论文部分内容阅读
逆合成孔径雷达（ISAR）技术在国防领域中极其重要，ISAR对目标成像的最终目的是作目标识别。现阶段我国在ISAR成像中的运动补偿、成像算法等方面的研究都日趋成熟。ISAR像是三维目标在ISAR成像平面上的二维投影，成像时运动目标的运动、ISAR自身的运动造成的成像平面的改变、ISAR成像时对同一目标在不同雷达视角下检测得到的相应回波信号强散射中心的较大变化，都使得同一目标的ISAR像间差异很大。此外ISAR成像中目标的平移、旋转、投影、遮挡等因素进一步使得ISAR像中目标的辨别难度增大，所以本文中对ISAR像飞机目标的分类识别研究有很重要的现实意义。 基于ISAR像的目标识别系统应包括样本预处理、特征提取与选择、分类器的建立与分类决策三部分。由于本文所用样本图像已经经过预处理，所以本文主要研究了ISAR目标像的特征提取与选择和分类器的建立与应用两个方面。 本文首先研究了针对ISAR像中飞机目标识别的特征提取和选择算法，提取出了傅里叶变换系数、小波变换系数、小波包变换系数、Hu不变矩和估计的目标尺寸，用于ISAR像的目标识别研究。在对Hu不变矩和目标尺寸特征进行优化组合时，采用了遗传算法实现全局优化组合。其次研究了传统的最近邻分类算法、BP神经网络和性能卓越的SVM分类算法，建立了相应的分类器并对上述特征进行了分类实验。其中，依据最近邻分类算法对上述特征进行了初选，选出傅里叶变换低频系数、小波分解低频系数、小波包分解低频系数、两种不变矩与尺寸特征的组合共五组候选特征；用BP神经网络和SVM分类算法对初选特征进一步进行了分类实验。 经对各种算法实验结果的比较分析，最后得出结论：采用5×4窗口截取20个傅里叶变换低频系数和线性核SVM分类器的组合进行ISAR像中飞机目标的识别，识别精度达到93.94％，效果较为理想。