成孔徑雷達(SAR)地面目標識別在戰(zhàn)場感知中發(fā)揮著重要作用,是地面情報的主要來源之一,能夠為戰(zhàn)爭決策提供強有力的支持。本論文主要對SAR地面目標識別技術進行了深入的研究,從兩個方面展開:其一為SAR圖像預處理,其二為SAR目標特征提取和SAR目標識別。論文內(nèi)容可概括為如下六部分:
   第一部分,提出了一種復合的SAR.圖像去噪算法。該方法首先利用信號的小波相鄰尺度相關性將信號和噪聲分離,然后根據(jù)SAR圖像近似瑞利分布的特點把

2、SAR圖像轉(zhuǎn)換為近高斯分布,再分別利用復數(shù)擴散震動濾波器對SAR圖像部分進行增強,用各項異性擴散方程對含噪部分進行去噪,最后用小波平穩(wěn)變換對圖像進行重構。實驗結(jié)果表明,與傳統(tǒng)的SAR圖像去噪算法相比,新算法無論在邊緣增強還是在噪聲去除能力方面均有顯著提高。
   第二部分,提出了一種基于CUDA分段自回歸模型的SAR圖像插值算法。由于硬件條件和SAR成像的限制,獲取的SAR圖像分辨率不高,不利于圖像的觀察和分析,通常的最近鄰插值

3、法、雙線性插值法、雙三次插值法、立方卷積插值法等對原始圖像進行放大,一定程度上改善了圖像的視覺效果,但是這些算法插值的精細度不夠高,對圖像的視覺效果改善度不夠大。基于分段二維自回歸模型(PAR)的圖像插值算法,通過使用非線性優(yōu)化的方法來同時估計模型參數(shù)和缺失像素。這種插值方法能夠產(chǎn)生具有很好視覺效果的高分辨率圖像,但是該方法的計算成本非常高。針對該問題,提出了一個基于CUDA的并行實現(xiàn)方法,它先將一幅圖像根據(jù)兩次插值約束分成多個9×9的

4、局部窗口,對每個局部窗口進行基于分段自回歸模型的圖像插值:首先,啟動一個CUDA線程利用自回歸插值算法來對圖像進行第一輪插值,而自回歸模型的參數(shù)則利用高精度的共軛梯度算法進行估計;然后,在第二輪插值中,利用第一輪插值得到的自回歸模型參數(shù)作為共軛梯度算法的初始值進行第二輪的參數(shù)估計,從而降低了第二輪插值時間。實驗結(jié)果表明,與基于傳統(tǒng)的CPU的插值算法相比,基于GPU的并行算法在實現(xiàn)插值一個2592×1944的圖像時,時間縮短為原來的1/1

5、10,并且圖像尺寸越大,加速越快。文中的算法能最佳的利用自回歸模型的局部性和CUDA的并行性,在得到高質(zhì)量插值圖像的同時計算速度大幅提高。
   第三部分,提出了一種融合SAR目標輪廓和陰影輪廓的目標識別算法。在進行SAR自動識別時,大多數(shù)算法都使用目標內(nèi)部結(jié)構特征,如灰度值,峰值,中心距等特征,而很少使用SAR圖像輪廓信息,更很少使用SAR圖像陰影信息。事實上,SAR圖像輪廓反映了SAR目標的局部空間結(jié)構信息,如果分割得當,能

6、夠分割出準確,精細的輪廓信息,而輪廓信息可以作為一種非常穩(wěn)健的識別特征的。因此我們首先提出了一種基于控制標記符的SAR圖像分割算法,得到SAR圖像目標輪廓和陰影輪廓,然后融合這兩種輪廓進行SAR目標識別?;贛STAR的實驗結(jié)果驗證了本算法的有效性。實驗結(jié)果證明,目標輪廓和陰影輪廓的結(jié)合,除反映本身包含的局部空間結(jié)構信息外,還能反應SAR目標的高度信息,較單一輪廓特征,是一種更為穩(wěn)健的特征。
   第四部分,提出了一種基于多模分

7、布的SAR圖像分割算法。SAR圖像目標,背景,陰影的不同成像機理使得這三部分具有不同的統(tǒng)計特性。本文分析SAR圖像三部分的統(tǒng)計性質(zhì),并對其分別建立統(tǒng)計模型,并給出了一種基于這三種模型組合的多模分布的SAR圖像分割算法,對于目標分割和陰影分割分別采用不同的預處理方法,分別提出了快速Otsu分割算法分割目標,以及基于背景均值保留的沖擊濾波算法分割陰影。分割結(jié)果表明,這種基于多模分布的SAR圖像分割算法與傳統(tǒng)的基于單模分割算法相比,能最佳的利

8、用各部分統(tǒng)計特性的差異,得到準確的分割結(jié)果。
   第五部分,提出了一種SAR目標姿態(tài)角的估計算法。SAR成像對目標方位角非常敏感,當SAR與目標的相對位置發(fā)生變化時,目標的散射中心也會發(fā)生變化,導致不同的方位角下的目標有明顯的區(qū)別。因此,SAR目標姿態(tài)角的估計是SAR目標識別的一個重要步驟,在SAR目標分類和識別中,精確的方位角估計可以減小目標匹配數(shù)和檢測誤差。我們在前面目標分割的基礎上,分析SAR圖像隨方位角變化的不變特征,

9、提出了一種基于清晰雙邊的隨機Hough變換法,基于MSTAR的實測數(shù)據(jù)實驗結(jié)果表明,這種算法估算SAR目標姿態(tài)角具有估計精度高,計算時間短的優(yōu)點。
   第六部分,提出了一種基于紋理特征的SAR目標識別算法,同時針對SAR目標變體提出了一種基于局部紋理特征的SAR目標變體識別算法。由于真實世界中使用的測試數(shù)據(jù)不可能與訓練數(shù)據(jù)完全一致,也就是同一目標存在多種不同變體,這是SAR目標識別的難點,也是影響SAR目標識別率和SAR目標識

10、別推廣性的主要原因之一。提出了一種針對變體的識別算法,利用變體與原目標局部紋理之間的相似性進行識別。首先,提出了一種基于清晰邊緣的SAR圖像配準算法,然后使用結(jié)合Gabor變換,LBP和空間區(qū)域直方圖的紋理特征來描述SAR圖像,最后用基于大特征的直方圖序列的匹配做識別。由于采用了基于配準的紋理來描述SAR圖像,因而能有效描述SAR目標;用局部直方圖匹配來進行識別,比用基于全局特征的算法推廣性更好?;贛STARS2的實驗結(jié)果證明了本算法

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(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)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