合成孔径雷达图像分类与目标检测技术研究
文献类型：学位论文
| 作者 | 付信际 |
| 学位类别 | 博士 |
| 答辩日期 | 2005 |
| 授予单位 | 中国科学院电子学研究所 |
| 授予地点 | 中国科学院电子学研究所 |
| 导师 | 杨汝良 |
| 关键词 | 合成孔径雷达 分类 目标检测 灰度共现矩阵 马尔可夫随机场 小波分析 分割 |
| 其他题名 | Research on Classification and Target Detection Using SAR Images |
| 学位专业 | 通信与信息系统 |
| 中文摘要 | 随着合成孔径雷达技术应用的日益发展，合成孔径雷达数据收集能力越来越强，人工解译难以适应数据的高速增长，利用计算机及模式识别技术对这些图像进行自动或半自动快速、准确地解译可以极大提高数据处理的效率，无论在军事及民用领域都具有很好的发展前景及应用价值，SAR图像分类、目标检测、分割、识别是SAR自动半自动图像解译的几个重要的研究方向，成为国际研究热点，本文对SAR图像分类、目标检测与分割做了研究，主要贡献有：（1）纹理分析是SAR图像分析的重要组成部分，对纹理的全面认知将极大提高对SAR图像的理解和目标识别能力。论文研究了灰度共生矩阵纹理特征提取方法及SVM（支持向量机）的分类方法，提出了灰度共生矩阵类特征基的特征提取算法，该算法特征提取的数量与需要分类的地物类型数一致，可以更简单对地物分类。（2）由于马尔可夫场能够有效地表征图像的空间邻域相关性并且有优化算法支持，在SAR图像处理中起着越来越重要的作用，论文研究了马尔可夫随机场的目标检测方法，在此基础上根据观测系统模型提出了递增结构能量参数的马尔科夫场目标检测方法，利用最大后验概率准则及模拟退火优化方法，通过随迭代次数不断递增的结构能量获得目标的最优检测。（3）由于小波分解的多分辨分析特性及神经网络的自学习、自组织等性能，在图像处理中得到了广泛的应用，论文研究了SAR图像小波多分辨分析的特性，根据Rodieck的视网膜感受野神经节细胞数学模型，提出了SAR图像非线性采样目标低频小波树特征提取方法，利用PCA（主分量分析）对低频小波树降维，用降维后的特征值训练LVQ神经网络，并应用于SAR图像目标检测，取得了较好的检测效果。（4）SAR图像目标分割结果好坏直接影响到后续识别的方法和质量，至今己提出上千种各种类型的分割算法，在各种分割技术中，活动围道分割在研究和应用两个方面倍受关注。论文研究了活动围道的目标分割方法，根据模拟退火算法原理对梯度矢量流活动围道收敛方法进行了改进，该方法通过加入随机干扰使活动围道跳出局部最优解，最终收敛到全局最优。由于目标周围的杂波及相干斑噪．声对活动围道的收敛有较大干扰，为此研究了多分辨分析的活动围道分割预处理滤波方法，该方法根据背景与噪声小波分解后所处的频带位置滤掉背景与噪声，提高了活动围道的分割性能。（5）目标极化散射信息可以提高SAR图像分类精度，论文研究了极化相关矩阵目标分解的分类方法及Wishart距离测度的模糊C-均值分类方法，给出了两种方法的实验结果，分析了两种方法中优点及存在的问题，对三种纹理基元进行了总结与推广。 |
| 语种 | 中文 |
| 公开日期 | 2011-07-19 |
| 页码 | 115 |
| 源URL | [http://159.226.65.12/handle/80137/9093]  |
| 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 | 付信际. 合成孔径雷达图像分类与目标检测技术研究[D]. 中国科学院电子学研究所. 中国科学院电子学研究所. 2005. |
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。