论文部分内容阅读
合成孔径雷达(SAR)自动目标识别技术应用图像处理、模式识别等领域的相关知识,实现SAR图像中目标的自动识别,近年来受到了世界各国专家学者的广泛关注。SAR自动目标识别系统主要包含SAR目标检测、SAR目标鉴别、以及SAR目标识别三个阶段。其中,第二阶段是SAR目标鉴别,用以去除SAR目标检测后的杂波虚警。传统的SAR目标鉴别算法在简单的场景下可以得到较好的鉴别效果,但是对于复杂的场景,鉴别效果不够理想。因此本文针对复杂场景下的SAR目标鉴别难点问题进行研究。本文的主要内容介绍如下:1.介绍SAR自动目标识别系统的背景、意义、以及目标鉴别算法的研究进展。2.研究基于杂波分类的SAR目标两步鉴别算法。结合现有的目标鉴别算法,对杂波进行自然杂波和人造杂波分类,分两步去除杂波虚警,首先去除自然杂波虚警,然后去除人造杂波虚警。用实验验证基于杂波分类的SAR目标两步鉴别算法比现有的鉴别算法鉴别性能更佳。3.研究基于梯度直方图特征的SAR目标鉴别算法。首先通过边缘检测算法提取梯度幅度图像和梯度方向图像;然后提取切片图像整体梯度直方图特征,估计主方向;继而按照主方向旋转切片图像,并在旋转后的梯度幅度图像中进行模板匹配,获取切片图像的最佳匹配矩形;此后,在最佳匹配矩形中提取梯度直方图特征;最后,采用支持向量机(SVM)分类器实现复杂场景下单目标与人造杂波的鉴别。4.研究了基于词袋模型的SAR目标鉴别算法。首先提取切片图像的局部区域;接着提取局部区域的对齐梯度直方图特征,并将其作为局部区域描述子;然后用训练样本的局部区域描述子构造视觉词典;再基于视觉词典统计每幅训练与测试图像中视觉单词出现的个数,生成直方图,将此直方图作为SAR目标与人造杂波鉴别的新特征;最后采用SVM分类器完成复杂场景下SAR目标与人造杂波的鉴别。