基于高分辨率SAR的目标识别技术研究

本文以高分辨率SAR在舰船目标识别方面的应用为研究对象,论文首先分析了SAR成像的特点,提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能,在此基础上,结合SAR图像舰船目标分类自身存在的问题和特点,引入稀疏表示理论,提出一种基于特征字典的稀疏表示分类算法,将其应用于Terra SAR-X SAR图像中三类典型舰船目标分类识别,验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。     

一种不确定性二叉树SVM的脱机手写体汉字识别研究

针对脱机手写体汉字特征复杂和类别多样的特点,基于SVM数学模型,采用了一种不确定性二叉树与SVM相结合的分类识别方法设计了一种多类分类器,该设计方法在保证识别准确率的情况下大大减少了支持向量机的数量,简化了二叉树模型,能快速辨识并删除多余的枝节,并具有一定的容错率,加快了辨识速度。实验结果表明,采用不确定性二叉树SVM设计的多类分类器有效地降低了拒识率和漏识率,保证了识别的准确率,提高了识别速度。     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

基于局部多分辨特征的SAR图像自动目标识别

合成孔径雷达(SAR)图像自动目标识别是图像识别领域的一个重要方向。受视觉细胞感受野模型的启发,该文提出了一种从图像局部点出发,对图像进行多分辨分解的图像处理方法。采用一组简单的八邻域正交基对图像进行多级滤波采样处理,得到原图像的多级类Gauss差分图像尺度空间,并将其应用到MSTAR数据集中的SAR图像目标的特征提取;同时,基于多级特征的整合思想,运用基于多尺度核方法的SVM模型,对不同级别图像特征采用不同尺度的核函数分别映射,然后进行合成,实现多类目标的分类。对MSTAR数据集的实验结果表明,该方法具有很高的正确率,并且实现简单快速。此外,该方法还可方便地应用于SAR图像场景中多类、多个目标的分割与自动目标识别,并且对相干斑噪声具有较强的鲁棒性。     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

用聚类支持向量机模型监测环保设备运行状态

针对环保设备多状态监测与识别问题,提出了一种基于多分类聚类支持向量机的分类算法模型.该算法模型充分利用多个相关联被监测设备及其状态属性特征,采用神经网络聚类分析获得关联特征的聚类子空间,再对聚类子空间构造二叉树支持向量机进行多分类识别.该算法模型避免了盲目分类,与单纯的支持向量机算法比较具有更好的分类性能.通过对日本大晃船用污水处理装置实测样本的训练、检验表明,该算法具有98%以上的分类识别率.     

基于二叉树支持向量机的小麦碰撞声分类研究

为了实现小麦颗粒的自动分类,采用二叉树和支持向量机相结合方法对小麦碰撞声进行识别分类.首先从时域和频域对小麦碰撞声信号进行分析和处理,提取信号特征,然后利用二叉树支持向量机分类器进行分类,实验结果表明,对小麦完好粒、虫害粒、霉变粒和发芽粒4类麦粒的识别均达到84.0%以上.该项研究具有较强的实用价值,为小麦的自动识别分类提供了一种可行方法.     

基于双支持向量机的偏二叉树多类分类算法

提出一种基于双支持向量机的偏二叉树多类分类算法,偏二叉树双支持向量机多类分类算法.该算法综合了二叉树支持向量机和双支持向量机的优势,实现了在不降低分类性能的前提下,大大缩短训练时间.理论分析和UCI（University of California Irvine）机器学习数据库数据集上的实验结果共同证明,偏二叉树双支持...     

一种基于信号稀疏分解的SAR相干斑抑制新方法

相干噪声是合成孔径雷达研究的热点问题,传统的相干噪声抑制方法有的造成分辨率下降,有的图像边缘难以保持,本文介绍了一种新的信号处理方法,即稀疏成份分析,并将其应用于合成孔径雷达的相干噪声抑制,实验结果证实这是一种抑制合成孔径雷达相干噪声的有效途径.     

一种SAR的点目标回波生成方法

根据星载SAR的运动规律及成像机理，建立了地球椭球、卫星椭圆轨道、卫星三轴姿态抖动模型，给出点目标的模拟方法，得到点目标的模拟数据；采用改进的R-D算法对该数据进行了成像处理，得到了点目标的成像结果。     

SAR成像系统中多普勒中心频率fD和模糊数m的估计

介绍了合成孔径雷达成像中的多普勒效应．重点阐述了多普勒中心频率fD的3种估计方法，并通过编程予以实现．对方位模糊数m产生的原因进行了概述，分析并实现了方位模糊数m的图像估计法．最后将估计出的fD和m用于成像，均获得了较好的实验结果．     

基于多时相InSAR技术的大渡河瀑布沟水电站形变监测与预测

形变监测与预测是对水电站异常情况进行预警和及时采取补救措施的关键。本文提出了一种长短期记忆(LSTM, Long Short-Term Memory)神经网络方法来预测大渡河流域瀑布沟水电站干涉合成孔径雷达(InSAR, Interferometric Synthetic Aperture Radar)的时间序列形变。该方法首先利用多时相干涉合成孔径雷达(MT-InSAR, Multi-temporal Interferometric Synthetic Aperture Radar)技术对2018-2020年瀑布沟水电站的哨兵一号(Sentinel-1)图像进行时间序列形变监测，然后基于时间序列InSAR形变数据采用LSTM神经网络建立了形变预测模型，最终获取瀑布沟水电站的形变速率结果和时序形变的预测结果。结果表明，瀑布沟水电站最大沉降速率达到-34 mm/a-1，LSTM预测模型训练和测试过程中点尺度的均方根误差(RMSE Root Mean Squared Error)和绝对误差平均值(MAE, Mean Absolute Error)最小值分别为2.343 mm和2.010 mm，2.094 mm和1.654 mm。LSTM形变预测模型的预测结果显示2020年5月-9月的累计沉降值将达到71.29 mm。本研究证明了LSTM神经网络是一种有效InSAR时序形变预测方法。同时该模型的预测结果也可用于瀑布沟水电站的形变预警和辅助决策。     

SAR图像模拟方法研究

分析讨论了一种合成孔径雷达成像模拟方法。阐述了合成孔径雷达图像模拟的基本原理,建立复杂自然场景目标模型的方法以及合成孔径雷达图像的基本特征,并且分析了成像回波信号的组成。最后完成了对自然场景目标的成像仿真实验,实验结果与理论分析相符。     

用于HRRP多类目标识别的D距离分类器

在雷达自动目标识别（radar automatic target recognition ，RATR）领域，为了保证基于高分辨距离像（high-resolution range profile，HRRP）的目标识别算法在进行小样本多类目标识别时仍然具有优异的识别性能，需要提出一种同时具备优异泛化性能与低运算复杂度的识别算法。利用比值计算两个向量之间的比值距离，并将比值距离应用于距离分类器中，称之为D距离分类器。然后利用八类地面目标实测数据将D距离分类器与其他一些RATR统计模型进行比较，分别分析其在小样本与多类目标时的识别精度。最终结果验证出D距离分类器在训练样本有限且多类目标识别时仍然具有优异的泛化性能与很低的运算复杂度。      

基于地理坐标参数的SAR图像自动概略配准法

提出了一种新的基于地理坐标参数的SAR(Synthetic Aperture Radar)图像自动概略配准方法.该方法利用SAR图像的地理坐标(经纬度)参数,用多项式拟合主辅图像中像元的地理坐标随其图像坐标的变化,首先得到主图像中心像元地理坐标值,然后在辅图像中找到某个像元,其地理坐标等于主图像中心像元的地理坐标,此辅图像中像元的图像坐标与主图像中心像元的图像坐标之差即为概略配准的偏移量.用真实的SAR数据研究证明,本文提出的方法运算速度快,配准精度高.     

The Study of a New Method for Forecasting Non—stationary Series

A new method for forecasting non-stationary series is developed.Its steps are as follows.Step 1.Data delaminating.Non-stationary series is delaminated into several multi-scale steady data layers and one trend layer.Step 2.Modeling and forecasting each stationary data layer.Step 2.Imitating trend layer using polynomial.Step4.Combining the forecasting layers and imitating layer into one series,The EMD(Empirical Mode Decomposition) method suitable to preocess non-stationary series is selected to delaminate data,while ARMA(Auto Regressive Moving Aver age)model is employed to model and forecast stationary data layer and least square error method for trend layer regression.Aiming at forecasting length,forecasting orientation and selective method,experiments are performed for SAR(Synthetic Aperture Radar) images.Finally,an example is provided,in which the whole SAR image is restored via the method proposed by this paper.     

基于星载SAR和AIS构建海面溢油监测方法

溢油事故对海洋环境造成的危害越来越严重,多种遥感技术被应用于海洋环境的监测,卫星遥感技术,特别是合成孔径雷达(SAR)遥感技术已成为海面溢油监测的重要手段;但由于海面溢油成像特征的复杂性,单一的遥感识别仍然存在较大难度。本研究提出结合船舶自动识别系统(AIS)等辅助信息,对海面溢油进行判别,再利用边缘检测算法自动提取溢油信息的方法,并以Radarsat-2数据为例进行案例分析。结果表明,该方法能够有效提高溢油识别和检测的准确性。