收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于高分辨率SAR图像的舰船目标分类识别研究

吴俊  
【摘要】:合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波传感器,通过雷达和目标之间的相对运动,将尺寸较小的真实天线用数据处理的方法合成一个等效“大天线”,从而获得较高分辨率的监测图像。相比光学和红外等被动式传感器,SAR成像具有分辨率高、全天时全天候工作、穿透力强等特点,因此在海洋监测领域获得了广泛的应用。本文针对基于高分辨率SAR图像的舰船目标分类识别课题,在完成高分辨率SAR图像预处理、SAR图像舰船目标特征提取和特征选择工作之后,构造了基于极限学习机(Extreme Learning Machine,ELM)和核极限学习机(Kernel Extreme Learning Machine,KELM)的舰船分类识别模型。考虑到分类器参数的选取过程中人为因素的干扰,引入连续蜻蜓算法,来为KELM分类器选取最优核参数和惩罚因子;进一步,为了精简繁杂的特征选择工作以及避免人为因素和个体性差异给最优特征子集的选取带来巨大影响,引入离散蜻蜓算法,将最优特征子集的自动选择和最优分类器参数的自动选取结合到一起。最后通过基于高分辨率TerraSAR-X SAR图像数据集的对比实验以及四种多分类评价指标验证了模型的有效性和先进性。论文的主要工作及贡献如下:(1)在高分辨率SAR图像的预处理过程中,引入一种基于Radon变换的二维OTSU阈值分割算法,通过Radon变换确定舰船目标的主轴方向,并在舰船主体周围确定一个最小外接矩形,然后在最小外接矩形内使用二维OTSU阈值分割算法,有效地去除SAR图像中旁瓣的干扰,从而快速地提取出感兴趣的部分,即舰船主体部分;(2)根据SAR图像舰船目标常用的识别特征的定义进行特征提取工作,其中包括几何结构特征、灰度统计特征以及局部RCS密度特征。进一步,为了避免“维数灾难”的发生,通过一种基于Filter评价策略和Wrapper评价策略的级联特征选择方法进行特征选择工作,从而筛选得到最优特征子集;(3)基于包含最优特征子集的样本特征矢量构造以极限学习机、核极限学习机为基础分类器的舰船分类识别模型。考虑到参数选取过程中人为因素的干扰给模型分类识别效果带来的影响,引入一种新型的群智能优化算法一蜻蜓算法来为分类器寻找最优参数。最后,通过对比实验验证了这些模型的有效性。(4)考虑到特征选择需要耗费大量的时间和精力,而且人为因素以及个体性差异往往会给最优特征子集的结果带来巨大影响,引入离散蜻蜓算法将最优特征子集的自动选择和最优分类器参数的自动选取结合到一起,提出了名为BDA-KELM的舰船分类识别模型。该模型通过蜻蜓个体在离散空间的自动寻优过程来同时进行最优特征子集的选择以及最优分类器参数的选取。对比实验结果表明,该模型既能使特征选择变得智能化,又能进一步提升模型的分类识别效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈云;;云环境舰船目标检测与跟踪[J];舰船科学技术;2018年12期
2 代威;文贡坚;张星;李智勇;;高光谱图像海上舰船目标检测方法研究[J];重庆理工大学学报(自然科学);2015年11期
3 冷相文;张旭;赵晓哲;;水雷障碍对舰船目标流毁伤概率仿真研究[J];计算机仿真;2011年04期
4 王彦情;马雷;田原;;光学遥感图像舰船目标检测与识别综述[J];自动化学报;2011年09期
5 邢孟道;高悦欣;陈溅来;保铮;;海上舰船目标雷达成像算法[J];科技导报;2017年20期
6 邢莎;吉林;雍杨;胡俊杰;邢根祥;;复杂场景下的自动红外舰船目标检测[J];红外技术;2014年04期
7 王鹏;吕高杰;龚俊斌;田金文;;一种复杂海天背景下的红外舰船目标自动检测方法[J];武汉大学学报(信息科学版);2011年12期
8 吴超;龚翠玲;宋万杰;吴顺君;;舰船目标实时一维距离像研究[J];现代雷达;2008年07期
9 丛瑜;周伟;于仕财;郭明;;一种对港口影像进行舰船目标提取方法[J];计算机仿真;2014年01期
10 刘松涛;;用盒子维评估红外烟幕对舰船目标的遮蔽效果[J];光电工程;2009年02期
11 李长军;陈学佺;丁治国;;一种港口区域舰船目标变化检测新方法[J];计算机工程;2006年14期
12 种劲松,朱敏慧;合成孔径雷达图像舰船目标检测与分析[J];现代雷达;2003年08期
13 魏建荣;;背景纹理模型在海面舰船目标检测中的应用研究[J];舰船科学技术;2017年20期
14 程红;刘思彤;孙文邦;杨帅;;遥感图像中舰船目标的快速精细检测[J];光电工程;2016年04期
15 李军;;光学遥感图像在舰船目标检测中的应用分析[J];舰船电子工程;2016年10期
16 曹冰;;基于图像融合与处理技术的舰船目标检测[J];舰船科学技术;2015年05期
17 徐晋;陆鹏程;付启众;;岸基米波雷达对海上舰船目标探测性能分析[J];雷达与对抗;2008年03期
18 黄伟;严小乐;沈秋;李再升;董克松;顾逸佳;;二值化特征在快速舰船目标预选中的应用[J];光学技术;2017年05期
19 邢莎;吉林;雍杨;龚涛;袁佳;;基于多尺度局部边缘梯度的红外舰船目标检测[J];兵工自动化;2014年05期
20 邢莎;吉林;雍杨;龚涛;袁佳;邢根祥;;基于梯度统计特性的自动红外舰船目标检测[J];数字技术与应用;2013年10期
中国重要会议论文全文数据库 前10条
1 王童;童创明;李西敏;陈彬;;海面舰船目标二次散射成像研究[A];2017年全国微波毫米波会议论文集(上册二)[C];2017年
2 王卫华;何艳;牛照东;陈曾平;;基于兴趣区分割的红外舰船目标实时检测算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
3 何友金;李凯永;任建广;;一种改进的基于递归门限分析的红外舰船目标图像分割方法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
4 姚力波;刘勇;吴昱舟;熊伟;周智敏;;基于高分四号卫星的舰船目标跟踪[A];第四届高分辨率对地观测学术年会论文集[C];2017年
5 艾淑芳;张国华;;海面杂波背景下红外图像中舰船目标的检测[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
6 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等教育学会工程热物理专业委员会第二十一届全国学术会议论文集——传热传质学专辑[C];2015年
7 马兰;陈筱勇;吴群;;基于小波包和高阶统计量的热红外舰船目标检测改进算法[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
8 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等学校工程热物理第二十届全国学术会议论文集——传热传质学专辑[C];2014年
9 吴楠;冯传收;王海婴;;采用高频法软件包计算舰船目标的RCS[A];第六届全国电磁兼容性学术会议2004EMC论文集[C];2004年
10 牛敏;高贵;;SAR图像舰船目标检测综述[A];第八届全国信号和智能信息处理与应用学术会议会刊[C];2014年
中国博士学位论文全文数据库 前10条
1 安彧;海战场舰船目标检测与识别研究[D];哈尔滨工程大学;2015年
2 段崇雯;基于SAR成像的海面舰船目标特征参数估计[D];国防科学技术大学;2013年
3 邢相薇;HRWS SAR图像舰船目标监视关键技术研究[D];国防科学技术大学;2014年
4 张晖;舰船目标多手段数据融合探测方法研究[D];内蒙古大学;2016年
5 王健;高频地波雷达舰船目标跟踪关键技术研究[D];哈尔滨工业大学;2008年
6 桂阳;基于机载视觉的无人机自主着舰引导关键技术研究[D];国防科学技术大学;2013年
7 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院(电子学研究所);2002年
8 雷琳;多源遥感图像舰船目标特征提取与融合技术研究[D];国防科学技术大学;2008年
9 郭伟娅;基于光学遥感图像的舰船目标识别研究[D];哈尔滨工程大学;2015年
10 邢孟道;基于实测数据的雷达成像方法研究[D];西安电子科技大学;2002年
中国硕士学位论文全文数据库 前10条
1 吴俊;基于高分辨率SAR图像的舰船目标分类识别研究[D];浙江大学;2018年
2 王子晟;海面运动舰船的雷达成像技术研究[D];电子科技大学;2018年
3 陈珊;合成孔径雷达图像上舰船目标的检测[D];上海交通大学;2008年
4 张胜辉;舰船目标红外中/长波特性分析与检测方法研究[D];国防科学技术大学;2015年
5 冷祥光;星载SAR舰船目标自适应检测技术研究[D];国防科学技术大学;2015年
6 刘建坡;大幅面遥感影像中舰船目标的发现与识别系统设计与实现[D];西安电子科技大学;2010年
7 施鹏;基于光学遥感图像的舰船目标自动检测技术[D];中国科学技术大学;2010年
8 李翠红;复杂海天背景红外舰船目标自动检测方法研究[D];湖南师范大学;2012年
9 蒋李兵;基于高分辨光学遥感图像的舰船目标检测方法研究[D];国防科学技术大学;2006年
10 常慧杰;爆炸冲击波对舰船目标内部结构毁伤的可视化仿真研究[D];北京理工大学;2016年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978