SAR圖像典型目標特征提取與識別方法研究.pdf

1、合成孔徑雷達（Synthetic Aperture Radar,SAR）是一種工作在微波波段的成像系統，具有全天侯、全天時、多視角、多分辨率數據獲取的能萬。因此，它在國防、軍事、環(huán)境、災害等的偵察和監(jiān)視中有著不可估量的應用價值。 合成孔徑雷達成像應用中最重要、最難、最熱門的研究課題之一是自動目標識別。迄今為止，還沒有一種方法可以解決所有的自動目標識別問題。因此雷達目標識別的研究具有重要的理論意義和學術價值。 本研究的目的

2、旨在研究典型目標的特征提取與識別方法，提高目標識別率。 本文提出了基于堆積幾何特征的SAR圖像典型目標識別方法。由于油罐是一種典型的高散射系數金屬硬目標，在低分辨率情況下，合成孔徑雷達圖像中油罐個體的散射集中體現為高亮度的點，待識別的各點狀目標在場景中堆積為呈一定分布面積的目標區(qū)域，目標中心呈直線規(guī)則分布，相干斑噪聲零散分布，因此利用點狀目標與噪聲不同的灰度分布與空間幾何分布特點，采用該方法解決了這類低分辨率下密集型點狀目標的識

3、別問題。 本文提出了基于邊緣幾何特征的SAR圖像典型目標識別方法。由于在高分辨率情況下，合成孔徑雷達圖像中油罐個體的散射分別體現為由若干高亮度點圍成的橢圓，待識別油罐目標的模糊邊緣呈不連續(xù)的橢圓狀，因此從二值化后的SAR圖像中識別出擬目標的不連續(xù)邊緣，判斷其是否滿足目標邊緣特性來識別出最終結果，采用該方法解決了這類高分辨率下橢圓狀目標的識別問題。 本文運用了基于Gauss核函數支持向量機的SAR圖像典型目標識別方法。由于

4、上述基于邊緣幾何特征的識別方法并未考慮目標的統計差別，故本文又從目標統計特征的角度，根據訓練樣本集求出支持向量，構造出最優(yōu)分類面方程，實驗證明最優(yōu)分類面相對于訓練樣本為最優(yōu)的，不同的訓練樣本得到的最優(yōu)分類面和支持向量可能不同，也證明了該方法獲得比基于目標邊緣幾何特征的方法更穩(wěn)定的識別效果。 本文進一步提出了SAR圖像典型目標識別的決策級融合方法。由于單獨使用上述基于目標邊緣幾何特征的識別方法與基于統計特征的SVM方法都有其局限性