论文部分内容阅读
基于合成孔径雷达(Synthetic Aperture Radar,SAR)的自动目标识别(Automatic Target Recognition,ATR)算法已经成为近年来的研究热点,其研究成果被广泛应用于军用和民用领域,例如国土安全、视频监控、智能家居等。SAR成像结果有对目标方位变化敏感、相对抽象等缺点,而多源数据融合方法可以通过对不同数据源数据进行融合处理,增加对目标信息的获取量,从而提升对目标相应参数变化的鲁棒性,提高目标识别正确率。因此,本文采用基于多源数据融合的目标识别算法,弱化SAR图像的目标方位依赖特性对识别结果的影响,提高识别结果的稳定性,更好的满足战场环境下对地物目标进行自动识别的要求。本文将来自不同方位的目标图像进行融合,提升待识别目标的信息量。在传统的联合稀疏表示算法的基础上,一种改进它的方法被提出,以控制方位角信息对识别结果的干扰。总体研究内容安排如下:1.研究适用于SAR图像的特征提取方法。采用独立同分布高斯随机投影方法对图像数据进行降维,并论证该降维方法的高效性和有效性。研究了稀疏表示方法、联合稀疏表示方法进行特征提取的原理,以及如何将上述方法应用到SAR ATR领域中。2.结合SAR图像的特点,分析传统的稀疏表示算法直接应用在SAR图像目标识别领域的不足之处,提出一种基于固定子字典的联合稀疏表示算法,在融合多方位角信息的同时,控制方位信息对识别结果的干扰。通过设计实验仿真,采用MSTAR数据,论证了基于固定子字典的联合稀疏表示方法可以提升目标识别的准确率。3.针对上述目标多方位信息融合算法的分析,固定子字典方法可以增加目标的信息量,同时很好的控制干扰信息量,但是其对数据库有一定要求,需要数据库分布有条理且数据类型种类数已知。针对上述问题,提出了一种基于局部自适应子字典的联合稀疏表示算法,此方法在具有更高的适应性的同时,保留了上述算法的优点。通过设计仿真实验论证,基于自适应子字典的联合稀疏表示的多方位目标图像融合方法在识别率、鲁棒性、以及收敛性上都达到了较好的效果。