基于压缩感知sar图像分类和识别

《基于压缩感知sar图像分类和识别》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、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学

2、位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。本人签名：日期导师签名：日期摘要I摘要合成孔径雷达(SAR)系统能够全天候全天时成像，而且具有高分辨率和强大的穿透能力等优势，基于SAR的目标识别系统和地物分类系统在国防领域具有重要的应用价值。但是SAR作为一种超宽带通信应用设备，受奈奎斯特采样定理的制约，面临着采样率过高，数据量过大的瓶颈问题。而压缩感知理论开辟了一条和奈奎斯特

3、采样定理完全不同的模拟信号转换为数字信号的方法，它指出可以用少量的观测数据高概率的将信号完全重构出来。这也为解决以上瓶颈问题提供了很好的理论依据。本论文以压缩感知雷达系统为指引，将压缩感知理论应用于SAR目标识别和地物分类中，有三个方面的创新：(1)提出了基于正交局部保持投影和稀疏表示的SAR目标识别算法。利用MSTAR数据库中的数据位于流形中，采用流形学习的方法正交局部保持投影对目标图像进行特征提取，并用稀疏表示的框架进行了目标识别，取得了很好的识别结果。(2)提出了基于随机观测和正交局部保持投影的SAR目标识别算法。针对压缩感知雷达系统的应用做了尝试性的研究，直接对目标的观测向量进行

4、了一系列处理并完成了识别。通过构建描述各类观测向量特征的字典，使待测观测向量在该字典下稀疏表示，完成了对目标观测向量的识别，并取得很好的识别结果。(3)提出了基于二维随机观测和支撑矢量机的SAR地物分类算法。由于在观测域的支撑矢量机分类器有和数据域的最好的线性分类器一样的性能，所以顺应压缩感知雷达系统的应用要求对地物图像的一维观测向量进行了小波包分析的特征提取，并用支撑矢量机分类器完成了分类。但由于一维观测本身的局限性，在低采样率下的分类结果并不是很理想。二维观测能更好的保持图像的结构信息，并使计算复杂度降低，顺利解决了这一问题，能够在分类结果中的低采样率下保持很高的识别率。本文工作得到

5、了国家自然科学基金（No.60971128）；华为创新研究计划项目(No.IRP-2011-03-04)资助。关键字：SAR目标识别SAR图像地物分类压缩感知稀疏表示支撑矢量机AbstractIIIAbstractSyntheticApertureRadar(SAR)isoneofequipmentswithall-daywork.ithasadvantagesofhighresolutionandstrongpenetratingability.ThetechnologiesoftargetrecognitionandterrainclassificationforSARplayani

6、mportantroleinnationaldefense.However,Asanultra-widebandapplication,SARislimitedbyNyquistsampletheory,andneedtoohighsamplerateandtoolargedatavolume.CompressivesensingtheorytakestheanalogsignalintothedigitalsignalwithamethoddifferentfromNyquistsampletheory,itindicatesthatsparseorcompressiblesignal

7、scanberecoveredwithoverwhelmingprobabilitybylessmeasurementsthanwhatNyquistrequires.ThispaperdoessomeattemptingstudyoncompressivesensingRADARsystemapplication,compressivesensingtheoryisappliedtoSARtargetrecognitionfiel