資源描述：
《基于稀疏表示的sar圖像目標(biāo)識別研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、論文題目基于稀疏表示的SAR圖像目標(biāo)識別研究學(xué)科專業(yè)信號與信息處理學(xué)號201121020336作者姓名田莉萍指導(dǎo)教師王建國教授摘要分類號密級注1UDC學(xué)位論文基于稀疏表示的SAR圖像目標(biāo)識別研究（題名和副題名）田莉萍（作者姓名）指導(dǎo)教師王建國教授電子科技大學(xué)成都（姓名、職稱、單位名稱）申請學(xué)位級別碩士學(xué)科專業(yè)信號與信息處理提交論文日期2014.3論文答辯日期2014.5.8學(xué)位授予單位和日期電子科技大學(xué)2014年6月答辯委員會主席評閱人注1：注明《國際十進(jìn)分類法UDC》的類號。ITARGETRECOGNITIONOFSARIMAGESBASED
2、ONSPARSEREPRESENTATIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SignalandInformationProcessingAuthor:TianLipingAdvisor:Prof.WangJianguoSchool:SchoolofElectronicEngineering摘要摘要SAR圖像目標(biāo)識別作為信息獲取的關(guān)鍵技術(shù)，具有重要的應(yīng)用價值，一直是國內(nèi)外目標(biāo)識別領(lǐng)域的研究熱點。近年來稀疏表示理論被廣泛應(yīng)用
3、于各類圖像處理領(lǐng)域，并且在人臉識別中已取得了良好的效果。本文著重研究了將稀疏表示理論應(yīng)用于SAR圖像目標(biāo)識別中的兩個關(guān)鍵步驟：冗余字典的構(gòu)造和稀疏系數(shù)的求解。主要研究內(nèi)容如下：（1）針對原始冗余字典類別差異性不足和規(guī)模較大的兩個缺陷，利用冗余字典的二維結(jié)構(gòu)提出了字典的縱、橫雙向改進(jìn)方法。在縱向改進(jìn)中，針對SAR圖像由確定信息和不確定信息組成的特點，利用小波變換來提取有利于識別的低頻確定信息，并經(jīng)過2DPCA降維處理得到小波域字典。在橫向改進(jìn)中，利用K-近鄰算法的樣本選擇思想，實現(xiàn)了字典原子的橫向動態(tài)篩選，從而生成基于近鄰子空間的動態(tài)字典。（2）
4、在完成了冗余字典構(gòu)造的基礎(chǔ)上，對稀疏系數(shù)分解算法進(jìn)行研究。將最小L1范數(shù)凸優(yōu)化算法和OMP算法進(jìn)行對比分析，驗證了后者的類別差異性和分解效率均優(yōu)于前者。同時，針對OMP算法稀疏度K未知的問題，提出了用類別統(tǒng)計量C來替換稀疏度K作為算法迭代終止條件的改進(jìn)方法，并通過仿真實驗驗證了改進(jìn)后的OMP算法具有更好的識別效果。（3）根據(jù)稀疏分解系數(shù)的分布特點，總結(jié)出最大系數(shù)準(zhǔn)則、歸類系數(shù)最大準(zhǔn)則兩種分類判別準(zhǔn)則，并對這兩種準(zhǔn)則進(jìn)行仿真對比。仿真結(jié)果表明，歸類系數(shù)最大準(zhǔn)則能夠取得更高的識別率，故本文利用它來完成分類識別器的設(shè)計。（4）基于MSTAR數(shù)據(jù)庫，統(tǒng)
5、計了本文識別算法在各種非理想情況下的識別率，驗證了在含有噪聲、遮擋及分辨率下降情況的算法魯棒性。關(guān)鍵詞：SAR目標(biāo)識別，稀疏表示，2DDWT，主成分分析，OMP算法IIIABSTRACTABSTRACTThetargetrecognitionofSARimageplaysakeyroleofinformationacquisitionandhasimportantapplicationvalue,whichhasbeenahotresearchtopicinthefieldoftargetrecognitionathomeandabroad.I
6、nrecentyears,thesparserepresentationtheoryisappliedtoallkindsofimageprocessingfield,whichobtainsgoodrecognitionperformanceinthefieldoffacerecognition.Basedonthebasictheoryofsparserepresentation,thisthesisconcentratesonthetwokeystepsofSARimagetargetrecognition:thestructureoft
7、heredundantdictionaryandthesolutionofthesparsecoefficient.Themaincontentsareasfollows:(1)Toovercometheweaknessoflowclassdifferenceandlargescaleintheoriginalredundantdictionary,thenovelmethodofbidirectionaldictionarycompressionisproposedaccordingtothetwo-dimensionalredundantd
8、ictionary.Longitudinalimprovementofdictionary:thecertaintyfeatureoflow-freq
