为了使雷达图像的解译能力和图像的高速成像能力相匹配，自动目标识别系统(Automatic Recognition System, ATR)迅速崛起，并得到了各个国家的高度重视，其中，以林肯实验室提出的，包括检测、鉴别和识别在内的三级流程最为经典。本文基于经典的三级流程，从四个方面进行了研究：第一，充分研究并归纳了合成孔径雷达(Synthetic Aperture Radar, S A R )图像中杂波的建模模型，并从中选取了最具代表性的⑶分布和瑞利分布进行对比实验，证明了# 分布用作SAR图像杂波建模更加合理，并利用恒虚警率(Constant False Alarm Rate, CFAR)算法成功获取了 789个杂波切片；第二，总结归纳了 S A R图像目标鉴别特征提取的各种算法，最终，根据提出的特征实用性三个标准，及有效性、稳定性和髙效性，选择基于对比度和离散度的特征作为本文研究对象，在研究分析分形维数特征、峰值能量比特征和4 个空间边界特征的基础上，提出了一种根据切片对比度，自适应选取切片描述点的方法，通过对比髙贵的方法看出，新方法选取的描述点，使质量特征和峰值信噪比特征的鉴别率分别提髙了 19.65%和 10.94%;第三，对现有的分类器进行了归纳总结，认为最有可能实用化的鉴别器是贝叶斯鉴别器和支持向量机(Support Vector Machine, S V M ) ,通过实验发现，两种鉴别器都存在特征冗余的现象，需要进行特征选择，在两个鉴别器鉴别效果几乎相同的情况下，贝叶斯的效率远远高于SVM，从实用性出发，使用遗传算法与贝叶斯鉴别器结合，找出特征的最优组合，消除了特征冗余，同时，提出了贝叶斯鉴别器以及适应度函数的优化方法，与高贵的方法相比，新方法消除了漏检，大大降低了使用的风险性，且将平均鉴别时间从9.77秒减少到了 7.23秒；第四，由于鉴别特征的分布针对不同型号目标表现出了一定的差异性，因此，作者基于贝叶斯的判别原理，结合遗传算法和贝叶斯判别器，利用9 个基于对比度和离散度的特征，提出了一种快速目标型号识别方法，实验结果发现，该方法对外型结构相差较大的9 种目标识别率达到了 86.73%，与其它8种、平均识别率达到92.7%的经典识别方法相比，该方法不需要复杂的预处理步骤，3分钟左右对1213个目标的快速识别效率，使其在实际使用中成为一种辅助型号识别的工具变得可能。
展开▼
