基于小波分析的高分辨率雷達目標(biāo)識別方法研究.pdf

1、該文對采用空間域常用的濾波算法、時間頻率域相結(jié)合的濾波算法濾除SAR圖像噪聲的結(jié)果進行了比較.分別選用增強Lee濾波算法、無偏GMAP算法、小波系婁和壓縮濾波算法、小波變換與維納濾波相結(jié)合、小波變換與空間濾波相結(jié)合的方法對四幅不同的SAR圖像進行濾波,指出了各濾波算法對不同圖像處理的優(yōu)缺點,給出了在不同應(yīng)用環(huán)境下,選擇使用不同濾波器的意見.該文根據(jù)SAR圖像小波分析中各級細(xì)節(jié)子圖方差間存在的近似線性關(guān)系及經(jīng)驗的閾值比例系數(shù)改進了常用的小

2、波濾波方法,在保證精度的基礎(chǔ)上提高了運算速度.人工神經(jīng)網(wǎng)絡(luò)是模式識別的重要工具,該文分別采用BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)、自組織特征映射神經(jīng)網(wǎng)絡(luò)對SAR圖像面目標(biāo)進行了分析,選用灰度值、均值、小波紋理特征等不同的特征作為輸入矢量,(OWATF特征)矢量與BP、RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合對目標(biāo)進行分類識別,分類結(jié)果表明,OWATF特征矢量與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合處理結(jié)果更好.該文針對三彩色SAR圖像或膠片掃描SAR圖像,采用了基于飽