基于SAR-SIFT特征的SAR目标鉴别与识别算法研究

摘要

合成孔径雷达(Synthetic Aperture Radar，SAR)能够全天候、全天时、远距离地探测目标，并获得大量的高分辨SAR图像。随着SAR成像技术在军事、民用等领域的应用越来越广泛，SAR图像目标鉴别与目标识别技术逐渐成为研究的重点内容。在实际中，由于目标所处周围的场景及自身结构比较复杂，使得传统的目标鉴别算法不能准确地对目标完成鉴别，而且杂波虚警率较高。在识别过程中，由于SAR图像中存在乘性斑点噪声和大量的目标变体，所以传统的目标识别算法的性能还有待提高。
　　针对以上问题，本文研究了基于SAR-SIFT特征的SAR目标鉴别与识别算法。在目标鉴别阶段，获得的鉴别特征提高了目标鉴别率，同时降低了杂波虚警；在目标识别阶段，提出将特征向量和特征点的坐标有效的结合起来，提高了目标变体的识别率。论文主要安排如下：
　　1.介绍了SAR图像目标鉴别与目标识别的研究背景、意义和发展现状，以及概括了论文的主要工作。
　　2.介绍了传统的SIFT算法和适用于SAR图像的SAR-SIFT算法。通过实验，分析了差分梯度的边缘检测和ROEWA边缘检测，以及不同关键点检测器的性能。最后，采用关键点检测器和特征描述子的不同组合方式，验证SAR-SIFT特征提取算法在处理SAR图像时的优越性。
　　3.研究基于SAR-SIFT特征的 SAR目标鉴别算法。首先，介绍了SPM算法和ScSPM算法；然后，简要介绍了双参数CFAR检测算法和基于超像素的双参数CFAR检测算法，提取实测SAR图像上的目标切片和杂波切片，并将SAR-SIFT算法和ScSPM算法结合提取鉴别特征；最后，通过线性SVM分类器，对不同检测算法下提取的切片进行实验对比分析，得到较好的鉴别结果。
　　4.研究基于SAR-SIFT特征的SAR目标识别算法。首先，对MSTAR数据集中的目标图像进行平移配准，使目标移动到图像的中心位置；然后，对配准图像进行二值化分割预处理，从而将图像中的目标区域与杂波背景分割；再根据SAR图像中车辆目标的散射特性，并结合二值分割结果提取目标上的强散射点，同时利用SAR-Harris角点检测算法并结合二值分割结果提取目标上的角点，将目标上的强散射点和角点作为特征点；最后，根据SAR-SIFT特征提取算法生成特征向量，提出将特征向量的LTS-HD距离和特征点坐标的LTS-HD距离进行融合，得到较好的目标识别结果。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1研究背景及意义

1.2 SAR目标鉴别研究进展

1.3 SAR目标识别研究进展

1.4本文主要内容安排

第二章 传统的SIFT特征提取方法

2.1概述

2.2 SIFT算法介绍

2.3 SAR-SIFT算法介绍

2.4实验结果与分析

2.5本章小结

第三章 基于SAR-SIFT特征的SAR目标鉴别算法

3.1概述

3.2 ScSPM算法介绍

3.3基于SAR-SIFT特征及ScSPM算法的SAR图像目标鉴别

3.4实验结果及分析

3.5本章小结

第四章 基于SAR-SIFT特征的SAR目标识别算法

4.1概述

4.2 SAR图像预处理

4.3基于SAR-SIFT特征及Hausdorff距离的SAR图像目标识别

4.4实验结果及分析

4.5本章小结

第五章 结论

5.1工作总结

5.2工作展望

参考文献

致谢

作者简介