论文部分内容阅读
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。