基于图像域特征稀疏表示的SAR目标识别研究

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率成像雷达,它具有全天候、全环境的工作能力。基于高分辨率SAR图像的目标识别技术在军事侦察、矿藏勘探、环境监测等领域有着巨大的用途,受到了世界各地广大科研工作者的关注,也是本文的研究重点,本文主要完成的工作如下:(1)研究了SAR图像中的目标特性,通过对散射体分布特性的研究,发现图像中强弱散射体位置分布信息是一种鉴别特征,提出了一种可以提取SAR图像中散射体位置分布信息的特征:二维切片Zernike矩特征,并且对二维切片Zernike矩特征进行了分析,从理论上得出了二维切片Zernike矩是一种鉴别性特征。(2)研究了稀疏表示的理论,对稀疏表示近似求解算法,基于稀疏表示的分类识别系统的构建做了充分的了解,并且对标准稀疏表示分类识别方法的优缺点做了充分的分析。标准稀疏表示分类识别方法具有识别率高、抗噪声性能强等优点,同时标准稀疏表示分类识别方法具有求解高维数据困难、效率低等缺点,不适合构建实时的目标识别系统。(3)研究了基于二维切片Zernike矩特征和非负最小二乘稀疏表示分类器的SAR目标识别算法。非负最小二乘稀疏表示分类模型很好的克服了标准稀疏表示模型的缺点,因此本文将非负最小二乘稀疏表示分类模型用于SAR目标识别,提出了基于二维切片Zernike矩特征和非负最小二乘稀疏表示分类器的SAR目标识别算法。开展了基于MSTAR数据集的一系列场景下的SAR目标识别实验,实验结果证明本文提出的基于2DS-ZMs特征和NNLS-SRC分类器的SAR ATR算法可以很好的提取SAR图像的鉴别性特征,具有高效、精准的识别能力,且噪声鲁棒性好。