基于子空间分析的SAR图像处理相关技术研究

论文摘要

合成孔径雷达(SAR,Synthetic Aperture Radar)能够提供全天候条件下的详细的地面测绘资料和图像,在军事领域得到了广泛应用。无人机(UAV,Unmanned Aerial Vehicle)则是高技术条件下实现“无伤亡”的现代战争的有力工具。将二者结合起来应用必将成为未来战争中实现“无伤亡”侦察的重要手段。UAV能够执行无人作战,关键技术之一就是搭载其上的自动目标识别(ATR,Automatic Target Recognition)系统。由于UAV上搭载的传感器平台能够持续进行大范围的监视与侦查,获取丰富的图像数据,对其进行处理、分析和理解已经远远超过人工能力所及,因此需要开发对图像的处理和自动解译系统。本文概述了SAR的应用及其相关内容,并就SAR应用中的关键技术—SAR图像处理进行了探讨,详细研究了其中的两个关键问题。主要内容包括:一是研究了SAR图像相干斑抑制问题,通过分析小波变换后SAR图像的统计特性,提出了一种有效的SAR图像相干斑抑制方法。该方法结合了小波变换和独立分量分析的特点,利用小波变换对图像进行分解,对分解后的子图像分别采用独立分量分析方法去噪,经实验证明该方法具有优良的性能,并比较了不同小波基函数的相干斑抑制效果;二是针对SAR目标图像特征提取方法展开了较深入的研究,主要分析了二维主分量分析等基于子空间的特征提取方法,将它们与支持向量机分类器结合应用于SAR ATR。并基于美国DARPA(Defense Advanced Research Projects Agency)提供的MSTAR(Moving and Stationary Target Acquisition and Recognition)数据库做了大量的实验,将这几种特征提取方法进行比较分析。实验结果证明二维主分量分析方法非常有效,得到了更高的识别率,且计算量较小。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 合成孔径雷达（SAR）及其应用
• 1.1.1 SAR 成像的基本原理
• 1.1.2 SAR 成像特点
• 1.1.3 SAR 的应用
• 1.2 SAR 图像处理
• 1.2.1 SAR 图像预处理
• 1.2.2 SAR 图像自动解析
• 1.3 国内外研究的历史和现状分析
• 1.4 本文的主要研究工作
• 第二章 基于子空间的图像数据描述方法
• 2.1 引言
• 2.2 奇异值分解（SVD）
• 2.2.1 SVD 的基本概念
• 2.2.2 SVD 在图像处理中的应用
• 2.3 主分量分析（PCA）
• 2.3.1 PCA 的基本原理
• 2.3.2 PCA 的应用
• 2.4 独立分量分析（ICA）
• 2.4.1 ICA 的基本模型
• 2.4.2 FastICA 算法
• 2.4.3 ICA 的应用
• 第三章 基于小波变换和独立分量分析的SAR 图像相干斑抑制
• 3.1 SAR 图像相干斑抑制
• 3.1.1 概述
• 3.1.2 几种常用的相干斑抑制方法
• 3.2 小波变换
• 3.2.1 小波变换的基本概念
• 3.2.2 小波的一些性质
• 3.2.3 多分辨率分析
• 3.2.4 二维离散小波变换
• 3.2.5 小波基函数
• 3.3 小波变换后SAR 图像统计特性分析
• 3.4 基于小波变换和独立分量分析的SAR 图像相干斑抑制
• 3.4.1 基于小波变换的独立分量分析方法（WICA）
• 3.4.2 WICA 在SAR 图像相干斑抑制中的应用
• 3.5 小结
• 第四章 基于二维主分量分析的SAR 图像特征提取
• 4.1 引言
• 4.2 二维主分量分析（2DPCA）
• 4.2.1 2DPCA 的基本原理与算法
• 4.2.2 2DPCA 的进一步研究
• 4.3 支持向量机（SVM）
• 4.3.1 SVM 的基本原理
• 4.3.2 多类SVM 分类器
• 4.4 2DPCA 在SAR ATR 中的应用
• 4.4.1 MSTAR 数据介绍
• 4.4.2 实验过程
• 4.4.3 实验结果与分析
• 4.5 小结
• 第五章 总结
• 5.1 本文工作总结
• 5.2 未来工作展望
• 致谢
• 参考文献
• 攻读硕士期间发表论文