基于特征參數稀疏表示的SAR圖像目標識別的研究.pdf

1、稀疏表示理論近年來備受關注，已成功應用于圖像壓縮和去噪。合成孔徑雷達（SyntheticApertureRadar，SAR）圖像的目標識別是對目標屬性、類別或類型的判定，基于SAR圖像的目標識別技術在軍事、民用等領域都具有十分重要的作用。本文結合航空基金課題，通過追蹤國內外稀疏表示理論的研究成果，將稀疏表示應用于SAR圖像的目標識別，主要完成工作如下：
　?。?）研究了稀疏表示理論的內容之一：字典。研究了固定字典的發(fā)展和學習字典的

2、學習方法，通過分析字典在圖像等信號處理中的應用，總結出針對信號的稀疏表示設計過完備字典需遵循的三個原則。
　?。?）研究了稀疏表示理論的內容之二：稀疏求解算法。分析了匹配追蹤類算法、1l范數正則化算法和迭代收縮算法的特點，提出一種改進的正交匹配追蹤算法，通過非線性下降閾值自適應確定候選原子集，正則化的二次篩選剔除能量較小的原子，再根據最小二乘法重構信號。仿真結果表明，本文提出的算法具有較高的信號重構性能，在速度上比BP算法快，在精

3、度上比匹配追蹤類算法高。
　?。?）研究了稀疏表示理論在SAR圖像目標識別中的應用。針對SAR圖像在像素域稀疏表示的識別算法存在的高維問題，提取低維高精度的廣義二維主分量特征作為構成過完備字典的原子，并利用線性判別準則對字典進行學習，大大降低了稀疏表示求解的復雜度。求解測試樣本在學習字典下的稀疏表示系數，根據系數矢量的SCI值實現分類識別。仿真實驗結果表明，本文提出的識別算法只需要簡單的SAR圖像預處理即可實現高精度的目標識別，同