資源描述：
《基于稀疏表示sar圖像目標(biāo)識(shí)別論文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、UniversityofScienceandTechnologyofChinaAdissertationformaster’SdegreeSARTargetRecognitionBasedonSparseRepreSentationAuthor’SName：XueyingLiSpeciality：SignalandInformationProcessingSupervisor：AssociateProf．DongYinFinishedtime：May4m，2012中國(guó)科學(xué)技術(shù)大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下進(jìn)行研究
2、工作所取得的成果。除已特別加以標(biāo)注和致謝的地方外，論文中不包含任何他人已經(jīng)發(fā)表或撰寫過的研究成果。與我一同工作的同志對(duì)本研究所做的貢獻(xiàn)均已在論文中作了明確的說明。作者簽名：查重量簽字同期：知臉．6．6中國(guó)科學(xué)技術(shù)大學(xué)學(xué)位論文授權(quán)使用聲明作為申請(qǐng)學(xué)位的條件之一，學(xué)位論文著作權(quán)擁有者授權(quán)中國(guó)科學(xué)技術(shù)大學(xué)擁有學(xué)位論文的部分使用權(quán)，即：學(xué)校有權(quán)按有關(guān)規(guī)定向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱，可以將學(xué)位論文編入《中國(guó)學(xué)位論文全文數(shù)據(jù)庫》等有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。本人提交的電子文檔
3、的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致，保密的學(xué)位論文在解密后也遵守此規(guī)定。函公開口保密(——年)作者簽名：查重皇導(dǎo)師簽名：簽字日期：洳f≥、6．6摘要摘要作為微波遙感的代表，合成孔徑雷達(dá)(SyntheticApertureRadar,SAR)具有全天時(shí)、全天候、穿透力強(qiáng)和分辨率高等特點(diǎn)。近些年來，SAR圖像自動(dòng)目標(biāo)識(shí)別技術(shù)(ATR)已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。由于SAR傳感器的主動(dòng)成像特性，SAR圖像中存在大量相干斑和陰影區(qū)域，目前影響SAR圖像目標(biāo)自動(dòng)識(shí)別算法性能的因素有：對(duì)目標(biāo)方位角的敏感、預(yù)處理中圖像目標(biāo)分割的質(zhì)量、目標(biāo)本身輪廓的改變、成像參數(shù)、目標(biāo)周
4、圍環(huán)境等。SARATR是SAR圖像解譯中一個(gè)關(guān)鍵步驟，如何精確提取特征和采用有效的分類方法是兩個(gè)關(guān)鍵問題。提取特征方面，現(xiàn)有的基于模板匹配的SAR自動(dòng)目標(biāo)識(shí)別算法需要對(duì)目標(biāo)姿態(tài)進(jìn)行預(yù)估計(jì)，對(duì)目標(biāo)進(jìn)行方位校正，將目標(biāo)旋轉(zhuǎn)至標(biāo)準(zhǔn)方位，減少模板存儲(chǔ)空間。但預(yù)處理復(fù)雜度較高。設(shè)計(jì)分類器方面，傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)方法中針對(duì)小樣本學(xué)習(xí)問題精度不佳，并且可推廣性差。因此，有必要從其他角度來研究SARATR問題。信號(hào)的稀疏表示模型基于信號(hào)的稀疏性假設(shè)，是一種線性模型，具備容易擴(kuò)展的特性，同時(shí)目標(biāo)方位角魯棒的特征表達(dá)可有效避免目標(biāo)姿態(tài)預(yù)估計(jì)問題。本文主要研究目標(biāo)姿態(tài)變化下的
5、稀疏表示目標(biāo)識(shí)別算法，主要內(nèi)容和貢獻(xiàn)如下：1．提出一種結(jié)合多層紋理模型與：無樣本提取的稀疏表示分類算法。首先利用Gabor濾波器形成多層紋理模型表示，：并利用LBP算子編碼Gabor幅值，得到GLBP圖譜，之后進(jìn)行子區(qū)域劃分和直方圖統(tǒng)計(jì)，生成串接序列形成最終降維后特征。為了進(jìn)一步降低字典維度，采用元樣本提取方法形成最終的稀疏表示字典，用于分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效提取顯著特征，降低SRC算法的識(shí)別時(shí)間至原來的15％，分類準(zhǔn)確率達(dá)到95％以上。2．提出一種新的基于字典學(xué)習(xí)的克服方位敏感性的SAR目標(biāo)識(shí)別方法。該方法引入BagofFeatu
6、res思想，利用密集采樣SIFT描述特征訓(xùn)練過完備字典，對(duì)訓(xùn)練集和測(cè)試集同時(shí)進(jìn)行稀疏編碼并構(gòu)造空域金字塔環(huán)形描述，得到旋轉(zhuǎn)不變特征，最后輸入線性SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，在無需目標(biāo)方位角估計(jì)的前提下，該方法達(dá)到了優(yōu)異的識(shí)別率。3．設(shè)計(jì)SAR圖像信息提取平臺(tái)。該平臺(tái)首先對(duì)整幅場(chǎng)景的大圖進(jìn)行去噪等預(yù)處理，然后進(jìn)行目標(biāo)檢測(cè)與識(shí)別。通過將本文提出的兩種識(shí)別算法應(yīng)用至實(shí)際場(chǎng)景的處理，比較了兩種方法的優(yōu)劣，結(jié)論表明，針對(duì)MSTAR實(shí)測(cè)場(chǎng)景數(shù)據(jù)，本文的算法有著良好的表現(xiàn)。關(guān)鍵詞：合成孔徑雷達(dá)遙感圖像稀疏表示目標(biāo)識(shí)別摘要AbstractABSTRACTA
7、stherepresentativeofmicrowaveremotesensingsensor,SyntheticApertureRadar(SAR)hastheabilitytoproducealltime，allweather,strongpenetratingpowerandhi曲-resolutionimages．Inrecentyears，SARAutomaticTargetRecognition(ATR)TechnologyhasalreadybecomeonehotspotinSARimageprocessingarea．SARim
8、ageisfilledwithspecklenoiseandshadowareasbecauseofitsactiveim
