收藏本站
《西安电子科技大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度曲线波网络的SAR图像目标识别

杨国顺  
【摘要】:合成孔径雷达SAR(Synthetic Aperture Radar)的发展与推广,来源于上个世纪的第二次世界大战,其主要功能是对飞机和军舰等军事目标的追踪。SAR目标识别是SAR图像处理和解译的最后环节,对军事上有着关键的作用。深度学习算法在图像处理领域取得了巨大的成功,同时Master在围棋领域取得了骄人的战绩,体现了深度学习算法在人工智能领域的巨大的优势。曲线波是一种带方向性信息的小波函数,能够逼近更加广泛的函数类。同时,它还是一种多尺度分析的工具,能够有效的捕获数据的高维结构。将深度学习算法和曲线波相结合能够充分体现二者的优势,并将其应用于SAR目标识别领域。本文主要包括以下三方面的内容:1.提出了一种深度曲线波卷积网络的SAR目标识别的方法。该方法中首先构造曲线波字典,用曲线波原子作为深度卷积网络的第一层卷积层,并把它应用SAR目标识别中。深度曲线波网络结了卷积网络的多层特征提取的结构和曲线波的多尺度多分辨特性,克服了SAR图像的相干斑以及背景杂波和炮筒的方向角的影响,达到了精确识别的效果,加速了网络的收敛。2.提出了一种多尺度在线Elastic-net和多视角深度卷积网络的SAR目标识别的方法。该方法主要利用ELastic-net对图像进行稀疏编码,然后采用最大池化对系数进行重要采样,然后输入到网络中。由于单一尺度对图像的纹理细节刻画是不精确的,采用多尺度的方法能够得到图像的结构信息。将多个尺度的系数输入网络的多个通道中进行识别。最后由于SAR图像的目标识别对目标姿态角高度敏感,引入多视角的方法,使数据与目标散射中心有而与角度无关,到达良好的SAR目标识别效果。3.提出了一种基于多层曲线波递归深度神经网络的SAR目标识别的方法。该方法充分利用了递归神经网络对图像的上下文的联系,克服了卷积网络没有考虑图像内在的空间依赖关系。将曲线波原子作为网络的第一层,和2层的LSTM网络相结合,该网络包括编码层和解码层。该方法能够充分挖掘SAR图像的上下文关系和空间位置关系,最后对SAR目标识别起到了良好的效果。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 陈文婷;邢相薇;计科峰;;SAR图像舰船目标识别综述[J];现代雷达;2012年11期
2 谷雨;徐英;;面向SAR目标识别的深度卷积神经网络结构设计[J];中国图象图形学报;2018年06期
3 谢晴;张洪;;SAR图像多层次正则化增强及在目标识别中的应用[J];电子测量与仪器学报;2018年09期
4 林志龙;王长龙;胡永江;张岩;;SAR图像目标识别的卷积神经网模型[J];中国图象图形学报;2018年11期
5 邵嘉琦;曲长文;李健伟;;卷积神经网络对SAR目标识别性能分析[J];雷达科学与技术;2018年05期
6 程建;黎兰;王海旭;;稀疏表示框架下的SAR目标识别[J];电子科技大学学报;2014年04期
7 韩萍,梅雪兰,吴仁彪,王兆华;一种提高SAR目标识别率的有效方法[J];中国民航学院学报;2003年03期
8 吴晓红;谢明;干可;张杰;夏昕;余艳梅;;SAR图像的特征提取与目标识别[J];四川大学学报(自然科学版);2007年06期
9 冯秋晨;彭冬亮;谷雨;;SAR变体目标识别的卷积神经网络法[J];中国图象图形学报;2019年02期
10 许志飞;郝玲丽;;基于几何特征信息融合的SAR图像目标识别[J];杭州电子科技大学学报;2009年02期
11 丁军;刘宏伟;陈渤;冯博;王英华;;相似性约束的深度置信网络在SAR图像目标识别的应用[J];电子与信息学报;2016年01期
12 岳伟;白瑞林;;基于TS201芯片的SAR目标识别平台的设计与实现[J];测控技术;2008年12期
13 陈曦;吴涛;陶利;钟雪莲;;极化SAR发展需求及其目标识别关键技术[J];科技视界;2015年16期
14 杨绪峰;林伟;延伟东;温金环;;采用热核特征的SAR图像目标识别[J];红外与激光工程;2014年11期
15 宦若虹;杨汝良;;多方位角图像决策融合的SAR目标识别[J];遥感学报;2010年02期
16 王义敏;秦永元;安锦文;;基于特征向量的SAR图像目标识别方法研究[J];计算机工程与应用;2008年30期
17 田莉萍;王建国;;基于小波字典稀疏表示的SAR图像目标识别[J];雷达科学与技术;2014年01期
中国重要会议论文全文数据库 前10条
1 陈磊;杨风暴;王志社;纪利娥;;面向目标识别的SAR与可见光图像融合算法[A];第十三届中国体视学与图像分析学术会议论文集[C];2013年
2 刘寒颖;张耀天;张玉玺;王俊;;基于深度学习的SAR目标识别及FPGA实现[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
3 刘志刚;陈振;张伟;;浅析SAR图像的判与读[A];国家安全地球物理丛书(七)——地球物理与核探测[C];2011年
4 韩萍;吴仁彪;王兆华;高倩;;基于模板匹配的SAR目标识别预处理新方法[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
5 杨文;孙洪;管鲍;王晓军;;基于目标识别的SAR图像特征分析[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
6 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
7 窦金玲;赵志伟;;基于自组织神经网络的SAR图像识别方法研究[A];探索 创新 交流——第六届中国航空学会青年科技论坛文集(下册)[C];2014年
8 王加;纪伯公;;多传感器信息融合技术在空中目标识别中的应用研究[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
9 孙艺升;;基于深度学习的飞机飞行轨迹目标识别[A];第一届空中交通管理系统技术学术年会论文集[C];2018年
10 王宇;钟秋海;;用统计模式识别方法建立海上目标识别的数学模型[A];1995中国控制与决策学术年会论文集[C];1995年
中国重要报纸全文数据库 前2条
1 ;具备车辆缉查布控、目标识别等功能[N];人民公安报;2016年
2 张显峰;机载干涉SAR:掀起测绘革命[N];科技日报;2004年
中国博士学位论文全文数据库 前10条
1 杨新;极化SAR图像的分割和分类算法研究[D];电子科技大学;2008年
2 钟剑丹;光电成像目标识别与检测关键技术研究[D];电子科技大学;2018年
3 李捷;面向目标识别的机载多传感器数据融合技术研究[D];电子科技大学;2018年
4 李龙;基于高分辨距离像的雷达地面目标识别技术[D];西安电子科技大学;2018年
5 张锐;雷达目标识别与超分辨成像方法研究[D];西安电子科技大学;2018年
6 李彦鹏;自动目标识别效果评估[D];国防科学技术大学;2004年
7 张池平;多传感器信息融合方法及其在空间目标识别中的应用[D];哈尔滨工业大学;2006年
8 杨国;3mm波段主被动复合探测技术研究[D];南京理工大学;2006年
9 马君国;空间雷达目标特征提取与识别方法研究[D];国防科学技术大学;2006年
10 邢卓异;基于图像的目标识别与跟踪方法研究[D];哈尔滨工程大学;2007年
中国硕士学位论文全文数据库 前10条
1 杨国顺;基于深度曲线波网络的SAR图像目标识别[D];西安电子科技大学;2017年
2 冯颖;基于深度学习的SAR特征提取与目标识别研究[D];电子科技大学;2017年
3 尹洁珺;多任务学习在SAR图像目标识别中的应用[D];南京航空航天大学;2017年
4 高琛琼;面向SAR图像目标识别和地物分类的深度学习研究[D];西安电子科技大学;2015年
5 余娟;基于判别性字典学习和稀疏表示的SAR地面目标识别[D];电子科技大学;2017年
6 高敏;基于CS的SAR目标识别[D];西安电子科技大学;2010年
7 陈沫;SAR图像军事目标识别方法研究[D];安徽大学;2013年
8 田莉萍;基于稀疏表示的SAR图像目标识别研究[D];电子科技大学;2014年
9 赵菲妮;基于深度学习网络的SAR图像目标识别研究[D];西安电子科技大学;2017年
10 王正珏;基于字典学习的SAR图像目标识别研究[D];西安电子科技大学;2015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