论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动目标识别(AutomaticTarget Recognition, ATR)技术是在无人为干涉的情况下，利用采集到的SAR图像数据，准确的找到感兴趣的区域，并提取目标的特征信息，识别出目标的类别属性。在SARATR体系中包含最主要的三个步骤，即SAR图像预处理，SAR图像目标特征提取和SAR图像目标分类识别。本论文针对这三个步骤，完成了以下任务：1. SAR图像的预处理方法：本论文研究了一种基于复Contourlet变换和隐马尔科夫树(HMT)模型的SAR图像去除相干斑噪声方法。该方法利用复Contourlet变换的多尺度、多方向性和平移不变性的特点，将其与HMT模型相结合，从而能够准确地描述复Contourlet变换域系数在相邻尺度间的相关性。对实验结果的定量分析可知，该方法取得了良好的去噪效果。2. SAR图像的特征提取方法：流形学习方法是模式识别的基本方法，本文应用的最大异类距离嵌入特征提取(Maximum Interclass Distance Embedding, MIDE)方法的创新性体现在既结合了主成份分析(Personal Computer Assistant, PCA)的差异特性和局部保持映射(Local Preserving Projection, LPP)的邻域信息，并同时融入了数据集的类别信息。利用此方法旨在找寻一个线性嵌入的映射，能够将投影后获得的不同类别的SAR图像特征彼此互相远离。3. SAR图像目标识别算法：文中提出了一种基于神经网络集成模型的SAR图像分类识别算法。该方法很好的克服了SAR图像对方位角敏感的问题，针对同向目标的特征空间训练一个神经网络实现目标分类，并使用另一个二级神经网络对多个单向目标识别器的识别结果进行结合，提高识别精度。将SAR图像自动目标识别三个阶段的三种方法同时应用在SAR图像自动目标识别中，通过仿真实验，定量分析可知，其最终的目标识别率高于其它较为优秀的算法所达到的目标识别率，证明该论文提出的算法是切实可行的。