论文部分内容阅读
合成孔径雷达自动目标识别(Synthetic Aperture Radar Automatic TargetRecognition, SAR ATR)是国防和民用领域中的具有挑战性的一个问题。近几十年来，SAR自动目标识别技术在预处理、特征提取及识别方面的研究已经取得了很大进展。SAR自动目标识别问题中会涉及到机器学习和模式识别领域的许多技术。随着SAR图像数据采集能力的不断增长，对这些图像进行准确、快速的理解和识别越来越引起人们的关注和重视。针对合成孔径雷达的自动目标识别问题，本文从SAR图像分割、特征提取与识别方面展开了深入的研究。本论文的主要工作如下：1.针对SAR图像的预处理问题，分析和讨论了几种常用的滤波和分割方法，提出一种阈值化技术与形态学方法相结合的SAR图像分割方法，可以更好地保持目标和阴影的细节部分，为后续的识别打下基础。2.提出一种基于SAR目标和阴影特征融合的目标识别方法，该方法充分利用了SAR图像目标和阴影的结构信息；首先根据前面提出的SAR图像分割方法，将目标和阴影从杂波背景中分割出来，抑制背景杂波对后续识别的影响，然后分别提取目标和阴影的特征进行串行融合，最后结合最近邻分类器得到识别结果。给出实验结果，可以看出本方法具有良好的识别性能。3.针对现有SAR图像目标识别存在的问题，提出一种快速的SAR图像目标识别方法，该方法引入压缩感知的思想，采用随机感知矩阵对多尺度图像特征进行降维，然后在降维后的特征集上利用邻分类器进行分类识别。实验结果表明，该方法可以有效地降低特征维数，减少运行时间。