| 题名 | 合成孔径雷达图像分析与目标识别技术研究 |
| 作者 | 郭巍 |
| 学位类别 | 博士 |
| 答辩日期 | 2009-06-01 |
| 授予单位 | 中国科学院电子学研究所 |
| 授予地点 | 电子学研究所 |
| 导师 | 张平 |
| 关键词 | 合成孔径雷达 图像分析 目标识别 地物分类 相干斑噪声抑制 SAR图像纹理特征提取 SAR图像纹理特征选择 双密度双树复数小波变换 免疫克隆算法 |
| 中文摘要 | 随着合成孔径雷达(Synthetic Aperture Radar, SAR)技术应用的日益发展，合成孔径雷达数据收集能力越来越强，人工解译难以适应数据的高速增长，利用计算机及模式识别技术对这些图像进行自动或半自动快速、准确地解译可以极大提高数据处理的效率，是SAR图像解译与理解的重要内容，具有良好的发展前景及应用价值，也是国内外SAR图像理解和模式识别领域的研究热点。本文深入研究了SAR图像分析与目标识别技术，主要的工作和创新性贡献包括： 1) 对SAR图像基本特性和固有特性进行了深入分析并从成像机理的角度进行了解释。深入研究了地物参数和SAR系统参数对图像解译的影响。探讨了SAR图像固有特征的利用方法并对SAR图像质量评估进行了研究。 2) 研究了小波变换及复数小波变换理论，提出了一种基于双密度双树复数小波变换的SAR图像去噪方法。将双密度双树复数小波变换结合具有局部方差估计的双变量收缩阈值函数构成一种新的降噪算法应用于合成孔径雷达图像的相干斑抑制，将该算法对仿真SAR图像和实际SAR图像实验，并将结果与其它小波方法进行了比较。 3) 深入分析了现有的典型的纹理特征提取方法，并针对纹理特征性能评价方面以往的研究工作中的不足，对现有的纹理特征提取方法进行比较研究，提出了一种SAR图像纹理鉴别性能的评价方法，能够定量、稳定，更直接地反映纹理特征本身的鉴别性能。 4)对SAR图像的特征融合及其选择的分类技术进行了深入研究，合理融入人工免疫系统中免疫克隆选择的思想，提出了一种基于免疫克隆特征选择的SAR图像地物分类方法。用该方法对所提取的多种纹理特征进行选择，并运用所选最优特征子集进行SAR图像地物分类。方法对多种类型的图像数据实验，并与使用单一类特征、未进行特征融合和选择的分类方法进行了比较。 5) 将基本AdaBoost算法进行多类别推衍，得到AdaBoost.ECOC算法及其分类器的设计。并将推衍后的AdaBoost.ECOC算法应用于合成孔径雷达多目标识别领域，提出了一种基于AdaBoost.ECOC算法的合成孔径雷达图像目标识别新方法。用MSTAR数据库中的三类地面军事目标进行识别实验，对文中各种算法的性能进行了全面分析和比较。 |
| 语种 | 中文 |
| 公开日期 | 2011-07-19 |
| 页码 | 143 |
| 内容类型 | 学位论文 |
| 源URL | [http://159.226.65.12/handle/80137/8775]  |
| 专题 | 电子学研究所_电子所博硕士学位论文_电子所博硕士学位论文_学位论文 |
| 推荐引用方式 GB/T 7714 | 郭巍. 合成孔径雷达图像分析与目标识别技术研究[D]. 电子学研究所. 中国科学院电子学研究所. 2009. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论