合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）作為一種主動式微波成像傳感器,可以不受天氣、光照的影響,對地面進(jìn)行遠(yuǎn)距離探測,已經(jīng)成為當(dāng)前對地觀測的重要手段之一。隨著SAR成像技術(shù)的發(fā)展,可以獲得大量高質(zhì)量的SAR圖像,使得SAR圖像目標(biāo)識別技術(shù)在軍事、民用等領(lǐng)域的應(yīng)用越來越廣泛,專門針對SAR圖像設(shè)計自動目標(biāo)識別系統(tǒng)已經(jīng)成為國內(nèi)外研究的熱點。本文基于卷積字典學(xué)習(xí)模型對SAR圖像目標(biāo)識別方法展開研究,論文的主要內(nèi)容可概括如下:1.針對傳統(tǒng)字典學(xué)習(xí)算法存在的字典單一、編碼冗余等問題,本文在卷積字典學(xué)習(xí)的基礎(chǔ)上,引入多尺度約束與監(jiān)督信息,提出了標(biāo)簽約束多尺度卷積字典學(xué)習(xí)模型,該模型可以自動提取圖像中不同尺度的幾何結(jié)構(gòu)特征。提出模型首先在標(biāo)簽約束下利用卷積字典學(xué)習(xí)的方法對圖像提取不同尺度的卷積字典,得到更有利于分類的卷積字典,之后將學(xué)到的不同尺度的卷積核與原圖進(jìn)行卷積操作獲得用于分類的特征圖,最后將特征圖輸入分類器中進(jìn)行分類。在MSTAR實測數(shù)據(jù)集上的實驗結(jié)果表明,引入多尺度約束與監(jiān)督信息可以學(xué)到更有利于分類的卷積字典,與其它方法對比提出方法具有更好的識別性能。2.針... 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 SAR圖像目標(biāo)識別
        1.2.2 字典學(xué)習(xí)及其在SAR圖像目標(biāo)識別上的應(yīng)用
    1.3 數(shù)據(jù)集介紹
        1.3.1 MNIST數(shù)據(jù)集
        1.3.2 MSATR數(shù)據(jù)集
    1.4 研究內(nèi)容安排
第二章 傳統(tǒng)卷積字典學(xué)習(xí)模型
    2.1 概述
    2.2 卷積字典學(xué)習(xí)
        2.2.1 卷積字典學(xué)習(xí)模型
        2.2.2 卷積字典學(xué)習(xí)模型的優(yōu)化
        2.2.3 卷積字典學(xué)習(xí)用于識別的流程
    2.3 實驗結(jié)果與分析
        2.3.1 MNIST數(shù)據(jù)集實驗與分析
        2.3.2 MSTAR數(shù)據(jù)集實驗與分析
    2.4 本章小結(jié)
第三章 基于卷積字典學(xué)習(xí)的淺層識別方法
    3.1 概述
    3.2 標(biāo)簽約束多尺度卷積字典學(xué)習(xí)(LMSCD)
        3.2.1 LMSCD模型
        3.2.2 LMSCD模型的優(yōu)化
        3.2.3 LMSCD模型用于識別的流程
    3.3 實驗結(jié)果與分析
        3.3.1 實驗設(shè)置
        3.3.2 LMSCD模型分析
        3.3.3 LMSCD模型與其它方法對比
    3.4 本章小結(jié)
第四章 基于卷積字典學(xué)習(xí)和屬性散射中心的深層識別方法
    4.1 概述
    4.2 雙流特征融合網(wǎng)絡(luò)
        4.2.1 目標(biāo)圖像域解譯支流
        4.2.2 目標(biāo)物理信息解譯支流
    4.3 實驗結(jié)果與分析
        4.3.1 實驗設(shè)置
        4.3.2 雙流特征融合網(wǎng)絡(luò)分析
        4.3.3 雙流特征融合網(wǎng)絡(luò)與典型深層網(wǎng)絡(luò)對比
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于三維電磁散射參數(shù)化模型的SAR目標(biāo)識別方法[J]. 文貢堅,朱國強,殷紅成,邢孟道,楊虎,馬聰慧,閆華,丁柏圓,鐘金榮.  雷達(dá)學(xué)報. 2017(02)
[2]基于拓展稀疏表示模型和LC-KSVD的人臉識別[J]. 張建明,何雙雙,吳宏林,熊兵,李藝敏.  計算機工程與應(yīng)用. 2016(13)
[3]基于多信息字典學(xué)習(xí)及稀疏表示的SAR目標(biāo)識別[J]. 齊會嬌,王英華,丁軍,劉宏偉.  系統(tǒng)工程與電子技術(shù). 2015(06)
[4]基于余弦相似性的m-類分類器設(shè)計與算法實現(xiàn)[J]. 劉英偉,秦永彬.  計算機與數(shù)字工程. 2014(03)
[5]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報. 2011(01)
[6]SAR圖像自動目標(biāo)識別系統(tǒng)研究與設(shè)計[J]. 袁禮海,宋建社,薛文通,趙偉舟.  計算機應(yīng)用研究. 2006(11)
[7]SAR圖象自動目標(biāo)識別研究[J]. 匡綱要,計科峰,粟毅,郁文賢.  中國圖象圖形學(xué)報. 2003(10)

博士論文
[1]雷達(dá)圖像目標(biāo)特征提取方法研究[D]. 李飛.西安電子科技大學(xué) 2014
[2]極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D]. 徐牧.國防科學(xué)技術(shù)大學(xué) 2008
[3]光學(xué)區(qū)雷達(dá)目標(biāo)三維散射中心重構(gòu)理論與技術(shù)[D]. 周劍雄.國防科學(xué)技術(shù)大學(xué) 2006
[4]基于光學(xué)區(qū)雷達(dá)目標(biāo)二維像的目標(biāo)散射特征提取的理論及方法研究[D]. 孫真真.中國人民解放軍國防科學(xué)技術(shù)大學(xué) 2001

碩士論文
[1]SAR圖像自動目標(biāo)識別研究[D]. 韓文婷.西安電子科技大學(xué) 2014
[2]基于稀疏表示及字典學(xué)習(xí)的SAR目標(biāo)識別[D]. 齊會嬌.西安電子科技大學(xué) 2014
[3]基于深度學(xué)習(xí)和稀疏表示的SAR圖像分類[D]. 焦翔.西安電子科技大學(xué) 2017



本文編號：3699134