论文摘要
合成孔径雷达(Synthetic Aperture Radar,简称SAR)是一种新型的微波成像雷达,对土壤和植被具有一定的穿透能力,具有全天时、全天候、多波段、多极化和高分辨成像的特点,在国民经济和国防建设中有着重要的应用,因此对SAR图像的准确解译越来越受到人们的重视。SAR图像中存在大量相干斑,现有处理方法普遍要经过预处理后才进行识别。预处理质量好坏对识别的效果影响很大,如果该过程比较复杂那么就会降低算法时效性和稳定性。压缩感知理论(CS)表明当信号稀疏时,仅需要少量压缩感知观测数据就可以完全重构信号。将CS理论应用于识别中,只需很少的观测数据就能实现高性能的目标识别结果,并且该方法对遮挡和局部噪声有很强的鲁棒性,适合应用于受大量噪声干扰的SAR目标识别中。在研究SAR图像特点和压缩感知理论的基础上本文提出了基于压缩感知的SAR图像目标识别方法,并分析了该方法在SAR目标识别中应用的可行性。本文的工作对雷达获取的数据不作预处理直接进行识别的后续研究具有参考价值。实验结果表明该方法在没有预处理的情况下能有效地识别目标,特别是在选用下采样后100维的数据为特征,测试样本含有变体的情况下,它仍然能够很好的识别目标,比最近邻高了7%,比支撑矢量机高了3%的识别率。当减少训练样本数和数据有损失时本文算法也有很好的鲁棒性。