合成孔径雷达海面图像分布式目标检测技术研究
文献类型：学位论文
| 作者 | 姚振宇 |
| 学位类别 | 硕士 |
| 答辩日期 | 2007-05-28 |
| 授予单位 | 中国科学院电子学研究所 |
| 授予地点 | 电子学研究所 |
| 导师 | 陈永强 |
| 关键词 | 合成孔径雷达 分布式目标 判别式统计模型 多尺度特征提取 特征包算法 内波 油膜 纹理 海况分类 |
| 其他题名 | Distributed Target Detection and Recognition in Synthetic Aperture Radar (SAR) Sea Surface Imagery |
| 中文摘要 | 本文提出了一种基于弱监督学习的SAR图像分布式目标检测与识别算法，并将该算法应用在两个实际课题中：1) 海面SAR图像内波和油膜等分布式目标检测和识别；2)基于纹理信息的海面SAR图像海况分类。SAR图像分布式目标指在图像空间上分布范围广且包含形状、结构等特征的目标。这类目标的图像特征在空域上具有强相关性，不能用图像单点统计参数描述，因此不能采用传统的点目标检测和识别技术。本文针对内波、油膜和纹理等目标提出了一套基于判别式统计模型的方法。不同与前人常用的模拟海面现象的产生过程的方法，本文从分布式目标的图像特征本身出发，算法包括特征检测和提取、特征聚类和目标特征模型建模三步（特征学习步骤中利用的训练样本只需要标注出其中包含目标类别，无需精确分割）。 首先对于特征提取问题，本文分析了几种图像局部非线性特征检测和提取算法，并选择了旋转无关特征算子(SIFT)等，并对比这些在海面SAR图像分布式目标特征提取问题的性能。本文进一步提出了特征包(bag-of-words)的弱监督自适应特征聚类和目标建模方法。本文在一百多幅具有丰富特征形态和复杂背景噪声的SAR内波、油膜、纹理图像上实验，内波和油膜目标识别准确率超过75% (虚警2%)，而三种不同海况的海面SAR图像分类正确率达到了86%。 |
| 语种 | 中文 |
| 公开日期 | 2011-07-19 |
| 页码 | 65 |
| 源URL | [http://ir.ie.ac.cn/handle/80137/8321]  |
| 专题 | 电子学研究所_电子所博硕士学位论文_电子所博硕士学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 姚振宇. 合成孔径雷达海面图像分布式目标检测技术研究[D]. 电子学研究所. 中国科学院电子学研究所. 2007. |
入库方式： OAI收割
来源：电子学研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。