基于稀疏表示的SAR圖像目標識別研究.pdf

1、SAR圖像目標識別作為信息獲取的關(guān)鍵技術(shù),具有重要的應(yīng)用價值,一直是國內(nèi)外目標識別領(lǐng)域的研究熱點。近年來稀疏表示理論被廣泛應(yīng)用于各類圖像處理領(lǐng)域,并且在人臉識別中已取得了良好的效果。本文著重研究了將稀疏表示理論應(yīng)用于SAR圖像目標識別中的兩個關(guān)鍵步驟:冗余字典的構(gòu)造和稀疏系數(shù)的求解。主要研究內(nèi)容如下:
　　(1)針對原始冗余字典類別差異性不足和規(guī)模較大的兩個缺陷,利用冗余字典的二維結(jié)構(gòu)提出了字典的縱、橫雙向改進方法。在縱向改進中,

2、針對SAR圖像由確定信息和不確定信息組成的特點,利用小波變換來提取有利于識別的低頻確定信息,并經(jīng)過2DPCA降維處理得到小波域字典。在橫向改進中,利用 K-近鄰算法的樣本選擇思想,實現(xiàn)了字典原子的橫向動態(tài)篩選,從而生成基于近鄰子空間的動態(tài)字典。
　　(2)在完成了冗余字典構(gòu)造的基礎(chǔ)上,對稀疏系數(shù)分解算法進行研究。將最小L1范數(shù)凸優(yōu)化算法和OMP算法進行對比分析,驗證了后者的類別差異性和分解效率均優(yōu)于前者。同時,針對OMP算法稀疏度

3、K未知的問題,提出了用類別統(tǒng)計量C來替換稀疏度K作為算法迭代終止條件的改進方法,并通過仿真實驗驗證了改進后的OMP算法具有更好的識別效果。
　　(3)根據(jù)稀疏分解系數(shù)的分布特點,總結(jié)出最大系數(shù)準則、歸類系數(shù)最大準則兩種分類判別準則,并對這兩種準則進行仿真對比。仿真結(jié)果表明,歸類系數(shù)最大準則能夠取得更高的識別率,故本文利用它來完成分類識別器的設(shè)計。
　　(4)基于MSTAR數(shù)據(jù)庫,統(tǒng)計了本文識別算法在各種非理想情況下的識別率,