论文部分内容阅读
合成孔径雷达(SAR,SyntheticApertureRadar)以其全天时,全天候、多波段、多极化、穿透能力强、分辨率高等特点,在战场侦察、目标探测、海洋监测、地形测量、环境监测等军事和民用方面有着越来越广泛的应用.近年来,SAR系统发展迅速,高质量、高分辨率的SAR图像资源不断增加,SAR图像分析也成了研究的热点问题.而SAR目标识别正是SAR图像分析的一个关键环节,也是模式识别领域公认的难题之一.本文对SAR目标识别的滤波器方法进行深入研究,主要研究结果如下,1.分析了SAR图像的基本特性,概述了目前几个发展较快SAR目标识别系统,总结了常用的SAR目标识别方法,以及SAR目标识别中的难点问题.本文主要是针对传统的SAR目标识别方法对目标方位角敏感的难题进行研究.
2.深入研究了在SAR目标识别中倍受关注的线性相关滤波器方法,这些方法对SAR的相干斑噪声有一定的容忍性,并能在一定程度上抑制杂波,但是对同一目标不同方位角的识别效果并不理想,从而限制了其在实际中的应用.本文通过分析MACE,MINACE,EMINACE滤波器的优缺点,指出“特征图像”在识别中所起的作用.
3.由于SAR图像存在非线性失真,本文引入“核方法”,将基于内积运算的线性算法进行非线性化,即将MACE,MINACE,EMINACE滤波器进行非线性扩展得到KMACE,KMINACE,KEMINACE滤波器.特别是KEMINACE滤波器既使用特征向量降低了算法对训练图像的依赖性,又利用目标在非线性空间的高维特征大大提高了滤波器的识别能力.
4.MSTAR实测SAR图像数据的实验结果表明,基于核的非线性相关滤波器KEMINACE不需要存储目标模板和估计目标方位角,每种目标型号只需要用-个滤波器就能够对方位角在0°~360°范围内的目标进行分类,分类正确率高达88%~100%.