基于流形學(xué)習(xí)的SAR目標(biāo)識別.pdf

1、合成孔徑雷達（Synthetic Aperture Radar，SAR）擁有高的距離向和方位向分辨率，并且具備強穿透力和全天候的特性，在軍事、地質(zhì)勘探、環(huán)境狀態(tài)監(jiān)控等領(lǐng)域有著普遍的應(yīng)用。本文將對SAR圖像的識別展開研究，具體包括：
　　1、針對 SAR圖像中的斑點噪聲和背景陰影會降低圖像的可識別性，本文研究了均值、中值、Lee、Gamma Map和增強型方向平滑五種濾波算法，并對圖像進行了目標(biāo)分割、幾何聚類、能量歸一化等一系列預(yù)處

2、理。仿真實驗表明：1）增強型方向平滑濾波器比其它濾波器具有更好的噪聲平滑和細節(jié)保留能力；2）基于Weibull分布的恒虛警（Constant False Alarm Rate，CFAR）分割方法優(yōu)于基于K分布的CFAR分割方法，能夠有效地分割出目標(biāo)區(qū)域；3）幾何聚類可以有效地去除分割后圖中出現(xiàn)的小孤點。
　　2、相比全局線性的特征提取算法，基于流形學(xué)習(xí)的特征提取算法具有更好的幾何結(jié)構(gòu)保留能力，能夠很好的提取數(shù)據(jù)的本質(zhì)特征，因此本文

3、研究了基于流形學(xué)習(xí)的線性特征提取算法。仿真結(jié)果表明：1）利用了類別信息的方法識別性能優(yōu)于未利用類別信息的方法，類別信息的使用可減少特征提取后數(shù)據(jù)鄰域中出現(xiàn)異類數(shù)據(jù)的幾率；2）添加了統(tǒng)計無關(guān)約束的方法，與其對應(yīng)的未增加此約束的方法相比，具有更好的識別性能，該約束條件能減少所提取特征的冗余性；3）二維方法對訓(xùn)練樣本數(shù)目的敏感度要低于其對應(yīng)的一維方法，因為二維方法避免了數(shù)據(jù)的向量化，從而減少了計算數(shù)據(jù)的維度，降低了數(shù)據(jù)的奇異性；4）本文提出的

4、主成分分析（Principle Component Analysis，PCA）和類局部保留映射（Classwise Locality Preserving Projection，CLPP）融合方法識別性能優(yōu)于單一的PCA和CLPP。CLPP僅考慮的局部特性，而未考慮全局性，因此和全局性特征提取算法 PCA融合之后具有更優(yōu)的識別性能。
　　3、SAR圖像受噪聲、方位角等影響，導(dǎo)致其數(shù)據(jù)分布不完全是線性的。而非線性方法可以克服此問題，