基于遗传算法的SAR图像特征选择方法优化研究

《基于遗传算法的SAR图像特征选择方法优化研究》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、分类号密级注ＵＤＣ＾学位论文基于遗传算法的ＳＡＲ图像特征选择方法优化研宄（题名和副题名）李岩檐（作者姓名）指导教师蔡爱华研究员中国电子科学研宄院北京（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论文日期２０１８．４．１５论文答辩日期２０１８．５．３０学位授予单位和日期电子科技大学２０１８年６月答辩委员会主席评阅人注１：注明《国际十进分类法ＵＤＣ》的类号。ＯｐｔｉｍｉｚａｔｉｏｎｏｆＳＡＲＩｍａｇｅＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎＭｅｔｈｏｄＢａｓ

2、ｅｄｏｎＧｅｎｅｔｉｃＡｌｏｒｉｔｈｍｇＡＭａｓｔｅｒＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｔｏＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｇｙＤｉｓｃｉｐｌｉｎｅ：ＳｉｇｎａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＡｕｔｈｏｒ：ＬｉＹａｎａｎｙＳｕｅｒｖｉｓｏｒ：ＲｅｓｅａｒｃｈｅｒＣａｉＡｉｈｕａｐＳｃｈｏｏｌ：ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＵＥＳＴＣ独

3、创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研宄成果。据我所知，除了文中特别加以标注和致谢的地方夕卜，论文中不包含其他人己经发表或撰写过的研宄成果，也不包含为获得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作了明确的说明并表示谢意。作者签名：曰期＆设年６月１曰略丨论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的

4、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应遵守此规定）作者签名：导师签名Ｘ：｛认４气曰期：＞年月曰／皮ＺＭ摘要摘要为了使雷达图像的解译能力和图像的高速成像能力相匹配，自动目标识别系统（ＡｕｔｏｍａｔｉｃＲｅｃｏｇｎｉｔｉｏｎＳｙｓｔｅｍ，ＡＴＲ）迅速崛起，并得到了各个国家的高度重视，其中，以林肯实验室提出的，包括检测、鉴别和识别在内的三级流程最为经典。一本文基于经典的三级流程：，从四个方面进行了研宄第，充分研宄并归纳了合成孔径雷达Ｓｎｔｈｅｔｉｃ

5、ＡｅｒｔｕｒｅＲａｄａｒＳＡＲ图像中杂波的建模模型，并从中选取了（ｙｐ，）°ＡＲ图最具代表性的以分布和瑞利分布进行对比实验，证明了６分布用作Ｓ像杂波建模更加合理，并利用恒虚警率（ＣｏｎｓｔａｎｔＦａｌｓｅＡｌａｒｍＲａｔｅ，ＣＦＡＲ）算法成功获取７８９二ＡＲ图了个杂波切片，总Ｓ，；第结归纳了像目标鉴别特征提取的各种算法最终，根据提出的特征实用性三个标准，及有效性、稳定性和髙效性，选择基于对比度和离散度的特征作为本文研究对象，在研究分析分形维数特征、峰值能量比特征和４个空间边界特征的基础上一，提出了种根据切片对比度，自适应选取切片描述点

6、的方法，通过对比高贵的方法看出，新方法选取的描述点，使质量特征和峰值信噪比特征的鉴别率分别提高了１９．６５％和１０．９４％；第三，对现有的分类器进行了归纳总结，认为最有可能实用化的鉴别器是贝叶斯鉴别器和支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ），通过实验发现，两种鉴别器都存在特征冗余的现象，需要进行特征选择，在两个鉴别器鉴别效果几乎相同的情况下，贝叶斯的效率远远髙于ＳＶＭ，从实用性出发，使用遗传算法与贝叶斯鉴别器结合，找出特征的最优组合，消除了特征冗余，同时，提出了贝叶斯鉴别器以及适应度函数的优化方法，与高贵的方法相比，新方法

7、消除了漏检，大大降低了使用的风险性，且将平均鉴别时间从９．７７秒减少到了７．２３秒；第四，由于鉴别特征的分布针对不同型号目标表现出了一定的差异性，因此，作者基于贝叶斯的判别原理，结合遗传一９算法和贝叶斯判别器，利用个基于对比度和离散度的特征，提出了种快速目标型号识别方法，实验结果发现，该方法对外型结构相差较大的９种目标识别率达到了８６．７３％，与其它８种、平均识别率达到９２．７％的经典识别方法相比，该方法不需要复杂的预处理步骤，３分钟左右对