基于更新學(xué)習(xí)機制的SAR圖像目標(biāo)識別方法研究.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、地形測繪和制圖、海洋應(yīng)用在內(nèi)的民用領(lǐng)域。而在軍事領(lǐng)域中，SAR可用作全天時全天候全球戰(zhàn)略偵察與重點戰(zhàn)區(qū)軍事監(jiān)控。SAR目標(biāo)識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)練分類器同樣耗費大量資源并且難度較高。因此，

2、如何在保證識別性能的前提下降低資源開銷成為了一個新的熱點研究方向。
　　通過較少訓(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)量將隨著時間的推移不斷增長，同時，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)機制。本文研究主要針對于SAR圖像目標(biāo)識別問題，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)機制的SAR圖像目標(biāo)識別方法。
　　本文的主要內(nèi)容分為以下部分：
　　1、介紹SAR圖像目標(biāo)識別的背景，分析該課題的研究意義，以及國內(nèi)外學(xué)者在SAR圖像目標(biāo)識別領(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，引入機器學(xué)習(xí)理論于MSTAR數(shù)據(jù)庫；