基于深度学习的sar图像目标识别算法研究

《基于深度学习的sar图像目标识别算法研究》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、中图分类号：TP391论文编号：102870318-SX005学科分类号：080402硕士学位论文基于深度学习的SAR图像目标识别算法研究研究生姓名张笑学科、专业测试计量技术及仪器研究方向信号处理指导教师刘文波教授南京航空航天大学研究生院自动化学院二О一八年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonSARImageTargetRecognitionBasedonDeepLearningAThesisinMeasuringand

2、TestingTechnologiesandInstrumentsbyZhangXiaoAdvisedbyProf.LiuWenboSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2018承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部

3、或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要合成孔径雷达(SAR)是一种主动式相干成像雷达，它具有高分辨率、全天时、全天候、穿透力强等特点。SAR在军事领域最主要的应用是实现对特定军事目标的检测和识别，因此如何实现SAR图像目标识别具有重要的理论和实践意义。近年来，以深度学习理论为代表的新型人工智能算法已经在目标识别和分类方面得到了成功应用，引起国内外的广泛关注。因此，本文基于卷积神经网络（CNNs）设计了SAR图像目标识别算法，并对其性能进行了探索研究，主要内

4、容概述如下：（1）介绍并总结了SAR图像目标识别研究的常见算法及其优缺点，并对基于深度学习的SAR图像目标识别的关键技术及面临的挑战进行了阐述与分析。（2）针对SAR图像目标识别中的特征提取与分类器设计耗时费力的问题，本文引入卷积神经网络并对其进行了详细研究，总结了CNNs网络性能改进的关键，并同时基于CNNs网络成功构建了一种可直接从输入图像到输出类别的一体化SAR图像目标识别的算法模型，该算法模型在引入L2正则化技术和Dropout机制两大抑制过拟合措施的基础上，改进了网络的全连接层结构，设计了基于批量标准化操作、线性修正单元（ReLU）函数和AdaDelta梯度下降优化算法的SAR图

5、像目标识别算法。基于SOC和EOC采集条件下的MSTAR数据集的实验结果验证了该算法模型主动且有效的学习能力。（3）针对实际应用中SAR图像的平移敏感性、姿态敏感性以及强度敏感性引申出来的相干斑噪声和遮挡敏感性，设计了一种基于多样本扩充CNNs的SAR图像目标识别算法。接着讨论了原设计算法对样本量的敏感程度，研究基于多样本扩充CNNs的SAR图像目标识别算法在解决小样本问题上的适应能力。实验结果表明：该算法不仅具有较强的学习特征的能力，还具有较强的对目标平移、旋转、相干斑噪声和遮挡问题的鲁棒性，并且在小样本条件下也有一定的泛化能力。关键词：合成孔径雷达，深度学习，目标识别，多样本扩充，小样

6、本，卷积神经网络I基于深度学习的SAR图像目标识别算法研究ABSTRACTSyntheticApertureRadar(SAR)isakindofactivecoherentimagingradar,whichhasthecharacteristicsofhigh-resolution,all-day,all-weatherimagingandstrongpenetrability.ThemostimportantapplicationofSARinmilitaryfieldistodetectandidentifyspecificmilitarytargets.Therefore,how

7、torealizeSARImageTargetRecognitionisofgreattheoreticalandpracticalsignificance.Recently,newArtificialIntelligencealgorithmsrepresentedbyDeepLearningtheoryhavebeensuccessfullyappliedintheareaoftargetrecognitionand