基于深度學習的sar圖像目標識別算法研究

《基于深度學習的sar圖像目標識別算法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、中圖分類號：TP391論文編號：102870318-SX005學科分類號：080402碩士學位論文基于深度學習的SAR圖像目標識別算法研究研究生姓名張笑學科、專業(yè)測試計量技術及儀器研究方向信號處理指導教師劉文波教授南京航空航天大學研究生院自動化學院二О一八年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonSARImageTargetRecognitionBasedonDeepLearningAThesisinMeasuringand

2、TestingTechnologiesandInstrumentsbyZhangXiaoAdvisedbyProf.LiuWenboSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2018承諾書本人聲明所呈交的碩士學位論文是本人在導師指導下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京航空航天大學或其他教育機構的學位或證書而使用過的材料。本人授權南京航空航天大學可以將學位論文的全部

3、或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編學位論文。（保密的學位論文在解密后適用本承諾書）作者簽名：日期：南京航空航天大學碩士學位論文摘要合成孔徑雷達(SAR)是一種主動式相干成像雷達，它具有高分辨率、全天時、全天候、穿透力強等特點。SAR在軍事領域最主要的應用是實現(xiàn)對特定軍事目標的檢測和識別，因此如何實現(xiàn)SAR圖像目標識別具有重要的理論和實踐意義。近年來，以深度學習理論為代表的新型人工智能算法已經(jīng)在目標識別和分類方面得到了成功應用，引起國內外的廣泛關注。因此，本文基于卷積神經(jīng)網(wǎng)絡（CNNs）設計了SAR圖像目標識別算法，并對其性能進行了探索研究，主要內

4、容概述如下：（1）介紹并總結了SAR圖像目標識別研究的常見算法及其優(yōu)缺點，并對基于深度學習的SAR圖像目標識別的關鍵技術及面臨的挑戰(zhàn)進行了闡述與分析。（2）針對SAR圖像目標識別中的特征提取與分類器設計耗時費力的問題，本文引入卷積神經(jīng)網(wǎng)絡并對其進行了詳細研究，總結了CNNs網(wǎng)絡性能改進的關鍵，并同時基于CNNs網(wǎng)絡成功構建了一種可直接從輸入圖像到輸出類別的一體化SAR圖像目標識別的算法模型，該算法模型在引入L2正則化技術和Dropout機制兩大抑制過擬合措施的基礎上，改進了網(wǎng)絡的全連接層結構，設計了基于批量標準化操作、線性修正單元（ReLU）函數(shù)和AdaDelta梯度下降優(yōu)化算法的SAR圖

5、像目標識別算法?；赟OC和EOC采集條件下的MSTAR數(shù)據(jù)集的實驗結果驗證了該算法模型主動且有效的學習能力。（3）針對實際應用中SAR圖像的平移敏感性、姿態(tài)敏感性以及強度敏感性引申出來的相干斑噪聲和遮擋敏感性，設計了一種基于多樣本擴充CNNs的SAR圖像目標識別算法。接著討論了原設計算法對樣本量的敏感程度，研究基于多樣本擴充CNNs的SAR圖像目標識別算法在解決小樣本問題上的適應能力。實驗結果表明：該算法不僅具有較強的學習特征的能力，還具有較強的對目標平移、旋轉、相干斑噪聲和遮擋問題的魯棒性，并且在小樣本條件下也有一定的泛化能力。關鍵詞：合成孔徑雷達，深度學習，目標識別，多樣本擴充，小樣

6、本，卷積神經(jīng)網(wǎng)絡I基于深度學習的SAR圖像目標識別算法研究ABSTRACTSyntheticApertureRadar(SAR)isakindofactivecoherentimagingradar,whichhasthecharacteristicsofhigh-resolution,all-day,all-weatherimagingandstrongpenetrability.ThemostimportantapplicationofSARinmilitaryfieldistodetectandidentifyspecificmilitarytargets.Therefore,how

7、torealizeSARImageTargetRecognitionisofgreattheoreticalandpracticalsignificance.Recently,newArtificialIntelligencealgorithmsrepresentedbyDeepLearningtheoryhavebeensuccessfullyappliedintheareaoftargetrecognitionand