收藏本站
《西安电子科技大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

合成孔径雷达图像目标识别技术研究

胡利平  
【摘要】: 基于合成孔径雷达(Synthetic Aperture Radar,SAR)的自动目标识别(Automatic Target Recognition,ATR)技术在现代战场中的重要作用已经使得它成为了国内外研究的热点之一。近十几年来,SAR图像的目标识别研究在SAR图像的预处理、特征提取及识别等方面均取得了相当大的进展。本论文主要围绕教育部留学回国人员基金“基于SAR图像的雷达自动目标检测与识别技术”、“十五”国防预研项目“目标识别技术”和“十一五”国防预研项目“基于目标成像的识别技术”的研究任务,针对合成孔径雷达图像的目标识别,从SAR图像滤波、SAR图像分割以及SAR图像的特征提取与识别等方面展开了较为深入的研究。本论文的主要内容概括如下: 1、针对SAR图像的相干斑特点,对比了几种常用的SAR图像滤波方法,分析了它们的优缺点,并给出了不同分辨率的SAR图像的滤波结果。 2、针对相关文献中存在的问题:①没有考虑阴影,而阴影信息对识别是很有用的;②没有将目标及其阴影从杂波背景中提取出来,由于背景杂波具有多样性,不同的背景杂波特性会影响识别性能;③对于一个特定的识别问题,采用某一种分类算法或者某一种特征未必能获得很好的识别性能,基于多特征或多分类算法的分类器融合是必需的,我们提出一种基于多分类器融合的SAR图像目标识别方法,首先给出有效的SAR图像预处理方法,将目标及其阴影从杂波背景中提取出来,抑制了背景杂波对后续识别的影响,然后基于极化映射提取目标的强度分布特征、目标和阴影的形状特征等,最后基于平均准则融合多个分类器。 3、主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种经典的特征提取方法。然而,当PCA用于图像的特征提取时,要将2维图像矩阵(m×n)转换成1维向量(m ? n),这会带来两个方面的问题:①损失图像的2维空间结构信息;②特征提取要在高维向量空间中进行,但在高维空间中很难准确估计协方差矩阵,且维数很大(( m ? n )×( m ? n)),对其进行特征分解会大大增加计算负担。为了解决上述问题,二维主分量分析(Two-dimensional PCA,2DPCA)应运而出,它直接采用2维图像矩阵估计训练样本的协方差矩阵,估计得到的协方差矩阵更准确有效且维数仅为n×n或m×m,对其特征分解的效率也更高。但是,2DPCA仅去除了图像各行或各列像素间的冗余信息,因此得到的特征矩阵维数较大。本章首先根据投影形式的不同将2DPCA分为两种:右投影形式的2DPCA(Right 2DPCA,R-2DPCA)和左投影形式的2DPCA(Left 2DPCA,L-2DPCA)。为了降低特征维数、改善识别性能,给出相应的改进2DPCA方法。 4、线性判决分析(Linear Discriminant Analysis,LDA)也是模式识别领域中一种有效的特征提取方法。与PCA类似,LDA在用于图像特征提取时,也需要将2维图像矩阵转化为1维图像向量,这会带来“维数灾难”和“奇异”等问题。为此,近年来提出二维线性判决分析(Two-dimensional LDA,2DLDA),它直接基于2维图像矩阵来构建散布矩阵。本章中根据投影形式的不同首先将2DLDA分为两种形式:右投影的二维线性判决分析(Right 2DLDA,R-2DLDA)和左投影的二维线性判决分析(Left 2DLDA,L-2DLDA)。然后针对它们特征维数过大的缺陷,提出三种改进算法:两级R-2DLDA(Two-stage R-2DLDA)、两级L-2DLDA(Two-stage L-2DLDA)和两向2DLDA(Two-directional 2DLDA)。 5、LDA是一种被广泛应用的线性降维算法,但它要求各个类别的数据要满足单模分布结构,且在用于图像特征提取时通常会出现类内散布矩阵奇异的问题,还有LDA得到的特征维数仅为c? 1(c为类别数)。为了缓解上述局限性,近来提出了子类判别分析(Clustering-based Discriminant Analysis,CDA),它假设数据服从多模分布。然而,由于该方法采用的子类划分方法是k均值聚类算法,因而不能保证最终的识别结果是稳定的、最优的、且依赖聚类初始中心的选择。为此,我们给出一种改进的子类判决分析(Improved CDA,ICDA)方法,它首先采用快速全局k-均值聚类算法找到每类目标最优的子类划分,然后基于这些子类划分采用CDA准则找到最优的投影矢量,因此最终的识别性能不依赖聚类时初始聚类中心的选择,且能保证达到全局最优。 6、针对SAR图像数据的多模分布特性,提出了以下几种图像特征提取方法:(1)提出二维子类判决分析(Two-dimensional CDA,2DCDA)及其改进的算法。它们直接基于2维图像矩阵构造子类类间和子类类内散布矩阵,可克服CDA的维数灾难、奇异等问题。本章先后给出2DCDA的两种投影形式:右投影形式的2DCDA(Right 2DCDA,R-2DCDA)和左投影形式的2DCDA(Left 2DCDA,L-2DCDA)。针对它们求得的特征矩阵维数过大的问题,相应地提出几种改进的2DCDA算法。(2)提出二维最大子类散度差鉴别分析及其改进算法。由于在2DCDA中,需要计算子类类内散布矩阵的逆矩阵,而在小样本问题中逆矩阵通常是不存在的。为了避免计算逆矩阵或逆矩阵不存在的问题,我们给出一种新的图像特征提取方法:二维最大子类散度差鉴别分析(Two-dimensional Maximum Clustering-based Scatter Difference,2DMCSD)。由于2DMCSD只沿行方向压缩图像,类似地,给出其另一种形式(称之为Alternative 2DMCSD),它只沿列方向压缩图像。为了克服2DMCSD和Alternative 2DMCSD的特征维数过大的问题,又提出两向二维最大子类散度差鉴别分析(Two-directional 2DMCSD ,(2D)2MCSD)。(3)提出对角子类判决分析算法。上述的2DPCA、2DFLD和2DCDA仅保留了图像行(或列)方向的相关性变化,而忽略了图像列(或行)方向的相关性变化。为了同时保留图像行和列像素间的相关性变化,提出对角子类判决分析(Diagonal CDA,DiaCDA)。它基于对角图像寻找最优的投影方向,且考虑了每类数据中存在多个子类的情况。为了缓解DiaCDA的特征维数过大的问题,将DiaCDA和2DCDA结合起来,提出DiaCDA+2DCDA的特征提取方法。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 苏志刚;常明;吴仁彪;韩萍;;相似目标识别的投影子空间构造方法[J];系统工程与电子技术;2011年03期
2 韩征;苏志刚;韩萍;吴仁彪;;基于样本正交子空间的SAR目标识别方法[J];电子与信息学报;2009年11期
3 胡利平;刘宏伟;尹奎英;吴顺君;;两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用[J];航空学报;2009年12期
4 胡利平;刘宏伟;吴顺君;;基于多分类器融合的SAR图像自动目标识别方法[J];系统工程与电子技术;2008年05期
5 王兵;黄钰林;杨建宇;武俊杰;;基于最大异类距离特征提取的SAR目标识别方法[J];中国科学:技术科学;2011年10期
6 陈伏兵;陈秀宏;张生亮;杨静宇;;模块二维主成分分析——人脸识别新方法[J];计算机工程;2006年14期
7 张军英,谭剑波,岳素林;基于非线性变换的高分辨率距离像雷达目标识别[J];系统工程与电子技术;2005年10期
8 范彬;冯云松;;支持向量机在红外成像自动目标识别中的应用[J];红外技术;2007年01期
9 高倩,刘家学,吴仁彪;一种基于高分辨率距离像自动目标识别新方法[J];中国民航学院学报;2002年01期
10 蓉正;雷达专家——张守宏[J];科技.人才.市场;1998年03期
11 ;卢光跃教授[J];西安邮电学院学报;2008年02期
12 宋艳;刘方爱;;基于相似性度量方法的图像检索[J];计算机应用与软件;2007年10期
13 胡利平;刘宏伟;吴顺君;;基于两级2DPCA的SAR目标特征提取与识别[J];电子与信息学报;2008年07期
14 韩萍;张蕊;苏志刚;吴仁彪;;一种改进的基于SVM的SAR目标及阴影图像分割方法[J];系统工程与电子技术;2010年08期
15 韩萍;王蕴红;吴仁彪;王兆华;;一种有效的SAR自动目标识别方法[J];模式识别与人工智能;2003年02期
16 何峻;赵宏钟;付强;;自动目标识别性能评估指标简述[J];电讯技术;2007年05期
17 谷泓,赵永波,张守宏;一种有效的MTI滤波器设计方法[J];西安电子科技大学学报;2003年01期
18 胡利平;刘宏伟;吴顺君;;基于改进的子类判决分析的SAR目标特征提取与识别[J];电子与信息学报;2009年09期
19 柴晶;刘宏伟;保铮;;加权KNN分类器在HRRP库外目标拒判中的应用[J];系统工程与电子技术;2010年04期
20 武春风,张伟,丛明煜,吴刚;基于红外多光谱图像相关性的自动目标识别算法[J];红外与毫米波学报;2003年04期
中国重要会议论文全文数据库 前10条
1 李晓东;费树岷;张涛;;基于有监督保持邻域嵌入人脸识别[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
2 陈才扣;侯钰;;自适应监督鉴别投影分析[A];中国自动化学会控制理论专业委员会A卷[C];2011年
3 陈倩;唐劲松;石敏;;水声宽带相关成像的图像特征点提取技术[A];中国声学学会2006年全国声学学术会议论文集[C];2006年
4 张李秋;陈伟建;;图像检索技术概述[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(上)[C];2006年
5 马宏;武金玉;;急性阑尾炎病理分型与超声图像特征的对比研究[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年
6 马珊;庞永杰;张铁栋;;基于GRNN的声图像特征研究[A];第十五届中国海洋(岸)工程学术讨论会论文集(上)[C];2011年
7 张伯宏;江在森;;河西地区地壳加卸载响应比图像特征与地震研究[A];中国地震学会成立20周年纪念文集[C];1999年
8 纪惠谦;李宇航;刘吉民;李玲丽;梁敏;秦建民;;中心性浆液性脉络膜视网膜病变三维光相干断层扫描图像特征[A];中国眼底病论坛·全国眼底病专题学术研讨会论文汇编[C];2008年
9 温文雅;陈建华;;一种基于特征点的图像匹配算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
10 胡娜;陈敏;高毅;常才;张凌;;甲状腺滤泡性癌的超声诊断及误诊分析[A];第二届长三角超声医学论坛暨2009年浙江省超声医学学术年会论文汇编[C];2009年
中国重要报纸全文数据库 前10条
1 实习生 李萌 本报记者 李凝;一流大学是我们的努力方向[N];科技日报;2002年
2 记者 文艳;教育部与我市合建西电科大[N];西安日报;2007年
3 别卫青;校园里的健身俱乐部[N];中国体育报;2004年
4 贾志敏 秦 明;用网络传递国情校情友情[N];陕西日报;2005年
5 强建周 秦明 柯昌万;夯实工程教育的根基[N];中国教育报;2006年
6 强建周 秦明 张哲浩;夯实工程教育根基[N];科技日报;2006年
7 记者 侯树金;厚重文化引纳人才[N];西安日报;2007年
8 记者 文艳;市政协委员视察我市节能减排工作[N];西安日报;2008年
9 本报记者 柯昌万 通讯员 强建周;给学生一碗“心灵鸡汤”[N];中国教育报;2004年
10 本报记者 柯昌万 通讯员 秦明;凝聚在党的旗帜下[N];中国教育报;2003年
中国博士学位论文全文数据库 前10条
1 胡利平;合成孔径雷达图像目标识别技术研究[D];西安电子科技大学;2009年
2 李强;单脉冲雷达目标三维成像与识别研究[D];西安电子科技大学;2007年
3 付建胜;宽带雷达目标距离像识别研究[D];电子科技大学;2012年
4 刘华林;高分辨距离像雷达自动目标识别研究[D];电子科技大学;2008年
5 李丽亚;宽带雷达目标识别技术研究[D];西安电子科技大学;2009年
6 俞王新;计算机人脸检测与识别方法的研究[D];上海交通大学;2009年
7 袁莉;基于高分辨距离像的雷达目标识别方法研究[D];西安电子科技大学;2007年
8 曹向海;雷达高分辨距离像特征提取及识别算法研究[D];西安电子科技大学;2008年
9 杜兰;雷达高分辨距离像目标识别方法研究[D];西安电子科技大学;2007年
10 白杨;成像导引头中自动目标识别关键技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年
中国硕士学位论文全文数据库 前10条
1 高剑;某雷达信号处理机的研制[D];西安电子科技大学;2006年
2 买培培;雷达信号处理在FPGA中的IP核设计与实现[D];西安电子科技大学;2010年
3 翟伟伟;相参MIMO雷达信号处理研究[D];南京航空航天大学;2010年
4 延伟东;图像特征提取方法的研究[D];西北工业大学;2007年
5 张裔功;REL-51雷达信号处理机的研仿[D];西安电子科技大学;2001年
6 袁伟明;并行技术在雷达信号处理中的实现[D];西安电子科技大学;2002年
7 吴琳拥;基于ADSP-TS101的雷达信号处理机实现[D];电子科技大学;2005年
8 苗敏;基于FPGA的雷达信号预处理算法的研究[D];大连海事大学;2007年
9 左锦波;基于Simulink仿真与多DSP的雷达信号处理技术研究[D];南京信息工程大学;2009年
10 宋博文;基于FPGA实现雷达信号处理和图像显示的算法研究[D];大连海事大学;2007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