發(fā)布時(shí)間：2017-12-25 17:02

  本文關(guān)鍵詞：海上艦船目標(biāo)監(jiān)測方法研究　出處：《北京化工大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 合成孔徑雷達(dá) 艦船監(jiān)測 海雜波統(tǒng)計(jì)模型 集成學(xué)習(xí)

【摘要】：隨著合成孔徑雷達(dá)(SAR)的成像技術(shù)不斷提高,越來越多的學(xué)者將SAR圖像應(yīng)用于海洋艦船目標(biāo)監(jiān)測中。在對(duì)基于SAR圖像的艦船目標(biāo)監(jiān)測過程中,艦船目標(biāo)的檢測及識(shí)別是我們需要解決的基本問題。統(tǒng)計(jì)模型是艦船目標(biāo)檢測的基礎(chǔ),它能夠通過統(tǒng)計(jì)的方法描述SAR圖像并說明圖像的特點(diǎn)。本文首先分析了基于SAR圖像的統(tǒng)計(jì)模型的發(fā)展現(xiàn)狀,繼而對(duì)目前經(jīng)典的統(tǒng)計(jì)模型的基本原理及適用情況進(jìn)行了說明,最后提出一種基于模型相似度擬合的海雜波統(tǒng)計(jì)方法,意在提高艦船檢測方法的適用性。該算法首先根據(jù)合成孔徑雷達(dá)(SAR)圖像計(jì)算瑞利分布、對(duì)數(shù)正態(tài)分布、韋布爾分布、K分布、G0分布等五種經(jīng)典的海雜波分布模型的概率密度函數(shù),然后根據(jù)模型間的相似度準(zhǔn)則擬合得到新的海雜波分布模型。實(shí)驗(yàn)部分利用四景不同類型的真實(shí)SAR數(shù)據(jù)對(duì)算法的擬合性能及檢測性能進(jìn)行了評(píng)價(jià),結(jié)果顯示利用該算法得到的擬合模型遠(yuǎn)優(yōu)于其它分布模型,基于該擬合模型的恒虛警率艦船檢測算法在控制虛警和漏檢方面均優(yōu)于采用其它模型的同類方法。在艦船目標(biāo)識(shí)別階段,利用真實(shí)SAR圖像艦船樣本數(shù)據(jù)庫,使算法識(shí)別結(jié)果具有說服力,并提出基于集成學(xué)習(xí)算法的艦船目標(biāo)識(shí)別算法。該算法首先提取了艦船在尺度與形狀、亮度、紋理、不變矩等四方面共20種特征,并通過設(shè)計(jì)的集成學(xué)習(xí)識(shí)別器,輸出最后的識(shí)別結(jié)果。該識(shí)別器能夠?qū)⒁唤M賦予權(quán)重的弱分類器組合起來,形成一個(gè)強(qiáng)大的決策識(shí)別器。實(shí)驗(yàn)部分利用SAR艦船識(shí)別數(shù)據(jù)庫中貨船、集裝箱船及油輪3種典型的艦船類型樣本對(duì)算法的識(shí)別性能進(jìn)行評(píng)估,實(shí)驗(yàn)結(jié)果顯示,該算法針對(duì)該SAR圖像艦船樣本的識(shí)別性能要優(yōu)于SVM及KNN兩種典型的識(shí)別器。
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 郝秀蘭;陶曉鵬;徐和祥;胡運(yùn)發(fā);;kNN文本分類器類偏斜問題的一種處理對(duì)策[J];計(jì)算機(jī)研究與發(fā)展;2009年01期

2 ;A new CFAR ship target detection method in SAR imagery[J];Acta Oceanologica Sinica;2010年01期

，

本文編號(hào)：1333666