基于稀疏表示和深度学习的sar图像目标识别研究

基于稀疏表示和深度学习的sar图像目标识别研究

ID:35182286

大小:6.26 MB

页数:69页

时间:2019-03-21

基于稀疏表示和深度学习的sar图像目标识别研究_第1页
基于稀疏表示和深度学习的sar图像目标识别研究_第2页
基于稀疏表示和深度学习的sar图像目标识别研究_第3页
基于稀疏表示和深度学习的sar图像目标识别研究_第4页
基于稀疏表示和深度学习的sar图像目标识别研究_第5页
资源描述:

《基于稀疏表示和深度学习的sar图像目标识别研究》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、乂IW巧骂护等有巧潛:帶;帶二媒撰谋苦;。夺留許義若术大赛UniversityofScienceandTechnologyofChina硕±学位论文戀论文题目^泉子稀疏表表和潘度学1的SAR固後目枯扣别巧奔.作者姓名阮化玉学科专业信雇、与通信工巧导师姓名张莱到教换完成时间二〇—六年五月中逸种#我禾乂#硕±学位论文馨基于稀疏表示和深度学习的SAR图像目标识别研究作者姓名:阮怀玉学科专业:信息与通信工程导师姓名:张荣副教授—完成时间:

2、二〇六年五月四日■UniversityfScienceandTechnoloofChinaogy’Adissertationformastersdegree?SARImaeTaretReconitiongggbasedonSarsepRepresentationandDeepLearning’AiUhorsName:HuaiyuRuanSecialit:InformationandCommunicationEnineeringpyg'SuervisorAss

3、ociateProf.民onZhanp:gg*Finishedtime:May4,2016中国科学技术大学学位论文原创性声明本人卢明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成来。除U特别加示注和致谢的地方外,论文中不包含任何他人己经发表或撰写一过的研究成果。与我同工作的同志对本研究所做的贡献均己在论文中作了明确的说明。作者签名:签字曰期:中国科学技术大学学位论文授权使用声明一作为申请学位的条件之,学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有关规

4、定向国家有关部口或机构送交论文的复印件和电子版,可W将学位论文编入《中国学,允许论文被查阅和借阅位论文全文数据库》等有关数据库进行检索,可W采用影印、缩印或扫描等复制一手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相致。保密的学位论文在解密后也遵守此规定。\^2^开□保密)(__年4作者签名、*:仪户:秘>3导师签名V和、.签字日期签字日期;本fe:乂占7/■摘要一合成孔径雷达(SyntheticApertureRadar,SAR)是种主动式相干成像雷达,在环境监测、

5、资源勘察和国防军事等领域有着广泛的应用。SAR在军事领域最主要的应用是实现对特定军事目标的检测和识别,如何实现SA民图像的自动目标识别(AutomaticTargetRecognition,ATR),具有重要的理论和实践意义。SAR图像的目标识别研究也成为了国内外的研究热点。本文针对SAR图像目标识别中受相干斑噪声干化,底层特征不稳健等问题,结合稀疏表示的特征学习能力和深度网络的高层特征抽取能力,分别提出了基于多尺度稀疏表示和基于深层去噪,主要工作如下自编码网络的SAR图像目标识别算法:1.基于多尺度稀疏表示方法的S

6、A民图像目标识别方法。针对传统稀疏表示方法中缺少多尺度信息,且直接在SAR图像域进行稀疏表示易受噪声干扰等问一题,提出种基于密集SIFT特征的多尺度稀疏表示算法,首先提取图像的多尺一度密集SIFT特征I利用SIFT特征训练多尺度字典,进步对局部特征进行稀疏表示,最后使用多尺度稀疏表示训练线性SVM进行目标分类。2.基于深层去噪自编码网络的SAR图像目标识别方法。考虑SAR图像的,相干斑噪声特性,利用去噪自编码器对噪声的鲁棒性提出基于深层去噪自编码网络的SAR图像深层特征提取方法,首先通过提取大量密集SIFT特征作为特征

7、。通,输入,训练去噪自编码网络过深层去噪自编码网络,避免了网络出现过拟合,用于后期分类器的特征输入对SIFT特征进行了高层特征的抽取。本文基于稀疏表示和深度学习基本理论,利用多尺度稀疏表示和深层去噪自编码网络构建特征学习框架AR图。,并W此提出了两种S像目标识别算法在MSTARTerraSAR-X船舶数据集上的仿真实验表明数据集和,两种算法都可W一AR。学习有效鲁棒的特征表示,进步提窩了S图像目标识别的性能关键巧:合成孔括雷达目标识别多尺度稀疏表示深度学习去噪自编码1ABSTRACTABSTRACTTheS

8、yrUhcticApertureRadar(SA民)isaformofactivecoher

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。