高分辨率SAR图像目标阴影修复及目标识别研究

摘要

随着合成孔径雷达（Synthetic Aperture Radar，SAR）数据获取技术不断进步，SAR图像分辨率得到不断提高。这为SAR图像目标解译提供了新的可能性，相关研究也受到研究者广泛关注。相比SAR数据获取能力的快速发展，SAR图像解译技术仍有很大的改进空间。高分辨SAR图像目标识别是图像解译的核心内容，该项技术在军事、民用领域的应用十分广泛。本文结合航空基金、航空产学研项目课题，在追踪SAR图像目标识别相关技术研究成果的基础上，对目标识别中图像预处理、特征提取、目标特征分类三个关键问题进行研究，主要完成工作如下：
　　（1）高分辨率SAR图像的目标阴影修复。分析了高分辨SAR图像目标阴影修复的意义。研究了经典的图像修复方法及其应用于SAR图像阴影修复的局限性。针对经典图像修复方法在SAR图像阴影修复出现的阴影误判和不均匀问题，本文通过分析 SAR平台参数与目标及其阴影的相对位置关系和引入自适应样本块思路，提出了相似度自适应样本块匹配的阴影修复方法，实现了高分辨率SAR图像目标阴影修复，为基于雷达平台系统参数的SAR图像目标检测与识别提供一种新的方案。
　　（2）高分辨率SAR图像目标特征提取。研究了SAR目标特征提取的两类算法：基于L2范数准则的特征提取算法和基于L1范数准则的特征提取算法。基于L2范数准则的特征提取算法对异常值敏感，而现有的基于L1范数准则的特征提取算法存在维数灾难、特征维数过大的问题。针对上述方法的不足，提出一种基于L1范数的双边二维主成分分析法。实验结果表明，本文提出的算法对SAR图像中的异常值有较强的鲁棒性，以小维数的特征实现高精度的目标识别。
　　（3）高分辨率SAR图像目标分类。基于稀疏表示的SAR图像目标识别中，求解样本在字典下的稀疏表示系数是实现目标分类的关键环节。本文研究了各类稀疏重构算法的特点，针对现有重构算法依赖稀疏度参数、需要人工设定阈值等问题，本文提出一种阈值自适应的回溯匹配追踪算法。仿真结果表明，本文提出的算法具有较高的信号重构性能。实验结果也表明，基于该种重构算法的目标识别方法可以实现高精度的目标识别。

目录

封面

声明

中文摘要

英文摘要

目录

图表清单

缩略词

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究工作

第二章 高分辨率SAR图象目标阴影修复

2.1 高分辨率SAR图像目标特点

2.2 图像修复方法

2.3 基于相似度自适应样本快匹配的目标阴影修复

2.4 本章小结

第三章 高分辨率SAR目标识别的特征提取方法

3.1 高分辨率SAR图像目标特征提取

3.2 基于L2范数的目标特征提取方法

3.3 基于L1范数的目标特征提取方法

3.4 基于L1范数的双边二维主成分分析法

3.5 仿真实验

3.6 本章小结

第四章 基于稀疏表示的SAR图像目标特征分类方法

4.1 基于稀疏表示的SAR图像目标识别框架

4.2 稀疏表示理论

4.3 稀疏求解算法

4.4 阈值自适应的回溯匹配追踪算法

4.5 基于稀疏表示的SAR图像目标特征分类方法

4.6 本章小结

第五章 全文总结与展望

参考文献

致谢

在学期间的研究成果及发表的学术论文