学位论文 > 优秀研究生学位论文题录展示

无人机SAR图像自动目标识别技术研究

作 者: 周畅
导 师: 李一波
学 校:
专 业: 计算机应用技术
关键词: SAR 无人机 自动目标识别 图像增强 特征提取 目标分类
分类号: TN957.52
类 型: 硕士论文
年 份: 2011年
下 载: 165次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着无人机技术的发展,作为无人机上主要携带的传感器合成孔径雷达(SAR)已是国内外研究的对象,尤其对于SAR图像自动目标识别技术的研究,更是得到了广泛的关注。本文采用目前广泛使用的由美国DARPA/AFRL提供的MSTAR数据库,按照SAR自动目标识别的检测、鉴别、分类三个步骤的关键技术展开研究,结合目前国内外SAR ATR的发展趋势,研究了目标图像增强、目标特征提取方法和目标分类方法等几个部分,并在matlab7.0平台进行仿真实验。首先,介绍了MSTAR数据库以及SAR图像噪声,主要介绍了其中的K-分布、Gamma分布和Weibull分布等噪声分布模型。其次,对SAR图像增强进行研究,针对幅度图像区域特征增强的要求,提出了一种改进的幅度域正则化方法。由实验结果可以看出,改进后的正则化方法可以较为明显的区分出目标、阴影和背景区域,且具有较高的信杂比;接着采用双参数CFAR检测算法进行区域检测。然后,研究了SAR图像特征提取方法,针对目前鲜有文章对特征提取方法按目标类型进行分类的问题,提出了按照类型对特征提取方法进行分类的方法,分为车辆目标特征、建筑物目标特征、道路和桥梁目标特征、舰船目标特征以及地域目标特征等五大类,同时建立了SAR图像特征的二维分类框架;又针对目前对目标和阴影相结合研究较少的问题,提出了由十四个Hu不变矩特征组成的综合特征向量。最后,对SAR图像分类进行研究,由于多分类相结合的方法是目前分类研究的热点,本文采用投票准则将模糊极大极小值神经网络、学习矢量量化神经网络(规则1)和学习矢量量化神经网络(规则2)的分类结果进行综合,取得了较好的分类效果。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-17
  1.1 选题背景及意义  11-14
    1.1.1 选题背景  11-13
    1.1.2 研究意义  13-14
  1.2 国内外研究现状  14-15
  1.3 论文的主要内容  15-17
第2章 SAR 图像目标检测  17-30
  2.1 SAR 数据介绍  17-18
  2.2 SAR 图像噪声  18-22
    2.2.1 K-分布模型  19-20
    2.2.2 Log-normal 分布模型  20
    2.2.3 Gamma 分布模型  20-21
    2.2.4 Weibull 分布模型  21-22
  2.3 图像增强  22-25
    2.3.1 复数域上的正则化方法  23
    2.3.2 改进后的幅度域正则化方法  23-24
    2.3.3 实验结果  24-25
  2.4 CFAR 检测方法  25-28
    2.4.1 CA-CFAR 检测方法  26-27
    2.4.2 双参数CFAR 检测方法  27-28
  2.5 本章小结  28-30
第3章 SAR 图像目标鉴别  30-42
  3.1 特征提取  30-36
    3.1.1 一种特征提取的分类方法  30
    3.1.2 车辆目标特征  30-33
    3.1.3 建筑物目标特征  33-34
    3.1.4 道路和桥梁目标特征  34
    3.1.5 舰船目标特征  34-35
    3.1.6 地域目标特征  35-36
  3.2 目标和阴影特征向量的提取  36-41
    3.2.1 Hu 七个不变矩  37-38
    3.2.2 一种目标和阴影Hu 不变矩组成的特征向量  38-41
  3.3 本章小结  41-42
第4章 SAR 图像目标分类  42-53
  4.1 常用目标分类方法  42-45
    4.1.1 SAIP 和MSTAR  42-43
    4.1.2 常用的分类模型  43-45
  4.2 基于投票准则的FMM 和LVQ 神经网络分类方法  45-52
    4.2.1 FMM 神经网络分类器  45-47
    4.2.2 LVQ 神经网络分类器  47-49
    4.2.3 多分类器组合的投票表决规则  49
    4.2.4 分类框架  49-50
    4.2.5 实验结果与分析  50-52
  4.3 本章小结  52-53
结论  53-55
参考文献  55-59
致谢  59-60
攻读硕士期间发表(含录用)的学术论文  60

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  4. Q学习在基于内容图像检索技术中的应用,TP391.41
  5. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  6. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  7. 空间交会接近视觉测量方法研究,TP391.41
  8. 图像实时采集、存储与处理方法研究,TP391.41
  9. 唇读中的特征提取、选择与融合,TP391.41
  10. 多币种纸币处理技术的研究与实现,TP391.41
  11. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  12. 基于图像的路面破损识别,TP391.41
  13. 移动机器人视觉检测和跟踪研究,TP242.62
  14. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  15. 运动特征及地形约束的感知网目标跟踪算法及系统研究,TP212.9
  16. 数字图像处理在集装箱检测中的应用研究,TP274.4
  17. 基于随机森林的植物抗性基因识别方法研究,Q943
  18. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  19. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  20. 基于数字图像处理的血管管径自动测量技术,R310
  21. 羊绒与羊毛纤维鉴别系统的研究,TS101.921

中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达设备、雷达站 > 雷达接收设备 > 数据、图像处理及录取
© 2012 www.xueweilunwen.com