基于更新學(xué)習(xí)機(jī)制的SAR圖像目標(biāo)識(shí)別方法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)具有廣闊的研究和應(yīng)用前景，其被廣泛地應(yīng)用于包含地質(zhì)勘測(cè)、地形測(cè)繪和制圖、海洋應(yīng)用在內(nèi)的民用領(lǐng)域。而在軍事領(lǐng)域中，SAR可用作全天時(shí)全天候全球戰(zhàn)略偵察與重點(diǎn)戰(zhàn)區(qū)軍事監(jiān)控。SAR目標(biāo)識(shí)別的研究主要依賴于大規(guī)模的帶標(biāo)簽數(shù)據(jù)樣本，然而，要獲得大量的樣本數(shù)據(jù)及其正確的分類標(biāo)簽，需要耗費(fèi)非常大的人力物力資源。不僅如此，基于龐大數(shù)據(jù)訓(xùn)練分類器同樣耗費(fèi)大量資源并且難度較高。因此，

2、如何在保證識(shí)別性能的前提下降低資源開銷成為了一個(gè)新的熱點(diǎn)研究方向。
　　通過(guò)較少訓(xùn)練樣本得到的分類器性能不夠成熟，因此 SAR圖像數(shù)量的稀少，是制約SAR圖像目標(biāo)識(shí)別發(fā)展的主要原因之一。然而，SAR圖像樣本數(shù)量將隨著時(shí)間的推移不斷增長(zhǎng)，同時(shí)，又希望能夠直接利用新增的SAR圖像提升原有分類器性能,而不需要與原有的圖形樣本混合重新訓(xùn)練新分類器，以此達(dá)到減小訓(xùn)練開支的目的.
　　將利用不斷新增的樣本在已有的分類器基礎(chǔ)上，迭代訓(xùn)練以

3、提升分類器性能的方法定義為更新學(xué)習(xí)機(jī)制。本文研究主要針對(duì)于SAR圖像目標(biāo)識(shí)別問題，研究基于卷積神經(jīng)網(wǎng)絡(luò)的 SAR圖像特征提取方法，并建立一種基于更新學(xué)習(xí)機(jī)制的SAR圖像目標(biāo)識(shí)別方法。
　　本文的主要內(nèi)容分為以下部分：
　　1、介紹SAR圖像目標(biāo)識(shí)別的背景，分析該課題的研究意義，以及國(guó)內(nèi)外學(xué)者在SAR圖像目標(biāo)識(shí)別領(lǐng)域所做的主要研究；
　　2、分析SAR圖像特性及其特征提取方法，引入機(jī)器學(xué)習(xí)理論于MSTAR數(shù)據(jù)庫(kù)；