基于非負(fù)矩陣分解的SAR圖像目標(biāo)配置識(shí)別.pdf

1、合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）擁有全天時(shí)、全天候等特質(zhì)，是對(duì)地觀測(cè)和軍事偵測(cè)的重要技術(shù)措施之一。SAR圖像目標(biāo)配置識(shí)別作為SAR圖像分析與解釋的關(guān)鍵技術(shù)之一，具有很強(qiáng)的商業(yè)和軍事價(jià)值，日益成為國(guó)內(nèi)外研究的熱點(diǎn)。在SAR圖像目標(biāo)配置識(shí)別研究中，關(guān)鍵技術(shù)之一為圖像的特征提取。圖像特征提取的主要目的是為了抑制斑點(diǎn)噪聲對(duì)識(shí)別率的影響并且最大限度地體現(xiàn)SAR圖像本身具有的稀疏性，所以圖像特征提取的好壞將直

2、接影響到識(shí)別精度。
　　目前SAR圖像目標(biāo)配置識(shí)別的方法大都是基于灰度相關(guān)匹配和二維不變矩特征，或是基于目標(biāo)邊緣檢測(cè)等方法。其主要思想是通過(guò)提取圖像域或小波域的參數(shù)來(lái)構(gòu)建特征矩陣，這種基于全局特征的方法雖然可以獲得較好的識(shí)別精度，但是受噪聲影響較大，運(yùn)算代價(jià)高，速度慢，從而導(dǎo)致實(shí)用性不強(qiáng)。本文研究了非負(fù)矩陣分解（NonnegativeMatrix Factorization，NMF）這種有效的非負(fù)數(shù)據(jù)處理方法，具有分解速度快，分解

3、結(jié)果有明確的物理意義，實(shí)現(xiàn)簡(jiǎn)單的優(yōu)點(diǎn)，已成為高維數(shù)據(jù)降維分析領(lǐng)域的一個(gè)重要研究方向。本文在深入研究現(xiàn)有NMF算法的基礎(chǔ)上，提出了下列三種非負(fù)矩陣分解的改進(jìn)方式：
　　1、一種稀疏約束的非負(fù)矩陣分解方法。這種方法充分利用了 SAR圖像本身所包含的稀疏性，通過(guò)對(duì)NMF方法進(jìn)行改進(jìn)從而提取出圖像中的稀疏特征。有效地表征了SAR圖像中的稀疏特性，在特征稀疏性和特征出圖等方面，性能均優(yōu)于NMF和現(xiàn)有的稀疏NMF。
　　2、一種近似正交

4、的非負(fù)矩陣分解。由于 NMF有非負(fù)的約束，所以加入正交約束會(huì)給矩陣帶來(lái)稀疏性，能夠很好地提取出圖像中的稀疏特征。確保了低維特征的非負(fù)性和局部性，減小了分解的誤差，提高了對(duì)稀疏性的調(diào)節(jié)能力。
　　3、一種平滑約束的稀疏非負(fù)矩陣分解方法。這種方法是在非平滑非負(fù)矩陣分解方法上加入了平滑約束。因?yàn)榫仃囍?，各個(gè)列向量是互不聯(lián)系和影響的，一列圖像信息的變化并不影響其之前一列或之后一列的圖像信息，這種特性與馬爾科夫隨機(jī)過(guò)程（Markoff ra