基于深度學(xué)習(xí)的sar圖像目標(biāo)識(shí)別算法研究

《基于深度學(xué)習(xí)的sar圖像目標(biāo)識(shí)別算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中圖分類號(hào)：TP391論文編號(hào)：102870318-SX005學(xué)科分類號(hào)：080402碩士學(xué)位論文基于深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別算法研究研究生姓名張笑學(xué)科、專業(yè)測試計(jì)量技術(shù)及儀器研究方向信號(hào)處理指導(dǎo)教師劉文波教授南京航空航天大學(xué)研究生院自動(dòng)化學(xué)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(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)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(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。本人授權(quán)南京航空航天大學(xué)可以將學(xué)位論文的全部

3、或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)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(xué)碩士學(xué)位論文摘要合成孔徑雷達(dá)(SAR)是一種主動(dòng)式相干成像雷達(dá)，它具有高分辨率、全天時(shí)、全天候、穿透力強(qiáng)等特點(diǎn)。SAR在軍事領(lǐng)域最主要的應(yīng)用是實(shí)現(xiàn)對(duì)特定軍事目標(biāo)的檢測和識(shí)別，因此如何實(shí)現(xiàn)SAR圖像目標(biāo)識(shí)別具有重要的理論和實(shí)踐意義。近年來，以深度學(xué)習(xí)理論為代表的新型人工智能算法已經(jīng)在目標(biāo)識(shí)別和分類方面得到了成功應(yīng)用，引起國內(nèi)外的廣泛關(guān)注。因此，本文基于卷積神經(jīng)網(wǎng)絡(luò)（CNNs）設(shè)計(jì)了SAR圖像目標(biāo)識(shí)別算法，并對(duì)其性能進(jìn)行了探索研究，主要內(nèi)

4、容概述如下：（1）介紹并總結(jié)了SAR圖像目標(biāo)識(shí)別研究的常見算法及其優(yōu)缺點(diǎn)，并對(duì)基于深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別的關(guān)鍵技術(shù)及面臨的挑戰(zhàn)進(jìn)行了闡述與分析。（2）針對(duì)SAR圖像目標(biāo)識(shí)別中的特征提取與分類器設(shè)計(jì)耗時(shí)費(fèi)力的問題，本文引入卷積神經(jīng)網(wǎng)絡(luò)并對(duì)其進(jìn)行了詳細(xì)研究，總結(jié)了CNNs網(wǎng)絡(luò)性能改進(jìn)的關(guān)鍵，并同時(shí)基于CNNs網(wǎng)絡(luò)成功構(gòu)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(biāo)識(shí)別的算法模型，該算法模型在引入L2正則化技術(shù)和Dropout機(jī)制兩大抑制過擬合措施的基礎(chǔ)上，改進(jìn)了網(wǎng)絡(luò)的全連接層結(jié)構(gòu)，設(shè)計(jì)了基于批量標(biāo)準(zhǔn)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(biāo)識(shí)別算法。基于SOC和EOC采集條件下的MSTAR數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法模型主動(dòng)且有效的學(xué)習(xí)能力。（3）針對(duì)實(shí)際應(yīng)用中SAR圖像的平移敏感性、姿態(tài)敏感性以及強(qiáng)度敏感性引申出來的相干斑噪聲和遮擋敏感性，設(shè)計(jì)了一種基于多樣本擴(kuò)充CNNs的SAR圖像目標(biāo)識(shí)別算法。接著討論了原設(shè)計(jì)算法對(duì)樣本量的敏感程度，研究基于多樣本擴(kuò)充CNNs的SAR圖像目標(biāo)識(shí)別算法在解決小樣本問題上的適應(yīng)能力。實(shí)驗(yàn)結(jié)果表明：該算法不僅具有較強(qiáng)的學(xué)習(xí)特征的能力，還具有較強(qiáng)的對(duì)目標(biāo)平移、旋轉(zhuǎn)、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(guān)鍵詞：合成孔徑雷達(dá)，深度學(xué)習(xí)，目標(biāo)識(shí)別，多樣本擴(kuò)充，小樣

6、本，卷積神經(jīng)網(wǎng)絡(luò)I基于深度學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別算法研究ABSTRACTSyntheticApertureRadar(SAR)isakindofactivecoherentimagingradar,whichhasthecharacteristicsofhigh-resolution,all-day,all-weatherimagingandstrongpenetrability.ThemostimportantapplicationofSARinmilitaryfieldistodetectandidentifyspecificmilitarytargets.Therefore,how

7、torealizeSARImageTargetRecognitionisofgreattheoreticalandpracticalsignificance.Recently,newArtificialIntelligencealgorithmsrepresentedbyDeepLearningtheoryhavebeensuccessfullyappliedintheareaoftargetrecognitionand