论文部分内容阅读
合成孔径雷达(SyntheticAperture Radar,SAR)是一种主动式微波传感器,能够在复杂环境中获取地物的二维高分辨率图像,是对地观测和军事侦察的重要手段之一。SAR图像自动目标识别(Automatic Target Recognition,ATR)技术作为军事战场中情报信息的主要来源,成为国内外学者的研究热点。压缩感知(Compressed Sensing,CS)理论作为一种新颖的信号处理理论,在模式识别领域已取得一定的研究成果并展现出广阔的应用前景。本文基于SAR图像自动目标识别的特点和压缩感知理论,将压缩感知应用到SAR图像目标识别中,主要研究工作如下:1、研究了信号稀疏表示的常用方法:固定正交基、联合正交基和超完备字典。研究了各类稀疏变换基的发展以及自身的优缺点,分析比较图像在傅里叶变换、离散余弦变换以及离散小波变换后的稀疏性和图像重建效果,总结出信号稀疏表示的重要性。2、研究了基于平移不变Shearlet变换的SAR图像目标识别。首先分析了SAR图像经平移不变Shearlet变换后的低频和高频特征,提出使用低频子带和某方向高频子带加权融合,将融合后的信息作为目标的特征信息应用于识别,其中高频子带通过测度函数获取。同时对变换后的系数进行阈值处理,能够有效降低SAR图像中的相干斑噪声。基于MSTAR数据库的仿真结果表明:采用低频和高频子带融合的方式进行目标识别,取得良好的识别率水平,证明了本文方法的合理有效性。3、提出一种基于梯度下降的测量矩阵优化混合方法。首先建立测量矩阵的优化模型,基于混沌运动的随机性和遍历性等特点在梯度下降法的步长变化中引入混沌因子,实现步长的自适应变化;同时利用动量修正项,改善算法的稳定性。仿真结果表明,该方法有效降低测量矩阵与稀疏变换基的互相关性,改善了测量矩阵的性能。在此基础上,设计了一种直接利用测量矩阵进行特征提取的目标分类算法,完成了SAR图像目标识别。基于MSTAR数据的仿真实验表明:该方法提高了三类含变体目标的识别率,是一种有效的SAR目标识别方法。4、提出一种改进的基于变步长梯度下降的测量矩阵优化方法。利用变步长梯度下降法迭代求解测量矩阵,然后将模拟退火中的降温系数引入到学习速率中,实现步长的自适应变化。与已有方法对比,该方法收敛速度快,有效降低测量矩阵与稀疏变换基的互相关性,提高图像的重建性能。利用优化后的测量矩阵进行特征提取得到的SAR图像目标识别精度提高,证实了方法的优越性和高效性。