合成孔徑雷達圖像分類與目標檢測技術研究.pdf

1、隨著合成孔徑雷達技術應用的日益發(fā)展，合成孔徑雷達數據收集能力越來越強，人工解譯難以適應數據的高速增長，利用計算機及模式識別技術對這些圖像進行自動或半自動快速、準確地解譯可以極大提高數據處理的效率，無論在軍事及民用領域都具有很好的發(fā)展前景及應用價值，SAR圖像分類、目標檢測、分割、識別是SAR自動半自動圖像解譯的幾個重要的研究方向，成為國際研究熱點，本文對SAR圖像分類、目標檢測與分割做了研究，主要貢獻有： (1)紋理分析是SAR

2、圖像分析的重要組成部分，對紋理的全面認知將極大提高對SAR圖像的理解和目標識別能力。論文研究了灰度共生矩陣紋理特征提取方法及SVM(支持向量機)的分類方法，提出了灰度共生矩陣類特征基的特征提取算法，該算法特征提取的數量與需要分類的地物類型數一致，可以更簡單對地物分類。 (2)由于馬爾可夫場能夠有效地表征圖像的空間鄰域相關性并且有優(yōu)化算法支持，在SAR圖像處理中起著越來越重要的作用，論文研究了馬爾可夫隨機場的目標檢測方法，在此基礎

3、上根據觀測系統(tǒng)模型提出了遞增結構能量參數的馬爾科夫場目標檢測方法，利用最大后驗概率準則及模擬退火優(yōu)化方法，通過隨迭代次數不斷遞增的結構能量獲得目標的最優(yōu)檢測。 (3)由于小波分解的多分辨分析特性及神經網絡的自學習、自組織等性能，在圖像處理中得到了廣泛的應用，論文研究了SAR圖像小波多分辨分析的特性，根據Rodieck的視網膜感受野神經節(jié)細胞數學模型，提出了SAR圖像非線性采樣目標低頻小波樹特征提取方法，利用PCA(主分量分析)對

4、低頻小波樹降維，用降維后的特征值訓練LVQ神經網絡，并應用于SAR圖像目標檢測，取得了較好的檢測效果。 (4)SAR圖像目標分割結果好壞直接影響到后續(xù)識別的方法和質量，至今己提出上千種各種類型的分割算法，在各種分割技術中，活動圍道分割在研究和應用兩個方面倍受關注。論文研究了活動圍道的目標分割方法，根據模擬退火算法原理對梯度矢量流活動圍道收斂方法進行了改進，該方法通過加入隨機干擾使活動圍道跳出局部最優(yōu)解，最終收斂到全局最優(yōu)。由于目