資源描述：
《基于壓縮感知sar圖像分類和識別》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、西安電子科技大學學位論文獨創(chuàng)性(或創(chuàng)新性)聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中做了明確的說明并表示了謝意。申請學位論文與資料若有不實之處，本人承擔一切的法律責任。本人簽名：日期西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生在校攻讀學
2、位期間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學。學校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，畢業(yè)后結(jié)合學位論文研究課題再攥寫的文章一律署名單位為西安電子科技大學。本人簽名：日期導(dǎo)師簽名：日期摘要I摘要合成孔徑雷達(SAR)系統(tǒng)能夠全天候全天時成像，而且具有高分辨率和強大的穿透能力等優(yōu)勢，基于SAR的目標識別系統(tǒng)和地物分類系統(tǒng)在國防領(lǐng)域具有重要的應(yīng)用價值。但是SAR作為一種超寬帶通信應(yīng)用設(shè)備，受奈奎斯特采樣定理的制約，面臨著采樣率過高，數(shù)據(jù)量過大的瓶頸問題。而壓縮感知理論開辟了一條和奈奎斯特
3、采樣定理完全不同的模擬信號轉(zhuǎn)換為數(shù)字信號的方法，它指出可以用少量的觀測數(shù)據(jù)高概率的將信號完全重構(gòu)出來。這也為解決以上瓶頸問題提供了很好的理論依據(jù)。本論文以壓縮感知雷達系統(tǒng)為指引，將壓縮感知理論應(yīng)用于SAR目標識別和地物分類中，有三個方面的創(chuàng)新：(1)提出了基于正交局部保持投影和稀疏表示的SAR目標識別算法。利用MSTAR數(shù)據(jù)庫中的數(shù)據(jù)位于流形中，采用流形學習的方法正交局部保持投影對目標圖像進行特征提取，并用稀疏表示的框架進行了目標識別，取得了很好的識別結(jié)果。(2)提出了基于隨機觀測和正交局部保持投影的SAR目標識別算法。針對壓縮感知雷達系統(tǒng)的應(yīng)用做了嘗試性的研究，直接對目標的觀測向量進行
4、了一系列處理并完成了識別。通過構(gòu)建描述各類觀測向量特征的字典，使待測觀測向量在該字典下稀疏表示，完成了對目標觀測向量的識別，并取得很好的識別結(jié)果。(3)提出了基于二維隨機觀測和支撐矢量機的SAR地物分類算法。由于在觀測域的支撐矢量機分類器有和數(shù)據(jù)域的最好的線性分類器一樣的性能，所以順應(yīng)壓縮感知雷達系統(tǒng)的應(yīng)用要求對地物圖像的一維觀測向量進行了小波包分析的特征提取，并用支撐矢量機分類器完成了分類。但由于一維觀測本身的局限性，在低采樣率下的分類結(jié)果并不是很理想。二維觀測能更好的保持圖像的結(jié)構(gòu)信息，并使計算復(fù)雜度降低，順利解決了這一問題，能夠在分類結(jié)果中的低采樣率下保持很高的識別率。本文工作得到
5、了國家自然科學基金（No.60971128）；華為創(chuàng)新研究計劃項目(No.IRP-2011-03-04)資助。關(guān)鍵字：SAR目標識別SAR圖像地物分類壓縮感知稀疏表示支撐矢量機AbstractIIIAbstractSyntheticApertureRadar(SAR)isoneofequipmentswithall-daywork.ithasadvantagesofhighresolutionandstrongpenetratingability.ThetechnologiesoftargetrecognitionandterrainclassificationforSARplayani
6、mportantroleinnationaldefense.However,Asanultra-widebandapplication,SARislimitedbyNyquistsampletheory,andneedtoohighsamplerateandtoolargedatavolume.CompressivesensingtheorytakestheanalogsignalintothedigitalsignalwithamethoddifferentfromNyquistsampletheory,itindicatesthatsparseorcompressiblesignal
7、scanberecoveredwithoverwhelmingprobabilitybylessmeasurementsthanwhatNyquistrequires.ThispaperdoessomeattemptingstudyoncompressivesensingRADARsystemapplication,compressivesensingtheoryisappliedtoSARtargetrecognitionfiel
