论文部分内容阅读
基于合成孔径雷达（Synthetic Aperture Radar,简称SAR）的自动目标识别（Automatic Target Recognition,简称ATR）技术在战场感知方面非常重要，已成为国内外研究的热门课题。近些年来，雷达目标识别在特征提取、目标模式分类、目标识别算法的实现等技术领域取得了不同程度的进步，已成功应用于星载和机载合成孔径雷达地面侦察、精确制导等领域。本文综述了自动目标识别技术的发展现状，深入研究了基于SAR的自动目标识别及其相关技术，在此基础上，提出了一些新方法，具体如下：1．提出了一种新的SAR图像配准新方法。这是一种基于非线性最小二乘的图像配准方法，除了有效地实现目标图像的位置对准、幅度差异补偿外，还能补偿图像间的平均偏差。该方法具有速度快、匹配精度高的特点。2．提出了一种基于最佳线性变换的SAR目标识别方法。它是将样本的幅频特性进行最佳线性变换并与支持矢量机(Support Vector Machine,简称SVM)相结合，完成目标识别。该方法保证了目标的平移不变性，有效地提高了识别率、训练速度和识别速度，降低了对目标方位估计精度的要求。3．将几种非线性特征提取技术首次应用于SAR自动目标识别中。分别提出了基于KPCA（Kernel Principle Component Analysis,简称KPCA）和KFD(Kernel Fisher Discriminant,简称KFD)的SAR目标特征提取与识别方法，这两种方法都是在非线性空间内提取样本特征并与SVM相结合完成目标识别。它们具有识别率高，速度快，推广性好，对目标方位变化不敏感等特点。4．提出了两种SAR目标与阴影图像的分割方法。一种是基于Weibull分布的SAR目标与阴影图像的分割方法。另一种是改进的Markov模型SAR目标与阴影图像的分割方法。前一种方法简单易行，与一般的双参数恒虚警方法相比，具有更好的分割质量。后一种方法在保证分割质量的同时有效地提高了分割速度。