基于稀疏表示的sar图像目标识别研究

《基于稀疏表示的sar图像目标识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目基于稀疏表示的SAR图像目标识别研究学科专业信号与信息处理学号201121020336作者姓名田莉萍指导教师王建国教授摘要分类号密级注1UDC学位论文基于稀疏表示的SAR图像目标识别研究（题名和副题名）田莉萍（作者姓名）指导教师王建国教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论文日期2014.3论文答辩日期2014.5.8学位授予单位和日期电子科技大学2014年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ITARGETRECOGNITIONOFSARIMAGESBASED

2、ONSPARSEREPRESENTATIONAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SignalandInformationProcessingAuthor:TianLipingAdvisor:Prof.WangJianguoSchool:SchoolofElectronicEngineering摘要摘要SAR图像目标识别作为信息获取的关键技术，具有重要的应用价值，一直是国内外目标识别领域的研究热点。近年来稀疏表示理论被广泛应用

3、于各类图像处理领域，并且在人脸识别中已取得了良好的效果。本文着重研究了将稀疏表示理论应用于SAR图像目标识别中的两个关键步骤：冗余字典的构造和稀疏系数的求解。主要研究内容如下：（1）针对原始冗余字典类别差异性不足和规模较大的两个缺陷，利用冗余字典的二维结构提出了字典的纵、横双向改进方法。在纵向改进中，针对SAR图像由确定信息和不确定信息组成的特点，利用小波变换来提取有利于识别的低频确定信息，并经过2DPCA降维处理得到小波域字典。在横向改进中，利用K-近邻算法的样本选择思想，实现了字典原子的横向动态筛选，从而生成基于近邻子空间的动态字典。（2）

4、在完成了冗余字典构造的基础上，对稀疏系数分解算法进行研究。将最小L1范数凸优化算法和OMP算法进行对比分析，验证了后者的类别差异性和分解效率均优于前者。同时，针对OMP算法稀疏度K未知的问题，提出了用类别统计量C来替换稀疏度K作为算法迭代终止条件的改进方法，并通过仿真实验验证了改进后的OMP算法具有更好的识别效果。（3）根据稀疏分解系数的分布特点，总结出最大系数准则、归类系数最大准则两种分类判别准则，并对这两种准则进行仿真对比。仿真结果表明，归类系数最大准则能够取得更高的识别率，故本文利用它来完成分类识别器的设计。（4）基于MSTAR数据库，统

5、计了本文识别算法在各种非理想情况下的识别率，验证了在含有噪声、遮挡及分辨率下降情况的算法鲁棒性。关键词：SAR目标识别，稀疏表示，2DDWT，主成分分析，OMP算法IIIABSTRACTABSTRACTThetargetrecognitionofSARimageplaysakeyroleofinformationacquisitionandhasimportantapplicationvalue,whichhasbeenahotresearchtopicinthefieldoftargetrecognitionathomeandabroad.I

6、nrecentyears,thesparserepresentationtheoryisappliedtoallkindsofimageprocessingfield,whichobtainsgoodrecognitionperformanceinthefieldoffacerecognition.Basedonthebasictheoryofsparserepresentation,thisthesisconcentratesonthetwokeystepsofSARimagetargetrecognition:thestructureoft

7、heredundantdictionaryandthesolutionofthesparsecoefficient.Themaincontentsareasfollows:(1)Toovercometheweaknessoflowclassdifferenceandlargescaleintheoriginalredundantdictionary,thenovelmethodofbidirectionaldictionarycompressionisproposedaccordingtothetwo-dimensionalredundantd

8、ictionary.Longitudinalimprovementofdictionary:thecertaintyfeatureoflow-freq