基于特征參數(shù)稀疏表示的SAR圖像目標(biāo)識(shí)別的研究.pdf

1、稀疏表示理論近年來備受關(guān)注，已成功應(yīng)用于圖像壓縮和去噪。合成孔徑雷達(dá)（SyntheticApertureRadar，SAR）圖像的目標(biāo)識(shí)別是對(duì)目標(biāo)屬性、類別或類型的判定，基于SAR圖像的目標(biāo)識(shí)別技術(shù)在軍事、民用等領(lǐng)域都具有十分重要的作用。本文結(jié)合航空基金課題，通過追蹤國內(nèi)外稀疏表示理論的研究成果，將稀疏表示應(yīng)用于SAR圖像的目標(biāo)識(shí)別，主要完成工作如下：
　?。?）研究了稀疏表示理論的內(nèi)容之一：字典。研究了固定字典的發(fā)展和學(xué)習(xí)字典的

2、學(xué)習(xí)方法，通過分析字典在圖像等信號(hào)處理中的應(yīng)用，總結(jié)出針對(duì)信號(hào)的稀疏表示設(shè)計(jì)過完備字典需遵循的三個(gè)原則。
　?。?）研究了稀疏表示理論的內(nèi)容之二：稀疏求解算法。分析了匹配追蹤類算法、1l范數(shù)正則化算法和迭代收縮算法的特點(diǎn)，提出一種改進(jìn)的正交匹配追蹤算法，通過非線性下降閾值自適應(yīng)確定候選原子集，正則化的二次篩選剔除能量較小的原子，再根據(jù)最小二乘法重構(gòu)信號(hào)。仿真結(jié)果表明，本文提出的算法具有較高的信號(hào)重構(gòu)性能，在速度上比BP算法快，在精

3、度上比匹配追蹤類算法高。
　?。?）研究了稀疏表示理論在SAR圖像目標(biāo)識(shí)別中的應(yīng)用。針對(duì)SAR圖像在像素域稀疏表示的識(shí)別算法存在的高維問題，提取低維高精度的廣義二維主分量特征作為構(gòu)成過完備字典的原子，并利用線性判別準(zhǔn)則對(duì)字典進(jìn)行學(xué)習(xí)，大大降低了稀疏表示求解的復(fù)雜度。求解測(cè)試樣本在學(xué)習(xí)字典下的稀疏表示系數(shù)，根據(jù)系數(shù)矢量的SCI值實(shí)現(xiàn)分類識(shí)別。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的識(shí)別算法只需要簡(jiǎn)單的SAR圖像預(yù)處理即可實(shí)現(xiàn)高精度的目標(biāo)識(shí)別，同