论文部分内容阅读
随着合成孔径雷达（SyntheticAperture Radar，SAR）数据获取技术不断进步，SAR图像分辨率得到不断提高。这为SAR图像目标解译提供了新的可能性，相关研究也受到研究者广泛关注。相比SAR数据获取能力的快速发展，SAR图像解译技术仍有很大的改进空间。高分辨SAR图像目标识别是图像解译的核心内容，该项技术在军事、民用领域的应用十分广泛。本文结合航空基金、航空产学研项目课题，在追踪SAR图像目标识别相关技术研究成果的基础上，对目标识别中图像预处理、特征提取、目标特征分类三个关键问题进行研究，主要完成工作如下：（1）高分辨率SAR图像的目标阴影修复。分析了高分辨SAR图像目标阴影修复的意义。研究了经典的图像修复方法及其应用于SAR图像阴影修复的局限性。针对经典图像修复方法在SAR图像阴影修复出现的阴影误判和不均匀问题，本文通过分析SAR平台参数与目标及其阴影的相对位置关系和引入自适应样本块思路，提出了相似度自适应样本块匹配的阴影修复方法，实现了高分辨率SAR图像目标阴影修复，为基于雷达平台系统参数的SAR图像目标检测与识别提供一种新的方案。（2）高分辨率SAR图像目标特征提取。研究了SAR目标特征提取的两类算法：基于L2范数准则的特征提取算法和基于L1范数准则的特征提取算法。基于L2范数准则的特征提取算法对异常值敏感，而现有的基于L1范数准则的特征提取算法存在维数灾难、特征维数过大的问题。针对上述方法的不足，提出一种基于L1范数的双边二维主成分分析法。实验结果表明，本文提出的算法对SAR图像中的异常值有较强的鲁棒性，以小维数的特征实现高精度的目标识别。（3）高分辨率SAR图像目标分类。基于稀疏表示的SAR图像目标识别中，求解样本在字典下的稀疏表示系数是实现目标分类的关键环节。本文研究了各类稀疏重构算法的特点，针对现有重构算法依赖稀疏度参数、需要人工设定阈值等问题，本文提出一种阈值自适应的回溯匹配追踪算法。仿真结果表明，本文提出的算法具有较高的信号重构性能。实验结果也表明，基于该种重构算法的目标识别方法可以实现高精度的目标识别。