SAR圖像處理與目標(biāo)識別若干關(guān)鍵技術(shù)研究.pdf

1、合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像的目標(biāo)識別是對目標(biāo)屬性、類別或類型的判定,基于 SAR圖像的目標(biāo)識別技術(shù)在軍事、民用等領(lǐng)域都具有十分重要的作用,面對SAR數(shù)據(jù)源急劇膨脹,如何克服相干斑噪聲影響并快速準確提取有用信息,實現(xiàn) SAR圖像目標(biāo)自動識別是SAR圖像應(yīng)用面臨的挑戰(zhàn)。本文針對SAR ATR技術(shù)中相干斑抑制、目標(biāo)分割、特征提取、目標(biāo)識別等關(guān)鍵技術(shù)開展研究。主要完成工作如下:
　　(1)

2、研究了基于脊波冗余字典的相干斑抑制。針對傳統(tǒng)小波字典根據(jù)點奇異性構(gòu)建字典導(dǎo)致對SAR圖像邊緣、紋理描述不清晰的問題,提出一種基于脊波冗余字典的 SAR圖像相干斑抑制算法。利用對線奇異性描述較強的脊波建立冗余字典,實現(xiàn)對 SAR圖像的稀疏表示,完成對SAR圖像相干斑抑制。實驗證明,該算法與傳統(tǒng)小波相干斑抑制算法比較,PSNR提高5dB左右。
　　(2)研究了基于能量最大流(Maxflow)的SAR圖像目標(biāo)分割。根據(jù)SAR大場景下傳統(tǒng)

3、分割算法對于目標(biāo)提取虛警過高,從而導(dǎo)致需要較多的人為交互式操作,無法實現(xiàn)對目標(biāo)的自動分割的問題。將目標(biāo)分割轉(zhuǎn)化為求解能量最大流問題,提出一種基于能量最大流的SAR圖像分割算法。借助Ford-Fukerson算法來計算SAR圖像最大流,提取目標(biāo)及陰影部分,結(jié)合Otus算法將目標(biāo)與陰影清晰地分割開來。實驗證明,相比于雙參數(shù) CFAR法,該算法有效地降低 SAR圖像目標(biāo)誤分割像素。
　　(3)研究了基于流形建模的SAR圖像稀疏表示的識別

4、方法。針對傳統(tǒng)的全局線性結(jié)構(gòu)假設(shè)的特征提取算法不能有效克服高維SAR數(shù)據(jù)集的非線性影響問題,導(dǎo)致分類效果不理想,把流形學(xué)習(xí)和稀疏表示兩者相互結(jié)合,根據(jù)同一類SAR圖像位于同一個低維流形上這個特點,提出一種基于流形建模的SAR圖像稀疏表示的識別方法。利用混合因子分析模型來對MSTAR庫進行流形建模,通過EM算法得出各類目標(biāo)的特征參數(shù),并構(gòu)建起一個全局的字典,最終利用OMP算法疊代求出稀疏表示系數(shù)并進行目標(biāo)的分類。實驗證明對MSTAR庫三類