论文部分内容阅读
随着无人机技术的发展,作为无人机上主要携带的传感器合成孔径雷达(SAR)已是国内外研究的对象,尤其对于SAR图像自动目标识别技术的研究,更是得到了广泛的关注。本文采用目前广泛使用的由美国DARPA/AFRL提供的MSTAR数据库,按照SAR自动目标识别的检测、鉴别、分类三个步骤的关键技术展开研究,结合目前国内外SAR ATR的发展趋势,研究了目标图像增强、目标特征提取方法和目标分类方法等几个部分,并在matlab7.0平台进行仿真实验。首先,介绍了MSTAR数据库以及SAR图像噪声,主要介绍了其中的K-分布、Gamma分布和Weibull分布等噪声分布模型。其次,对SAR图像增强进行研究,针对幅度图像区域特征增强的要求,提出了一种改进的幅度域正则化方法。由实验结果可以看出,改进后的正则化方法可以较为明显的区分出目标、阴影和背景区域,且具有较高的信杂比;接着采用双参数CFAR检测算法进行区域检测。然后,研究了SAR图像特征提取方法,针对目前鲜有文章对特征提取方法按目标类型进行分类的问题,提出了按照类型对特征提取方法进行分类的方法,分为车辆目标特征、建筑物目标特征、道路和桥梁目标特征、舰船目标特征以及地域目标特征等五大类,同时建立了SAR图像特征的二维分类框架;又针对目前对目标和阴影相结合研究较少的问题,提出了由十四个Hu不变矩特征组成的综合特征向量。最后,对SAR图像分类进行研究,由于多分类相结合的方法是目前分类研究的热点,本文采用投票准则将模糊极大极小值神经网络、学习矢量量化神经网络(规则1)和学习矢量量化神经网络(规则2)的分类结果进行综合,取得了较好的分类效果。