版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、國內(nèi)圖書分類號:TN957.52學校代碼:10213國際圖書分類號:621.396密級:公開工學碩士學位論文SAR人造目標識別方法研究碩士研究生:梁香美導師:鄒斌教授申請學位:工學碩士學科、專業(yè):信息與通信工程所在單位:電子與信息技術(shù)研究院答辯日期:2009年1月授予學位單位:哈爾濱工業(yè)大學哈爾濱工業(yè)大學工學碩士學位論文I摘要合成孔徑雷達具有全天候、遠距離和穿透力強等優(yōu)點,能在惡劣的環(huán)境下以高分辨率提供詳細的地面測繪資料和圖像,在現(xiàn)代偵
2、察任務中起著至關(guān)重要的作用?;诤铣煽讖嚼走_的目標識別技術(shù)在戰(zhàn)場感知方面非常重要,已成為國內(nèi)外研究的熱門課題。本文綜述了SAR目標識別技術(shù)的研究現(xiàn)狀,深入研究了基于SAR圖像的目標識別及其相關(guān)技術(shù),主要工作包括以下幾個部分:首先研究了SAR圖像分割方法,通過仿真實驗比較了CFAR分割方法與基于區(qū)域的分割方法,當原始圖像效果較差,特別是存在斷點時,區(qū)域生長方法產(chǎn)生較大的誤判,部分目標區(qū)域不能得到較好的分割。而CFAR分割卻得到了良好的分割
3、效果。圖像分割為接下來的目標方位估計以及目標識別提供了良好的前提。其次在目標分割的基礎(chǔ)上研究了目標方位估計的方法,通過MSTAR數(shù)據(jù)進行仿真實驗比較了Radon變換法和2DCWT方法,發(fā)現(xiàn)Radon變換法較之2DCWT具有較好的估計精度。最后著重研究了目標的輪廓特征、中心矩特征、PCA特征,利用這些特征采用支持向量機分別進行了目標識別。由于僅用一種特征很難完全描述SAR圖像,因此采用多種特征來描述SAR圖像,利用多分類器融合的方法將這幾
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- SAR圖像中目標識別方法研究.pdf
- 基于深度學習的SAR目標識別方法研究.pdf
- 基于NMF的SAR圖像目標識別方法研究.pdf
- 基于壓縮感知的SAR圖像目標識別方法研究.pdf
- 基于流形學習的SAR自動目標識別方法研究.pdf
- 圖像目標識別方法研究.pdf
- 雷達目標識別方法研究.pdf
- SAR目標識別方法的GPU并行實現(xiàn)與優(yōu)化.pdf
- 聲目標識別方法研究.pdf
- SAR圖像旁瓣抑制和目標識別方法的研究及實現(xiàn).pdf
- 基于多源數(shù)據(jù)融合的SAR圖像目標識別方法研究.pdf
- 基于神經(jīng)網(wǎng)絡集成學習的SAR目標識別方法研究.pdf
- 基于強魯棒性的SAR圖像目標識別方法研究.pdf
- 基于更新學習機制的SAR圖像目標識別方法研究.pdf
- 針狀晶體圖像目標識別方法.pdf
- 運動陰影檢測與目標識別方法研究.pdf
- 復雜環(huán)境中特定目標識別方法研究.pdf
- 紅外艦船檢測與目標識別方法研究.pdf
- 紅外圖像中車輛目標識別方法研究.pdf
- 基于殼體振動的目標識別方法研究.pdf
評論
0/150
提交評論