基于深度学习的sar图像目标识别算法的研究

《基于深度学习的sar图像目标识别算法的研究》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、分类号：TP391;TN911.73学位代码：308学校代码：10298密级：GK学号：3130151硕士学位论文论文题目：基于深度学习的SAR图像目标识别算法的研究作者：梁鑫专业：仪器科学与技术研究方向：图像处理指导教师：徐慧副教授二〇一六年四月学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究王作所取得的成果■任何其他个。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本论文不包含人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个

2、人和集体，均已在文中Ｗ月确方式注明并表示感谢。本人完全意识到本岸明的法律结果由本人承担。学粒论文作者（本人签違）：年６月曰ｌｂ舉裝？心学位论文出版授权书本人及利币完全同意《中国博壬学位论文全文数据库出化章程》、《中国优秀硕壬学位论文全文数据＂＂＂库出版章程》（队下简称章奪，见ｎｗｗ．ＣＴｋｉ．ｎｅｔ），愿意将本人的学位论文提交中国学术期刊（光盘＂版）电子杂志社在《中圍博去学位论文全文数据库》、《中国优秀硕去学位论文全文数据库》中全文发表和臥电子、网络形式公开出版Ｎ

3、ＫＩ《，并同意编入Ｃ中国知巧资源总库》，在《中园博硕壬学位论文评价＂＂数据库》中使用和在互联网上传播，罔意按韋谭规定享受相关权益。论文巧级：方开□保密（月至）（＿＿年＿＿＿年一月巧窮巧《您化义在解《后《蓮守；＾价＾）｜作者签名：舉義导师签名；济里（６月Ｉ６年巳曰心年６月ｆ６日＿致谢在此论文即将搁笔之际，忽然间对三年的硕士生涯充满了依恋和不舍之情，回首这充实而又快乐的三年岁月，感慨万千。我不仅仅学习到了更多的专业知识，锻炼了分析和解决问题的能力，对人生百态更是有了深

4、刻的感悟。由衷地感谢我的导师徐慧副教授，在我攻读硕士研究生期间给予了莫大的关怀和精心的指导，三年来不管是在学习方面，还是在工作生活方面，徐老师自始至终给予亲切的关心。徐老师渊博的专业知识，严谨的治学态度，孜孜不倦的工作精神以及谦逊的为人处世之道无时无刻的不在影响着我、感染着我，更加激励着我，是我学习和工作的榜样。从一开始讨论研究方向，确定论文题目，到中期的仿真实验，再到后期的论文的撰写都无处不倾注着徐老师的精心、耐心的指导和关怀，这是我最终能够顺利完成论文的有力保证。一日为师，终身为师。这一生中

5、，能够有幸遇到徐老师这样的良师益友，是我今生之幸，导师的教诲必将使我终身受益。感谢三年中授课于我的各位老师，是你们的精心讲解，得以使我在专业知识和专业技能上有深刻的理解和熟练的掌握，感谢南京林业大学信息科学与技术学院的培育之恩。感谢实验室的师兄师弟们，学姐学妹们对我生活上的关心和学习上的帮助。谢谢他们的帮助和友爱，共同学习生活的三年中，我们建立起来了深厚的友谊，它不会因为时光的流逝而消退，因为我们共同度过了美好而又难忘的时光。特别感谢我的家人，在我的生活和学习上，爸妈一如既往的关心和照顾，无私的

6、爱和支持是我勇往直前的动力源泉，因为他们，我更加地有勇气去直面求学路上的困难与挑战。羊羔跪乳、乌鸦反哺。我将用我在学校学到的知识技术，报答你们的养育之恩，我永远爱你们，你们辛苦了。最后感谢各位评审老师在百忙之中评审和批阅的论文，您提出的各种宝贵意见将是我今后从事工作的宝贵财富，再次向您表示最真挚的谢意。作者：梁鑫二〇一六于南京摘要合成孔径雷达(SyntheticApertureRadar，SAR)具有高分辨率的特性，因此在军用和民用的各个领域中广泛应用，尤其是在军事侦察领域中的作用无可替代。在S

7、AR图像目标识别的处理过程中，SAR图像的相干斑去噪、图像压缩和图像目标的分割都是很关键重要的步骤。而本文正是以SAR图像目标识别为背景，主要研究了SAR图像的去噪、压缩和目标的分割识别等内容。首先，描述了SAR图像特有的相干斑乘性噪声模型，因为它是SAR图像分析的工作基础。介绍了Lee滤波、Kuan滤波、小波变换滤波和基于Contourlet变换的滤波等几种传统的滤波方法，并分析了它们各自的优缺点。然后提出了一种基于头脑风暴阀值优化的NSCT自适应图像去噪方法，与传统方法相比较，可以获得很好的

8、滤波去噪效果。在SAR图像压缩方面，提出一种新的基于自适应二维隐式稀疏采样的SAR图像压缩感知算法。并与传统的压缩感知算法、基于小波基的压缩感知算法和基于DCT变换基的压缩感知算法在“幅值一致性与采样数据量”这一性能指标上作出比较。本文提出的算法不仅压缩效果明显，而且同时也保证了图像的成像质量。最后在SAR图像的分割方面，先是给出了图像分割的定义，简单介绍了深度学习的基本思想、深度信念网络和网络的学习等深度学习的相关知识。在此基础上提出了一种新的SAR图像分割识别方法，通过与传统的深度学习神经网