基于流形學(xué)習(xí)與稀疏描述的SAR目標(biāo)識(shí)別算法研究.pdf

1、合成孔徑雷達(dá)(SAR)由于其具有全天時(shí)、全天候的工作能力，已被廣泛的應(yīng)用于民用和軍事領(lǐng)域。SAR自動(dòng)目標(biāo)識(shí)別(ATR)技術(shù)致力于從復(fù)雜的地物場(chǎng)景中有效的檢測(cè)到目標(biāo)，并對(duì)檢測(cè)到的目標(biāo)進(jìn)行識(shí)別。具體的說，ATR的過程就是在雷達(dá)對(duì)目標(biāo)進(jìn)行檢測(cè)和定位的基礎(chǔ)上，根據(jù)目標(biāo)和背景的雷達(dá)回波信號(hào)，提取出目標(biāo)的特征，最終實(shí)現(xiàn)感興趣目標(biāo)的屬性、類別或型號(hào)的判定。SAR ATR技術(shù)的研究對(duì)于提高軍隊(duì)的指揮自動(dòng)化水平、戰(zhàn)場(chǎng)感知能力、攻防能力、國(guó)土防空反導(dǎo)能力及

2、戰(zhàn)略預(yù)警能力等軍事應(yīng)用領(lǐng)域具有十分重要的作用，是目前國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。
　　本論文以實(shí)測(cè)的MSTAR數(shù)據(jù)為基礎(chǔ)，在SAR圖像統(tǒng)計(jì)模型的基礎(chǔ)上，結(jié)合流形學(xué)習(xí)、稀疏描述等理論對(duì)基于模型的SAR自動(dòng)目標(biāo)識(shí)別方法中的關(guān)鍵步驟——特征提取進(jìn)行了較為深入的研究，提出了一些新的思想和方法，取得了良好的效果，在第二章和第三章中提出了基于流形學(xué)習(xí)理論的SAR目標(biāo)識(shí)別算法，在第四章到第六章中提出了基于稀疏描述理論的SAR目標(biāo)識(shí)別算法。主要工作內(nèi)容

3、及研究成果如下：
　　第一部分考慮到流形學(xué)習(xí)算法能在更符合數(shù)據(jù)實(shí)際分布的流形空間中進(jìn)行特征提取，能更好的捕獲數(shù)據(jù)的局部流形結(jié)構(gòu)，提出了一種基于局部保持特性和混合高斯分布相結(jié)合的SAR圖像特征提取算法，以實(shí)現(xiàn)SAR目標(biāo)識(shí)別。該算法從統(tǒng)計(jì)的角度進(jìn)行特征提取，采用混合高斯分布建模SAR圖像中斑點(diǎn)噪聲和模型誤差的統(tǒng)計(jì)分布，將局部保持特性和混合高斯分布相結(jié)合以保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明該方法優(yōu)于基于局部保持投影的識(shí)別算法。
　　

4、第二部分為了更好的捕獲SAR圖像的局部結(jié)構(gòu)，提出了一種基于局部保持特性和Gamma分布相結(jié)合的特征提取算法，以實(shí)現(xiàn)SAR目標(biāo)識(shí)別。該算法采用乘積模型建模SAR圖像，將斑點(diǎn)噪聲建模為Gamma分布以更好的描述SAR圖像的本質(zhì)特征。為保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)，將能夠較好保持?jǐn)?shù)據(jù)局部結(jié)構(gòu)的局部保持特性和Gamma分布相結(jié)合。此外，該部分還對(duì)局部保持特性中的相似度矩陣進(jìn)行了修正，以實(shí)現(xiàn)數(shù)據(jù)局部特征和全局特征的聯(lián)合提取。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法提取的特征更

5、加準(zhǔn)確、全面，識(shí)別率高于基于局部保持特性和混合高斯分布相結(jié)合的識(shí)別算法。
　　第三部分針對(duì)SAR圖像所特有的對(duì)目標(biāo)方位角變化敏感的特性，提出了一種基于Dempster-Shafer證據(jù)理論融合目標(biāo)細(xì)節(jié)特征和樣本全局統(tǒng)計(jì)特性的目標(biāo)識(shí)別算法。詳細(xì)的分析了多稀疏描述(MSR)在目標(biāo)細(xì)節(jié)特征提取上的優(yōu)勢(shì)。根據(jù)多稀疏描述和樣本統(tǒng)計(jì)特性分別構(gòu)建2個(gè)基本概率分配函數(shù)以捕獲目標(biāo)的細(xì)節(jié)信息和全局特征，采用Dempster-Shafer證據(jù)理論進(jìn)行特

6、征級(jí)融合，將樣本的細(xì)節(jié)特征和全局特征融合起來，實(shí)現(xiàn)樣本特征的全面提取以提高識(shí)別率。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法進(jìn)行SAR目標(biāo)識(shí)別的有效性。
　　第四部分為了更好的捕獲SAR圖像的全局信息，提出了一種基于貝葉斯融合的稀疏描述算法實(shí)現(xiàn)SAR目標(biāo)識(shí)別。該算法采用貝葉斯融合將更為精確的SAR圖像描述和稀疏性相結(jié)合。考慮SAR圖像中存在的非高斯的斑點(diǎn)噪聲和模型誤差，采用混合高斯分布建模似然函數(shù)來擬合噪聲分量的統(tǒng)計(jì)特性，以得到SAR圖像更為精確的全局

7、信息。采用拉普拉斯分布建模先驗(yàn)函數(shù)來保持稀疏性。通過貝葉斯融合將似然函數(shù)和先驗(yàn)函數(shù)相結(jié)合，融合結(jié)果能夠?qū)崿F(xiàn)對(duì)SAR圖像更精確的稀疏描述，可以更好的實(shí)現(xiàn)SAR目標(biāo)識(shí)別。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的識(shí)別效果優(yōu)于現(xiàn)有的基于稀疏描述的識(shí)別算法。
　　在第五部分中，考慮到基于稀疏描述的識(shí)別算法是在稀疏重構(gòu)空間中進(jìn)行識(shí)別的，提出了一種新的維數(shù)約簡(jiǎn)算法，利用該算法對(duì)樣本進(jìn)行降維時(shí)，可以保證在高維空間距離近的樣本，對(duì)其降維后的數(shù)據(jù)進(jìn)行稀疏描述時(shí)，在稀疏