论文部分内容阅读
稀疏表示理论近年来备受关注，已成功应用于图像压缩和去噪。合成孔径雷达（SyntheticAperture Radar，SAR）图像的目标识别是对目标属性、类别或类型的判定，基于SAR图像的目标识别技术在军事、民用等领域都具有十分重要的作用。本文结合航空基金课题，通过追踪国内外稀疏表示理论的研究成果，将稀疏表示应用于SAR图像的目标识别，主要完成工作如下：（1）研究了稀疏表示理论的内容之一：字典。研究了固定字典的发展和学习字典的学习方法，通过分析字典在图像等信号处理中的应用，总结出针对信号的稀疏表示设计过完备字典需遵循的三个原则。（2）研究了稀疏表示理论的内容之二：稀疏求解算法。分析了匹配追踪类算法、l1范数正则化算法和迭代收缩算法的特点，提出一种改进的正交匹配追踪算法，通过非线性下降阈值自适应确定候选原子集，正则化的二次筛选剔除能量较小的原子，再根据最小二乘法重构信号。仿真结果表明，本文提出的算法具有较高的信号重构性能，在速度上比BP算法快，在精度上比匹配追踪类算法高。（3）研究了稀疏表示理论在SAR图像目标识别中的应用。针对SAR图像在像素域稀疏表示的识别算法存在的高维问题，提取低维高精度的广义二维主分量特征作为构成过完备字典的原子，并利用线性判别准则对字典进行学习，大大降低了稀疏表示求解的复杂度。求解测试样本在学习字典下的稀疏表示系数，根据系数矢量的SCI值实现分类识别。仿真实验结果表明，本文提出的识别算法只需要简单的SAR图像预处理即可实现高精度的目标识别，同时提高了识别速度。