基于特征参数稀疏表示的SAR图像目标识别的研究论文.pdf

中图分类号:TP753 论文编号:1028704 12-S118
学科分类号:081002


硕士学位论文

基于特征参数稀疏表示的 SAR 图像目
标识别的研究


研究生姓名王燕霞
学科、专业信号与信息处理
研究方向雷达信号处理
指导教师张弓教授


南京航空航天大学
研究生院电子信息工程学院
二О一一年十二月
Nanjing University of Aeronautics and Astronautics
The Graduate School
College of Electronic and Information Engineering

Study on SAR Images Target
Recognition Based on Feature Sparse
Representation

A Thesis in
Signal and Information Processing

By

Wang Yanxia

Advised by

Prof. Zhang Gong

Submitted in Partial Fulfillment

of the Requirements

for the Degree of

Master of Engineering

December, 2011
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
稀疏表示理论近年来备受关注,已成功应用于图像压缩和去噪。合成孔径雷达(Synthetic
Aperture Radar,SAR)图像的目标识别是对目标属性、类别或类型的判定,基于 SAR 图像的
目标识别技术在军事、民用等领域都具有十分重要的作用。本文结合航空基金课题,通过追踪
国内外稀疏表示理论的研究成果,将稀疏表示应用于 SAR 图像的目标识别,主要完成工作如下:
(1)研究了稀疏表示理论的内容之一:字典。研究了固定字典的发展和学习字典的学习方
法,通过分析字典在图像等信号处理中的应用,总结出针对信号的稀疏表示设计过完备字典需
遵循的三个原则。
(2)研究了稀疏表示理论的内容之二:稀疏求解算法。分析了匹配追踪类算法、l1 范数正
则化算法和迭代收缩算法的特点,提出一种改进的正交匹配追踪算法,通过非线性下降阈值自
适应确定候选原子集,正则化的二次筛选剔除能量较小的原子,再根据最小二乘法重构信号。
仿真结果表明,本文提出的算法具有较高的信号重构性能,在速度上比 BP 算法快,在精度上
比匹配追踪类算法高。
(3)研究了稀疏表示理论在 SAR 图像目标识别中的应用。针对 SAR 图像在像素域稀疏表
示的识别算法存在的高维问题,提取低维高精度的广义二维主分量特征作为构成过完备字典的
原子,并利用线性判别准则对字典进行学习,大大降低了稀疏表示求解的复杂度。求解测试样
本在学习字典下的稀疏表示系数,根据系数矢量的 SCI 值实现分类识别。仿真实验结果表明,
本文提出的识别算法只需要简单的 SAR 图像预处理即可实现高精度的目标识别,同时提高了识
别速度。

关键词:目标识别,稀疏表示,过完备字典,匹配追踪算法,广义二维主分量分析,Fisher 线
性判别
i
基于特征参数稀疏表示的 SAR 图像目标识别的研究
ABSTRACT
In recent years, lots of attention is paid to sparse representation theory, which has been
essfully used in pression and denoising. Target recognition in SAR images is to
determine targets’ property, class or type. Target recognition