基于稀疏表示和深度學(xué)習(xí)的sar圖像目標(biāo)識(shí)別研究

《基于稀疏表示和深度學(xué)習(xí)的sar圖像目標(biāo)識(shí)別研究》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、乂ＩＷ巧罵護(hù)等有巧潛：帶；帶二媒撰謀苦；。奪留許義若術(shù)大賽ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ碩±學(xué)位論文戀論文題目＾泉子稀疏表表和潘度學(xué)１的ＳＡＲ固後目枯扣別巧奔．作者姓名阮化玉學(xué)科專業(yè)信雇、與通信工巧導(dǎo)師姓名張萊到教換完成時(shí)間二〇—六年五月中逸種＃我禾乂＃碩±學(xué)位論文馨基于稀疏表示和深度學(xué)習(xí)的ＳＡＲ圖像目標(biāo)識(shí)別研究作者姓名：阮懷玉學(xué)科專業(yè)：信息與通信工程導(dǎo)師姓名：張榮副教授—完成時(shí)間：

2、二〇六年五月四日■ＵｎｉｖｅｒｓｉｔｙｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｏｇｙ’Ａｄｉｓｓｅｒｔａｔｉｏｎｆｏｒｍａｓｔｅｒｓｄｅｇｒｅｅ？ＳＡＲＩｍａｅＴａｒｅｔＲｅｃｏｎｉｔｉｏｎｇｇｇｂａｓｅｄｏｎＳａｒｓｅｐＲｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄＤｅｅｐＬｅａｒｎｉｎｇ’ＡｉＵｈｏｒｓＮａｍｅ：ＨｕａｉｙｕＲｕａｎＳｅｃｉａｌｉｔ：ＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｉｎｅｅｒｉｎｇｐｙｇ＇ＳｕｅｒｖｉｓｏｒＡｓｓ

3、ｏｃｉａｔｅＰｒｏｆ．民ｏｎＺｈａｎｐ：ｇｇ＊Ｆｉｎｉｓｈｅｄｔｉｍｅ：Ｍａｙ４，２０１６中國科學(xué)技術(shù)大學(xué)學(xué)位論文原創(chuàng)性聲明本人盧明所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下進(jìn)行研究工作所取得的成來。除Ｕ特別加示注和致謝的地方外，論文中不包含任何他人己經(jīng)發(fā)表或撰寫一過的研究成果。與我同工作的同志對(duì)本研究所做的貢獻(xiàn)均己在論文中作了明確的說明。作者簽名：簽字曰期：中國科學(xué)技術(shù)大學(xué)學(xué)位論文授權(quán)使用聲明一作為申請(qǐng)學(xué)位的條件之，學(xué)位論文著作權(quán)擁有者授權(quán)中國科學(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)

4、定向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，可Ｗ將學(xué)位論文編入《中國學(xué)，允許論文被查閱和借閱位論文全文數(shù)據(jù)庫》等有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制一手段保存、匯編學(xué)位論文。本人提交的電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相致。保密的學(xué)位論文在解密后也遵守此規(guī)定。＼＾２＾開□保密）（＿＿年４作者簽名、＊：儀戶：秘＞３導(dǎo)師簽名Ｖ和、．簽字日期簽字日期；本ｆｅ：乂占７／■摘要一合成孔徑雷達(dá)（ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）是種主動(dòng)式相干成像雷達(dá)，在環(huán)境監(jiān)測、

5、資源勘察和國防軍事等領(lǐng)域有著廣泛的應(yīng)用。ＳＡＲ在軍事領(lǐng)域最主要的應(yīng)用是實(shí)現(xiàn)對(duì)特定軍事目標(biāo)的檢測和識(shí)別，如何實(shí)現(xiàn)ＳＡ民圖像的自動(dòng)目標(biāo)識(shí)別（ＡｕｔｏｍａｔｉｃＴａｒｇｅｔＲｅｃｏｇｎｉｔｉｏｎ，ＡＴＲ），具有重要的理論和實(shí)踐意義。ＳＡＲ圖像的目標(biāo)識(shí)別研究也成為了國內(nèi)外的研究熱點(diǎn)。本文針對(duì)ＳＡＲ圖像目標(biāo)識(shí)別中受相干斑噪聲干化，底層特征不穩(wěn)健等問題，結(jié)合稀疏表示的特征學(xué)習(xí)能力和深度網(wǎng)絡(luò)的高層特征抽取能力，分別提出了基于多尺度稀疏表示和基于深層去噪，主要工作如下自編碼網(wǎng)絡(luò)的ＳＡＲ圖像目標(biāo)識(shí)別算法：１．基于多尺度稀疏表示方法的Ｓ

6、Ａ民圖像目標(biāo)識(shí)別方法。針對(duì)傳統(tǒng)稀疏表示方法中缺少多尺度信息，且直接在ＳＡＲ圖像域進(jìn)行稀疏表示易受噪聲干擾等問一題，提出種基于密集ＳＩＦＴ特征的多尺度稀疏表示算法，首先提取圖像的多尺一度密集ＳＩＦＴ特征Ｉ利用ＳＩＦＴ特征訓(xùn)練多尺度字典，進(jìn)步對(duì)局部特征進(jìn)行稀疏表示，最后使用多尺度稀疏表示訓(xùn)練線性ＳＶＭ進(jìn)行目標(biāo)分類。２．基于深層去噪自編碼網(wǎng)絡(luò)的ＳＡＲ圖像目標(biāo)識(shí)別方法。考慮ＳＡＲ圖像的，相干斑噪聲特性，利用去噪自編碼器對(duì)噪聲的魯棒性提出基于深層去噪自編碼網(wǎng)絡(luò)的ＳＡＲ圖像深層特征提取方法，首先通過提取大量密集ＳＩＦＴ特征作為特征

7、。通，輸入，訓(xùn)練去噪自編碼網(wǎng)絡(luò)過深層去噪自編碼網(wǎng)絡(luò)，避免了網(wǎng)絡(luò)出現(xiàn)過擬合，用于后期分類器的特征輸入對(duì)ＳＩＦＴ特征進(jìn)行了高層特征的抽取。本文基于稀疏表示和深度學(xué)習(xí)基本理論，利用多尺度稀疏表示和深層去噪自編碼網(wǎng)絡(luò)構(gòu)建特征學(xué)習(xí)框架ＡＲ圖。，并Ｗ此提出了兩種Ｓ像目標(biāo)識(shí)別算法在ＭＳＴＡＲＴｅｒｒａＳＡＲ－Ｘ船舶數(shù)據(jù)集上的仿真實(shí)驗(yàn)表明數(shù)據(jù)集和，兩種算法都可Ｗ一ＡＲ。學(xué)習(xí)有效魯棒的特征表示，進(jìn)步提窩了Ｓ圖像目標(biāo)識(shí)別的性能關(guān)鍵巧：合成孔括雷達(dá)目標(biāo)識(shí)別多尺度稀疏表示深度學(xué)習(xí)去噪自編碼１ＡＢＳＴＲＡＣＴＡＢＳＴＲＡＣＴＴｈｅＳ

8、ｙｒＵｈｃｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ（ＳＡ民）ｉｓａｆｏｒｍｏｆａｃｔｉｖｅｃｏｈｅｒ