基于分数谱时频特征的SAR目标检测与识别方法研究

来源 :电子科技大学 | 被引量 : 3次 | 上传用户:tommy0229
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
SAR目标自动识别(Automatic Target Recognition,ATR)是SAR图像解译和分析的重要环节。由于SAR图像不同于其它成像图像,它掺杂着大量的相干斑噪声、几何畸变,易受方位角影响,从而导致背景散射与目标散射间存在差异。因此,如何从SAR图像中检测出目标区域,并提取目标有效信息,从而对SAR目标进行合理解译是一个亟待攻克的难题。本文主要研究了SAR图像最优分数域时频特征的提取,以及在此基础上完成的高精度SAR目标检测与识别方法。本文在相关科研工作者研究的基础上,将时频分析与分数阶傅里叶变换相结合,增加了这种瞬态分析方法的灵活性,并将该方法用于SAR地面目标检测,进而开展目标识别方法研究。本文所做的主要研究工作和贡献如下:(1)研究了SAR ATR的基本理论,掌握了SAR图像的特性,包括其成像机理,噪声产生原理及抑制,对SAR目标特性也进行了分析,为本文SAR ATR系统的构建打下理论基础。(2)学习了时频分析、分数阶傅里叶变换(Fractional Fourier Transform,Fr FT)的基本理论,并在此基础上深入研究了分数域时频分析方法。Fr FT结合计算复杂度低的Gabor变换提出了分数阶Gabor变换(Fractional Gabor Transform,Fr GT),并把它推广至2维SAR图像信号处理中。(3)对Fr GT最优化实现进行了深入的研究,主要是针对窗函数设计和最优变换阶次2方面,并进行了实验仿真与分析。(4)为了把时频谱降维可视化,深入研究了最优实现后的时频谱的特征提取方法,选择最优特征,保证检测的精度。从而提出了基于最优分数域时频谱特征的SAR目标检测方法,自适应最优分数阶Gabor变换(Optimal Fractional Gabor Transform,OFr GT),并进行了实验仿真与对比分析。(5)深入研究了分类模块的设计方法,对分类策略及特征组合进行了讨论,参数寻优以及决策融合方式也进行了深入讨论,进行了实验仿真与分析。对实际MSTAR图像库处理的结果中表明,分数域时频分析方法为SAR图像处理提出了一个新思路,且本文提出的检测和识别方法是可行的。
其他文献
认知无线电技术是解决频谱资源紧张的关键性技术,已经成为当前无线通信领域内的研究热点之一。目前,认知无线电的研究主要集中在物理层和MAC(Media Access Control)层,相对应
近年来,正交频分复用技术广受人们的关注,其优点主要有灵活的资源分配和抗噪声性能以及抵抗多路径干扰性能良好。在下一代的4G无线通信系统中它已成为了核心关键技术。而OFDM
如何实现对麦克风录制的鼾声相关信号进行自动检测与分类对基于声学信号处理手段来诊断睡眠呼吸暂停/低通气综合症人群的鼾声来源和上气道阻塞部位显得尤为重要。尤其对于医
随着4G技术的逐步成熟和在中国大规模商用的开始,无线与移动通信技术的发展逐步夸入一个新的时代,移动互联网技术和智能终端技术已经得到前所未有的发展,这也为大型通信设备
与遗传算法和蚁群算法一样,蜂拥算法(Flocking)源自自然界奇妙现象,在分布式控制领域有着得天独厚的优势,一直被各个领域的研究者们所重视。近年来蜂拥算法在可移动机器人网
移动Ad Hoc网络(Mobile Ad Hoc Network,MANET)由一组无线移动节点组成,它是不需要依靠固定的通信网络基础设施,就可以迅速组网以供使用的网络体系。MANET通常是无中心、自组
分数域时频分析方法由于其独特的优点,为传统时频分析带来新思路,成为目前时频分析研究的一个热点。分数阶傅立叶变换可以看作是对时频面的旋转,通过旋转来突破传统时频带宽
星载船舶自动识别系统(Automatic Identification System,AIS)是各国竞相发展的船舶动态监控系统,在军事、经济和政治等领域均具有重要的意义。多用户分离是星载AIS中的一个核心
电力行业中,传统的用电管理方法及对返厂维修的电表信息采集都是采用人工抄表的形式,工作繁琐,效率低下,智能抄表系统的出现迎合了时代的需要。本文旨在设计一套集图像采集、
在噪声环境下,语音处理系统的性能会大大降低,严重影响语音处理质量。因此,语音增强作为消除干扰噪声的语音前端处理,是非常有必要的。本文主要研究了Fan-chirp变换域的语音增强