資源描述：
《基于深度學習的sar圖像目標識別算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、分類號：TP391;TN911.73學位代碼：308學校代碼：10298密級：GK學號：3130151碩士學位論文論文題目：基于深度學習的SAR圖像目標識別算法的研究作者：梁鑫專業(yè)：儀器科學與技術(shù)研究方向：圖像處理指導教師：徐慧副教授二〇一六年四月學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學位論文，是本人在導師的指導下進行的研究王作所取得的成果■任何其他個。盡我所知，除文中已經(jīng)特別注明引用的內(nèi)容和致謝的地方外，本論文不包含人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻的個
2、人和集體，均已在文中Ｗ月確方式注明并表示感謝。本人完全意識到本岸明的法律結(jié)果由本人承擔。學粒論文作者（本人簽違）：年６月曰ｌｂ舉裝？心學位論文出版授權(quán)書本人及利幣完全同意《中國博壬學位論文全文數(shù)據(jù)庫出化章程》、《中國優(yōu)秀碩壬學位論文全文數(shù)據(jù)＂＂＂庫出版章程》（隊下簡稱章奪，見ｎｗｗ．ＣＴｋｉ．ｎｅｔ），愿意將本人的學位論文提交中國學術(shù)期刊（光盤＂版）電子雜志社在《中圍博去學位論文全文數(shù)據(jù)庫》、《中國優(yōu)秀碩去學位論文全文數(shù)據(jù)庫》中全文發(fā)表和臥電子、網(wǎng)絡(luò)形式公開出版Ｎ
3、ＫＩ《，并同意編入Ｃ中國知巧資源總庫》，在《中園博碩壬學位論文評價＂＂數(shù)據(jù)庫》中使用和在互聯(lián)網(wǎng)上傳播，罔意按韋譚規(guī)定享受相關(guān)權(quán)益。論文巧級：方開□保密（月至）（＿＿年＿＿＿年一月巧窮巧《您化義在解《后《蓮守；＾價＾）｜作者簽名：舉義導師簽名；濟里（６月Ｉ６年巳曰心年６月ｆ６日＿致謝在此論文即將擱筆之際，忽然間對三年的碩士生涯充滿了依戀和不舍之情，回首這充實而又快樂的三年歲月，感慨萬千。我不僅僅學習到了更多的專業(yè)知識，鍛煉了分析和解決問題的能力，對人生百態(tài)更是有了深
4、刻的感悟。由衷地感謝我的導師徐慧副教授，在我攻讀碩士研究生期間給予了莫大的關(guān)懷和精心的指導，三年來不管是在學習方面，還是在工作生活方面，徐老師自始至終給予親切的關(guān)心。徐老師淵博的專業(yè)知識，嚴謹?shù)闹螌W態(tài)度，孜孜不倦的工作精神以及謙遜的為人處世之道無時無刻的不在影響著我、感染著我，更加激勵著我，是我學習和工作的榜樣。從一開始討論研究方向，確定論文題目，到中期的仿真實驗，再到后期的論文的撰寫都無處不傾注著徐老師的精心、耐心的指導和關(guān)懷，這是我最終能夠順利完成論文的有力保證。一日為師，終身為師。這一生中
5、，能夠有幸遇到徐老師這樣的良師益友，是我今生之幸，導師的教誨必將使我終身受益。感謝三年中授課于我的各位老師，是你們的精心講解，得以使我在專業(yè)知識和專業(yè)技能上有深刻的理解和熟練的掌握，感謝南京林業(yè)大學信息科學與技術(shù)學院的培育之恩。感謝實驗室的師兄師弟們，學姐學妹們對我生活上的關(guān)心和學習上的幫助。謝謝他們的幫助和友愛，共同學習生活的三年中，我們建立起來了深厚的友誼，它不會因為時光的流逝而消退，因為我們共同度過了美好而又難忘的時光。特別感謝我的家人，在我的生活和學習上，爸媽一如既往的關(guān)心和照顧，無私的
6、愛和支持是我勇往直前的動力源泉，因為他們，我更加地有勇氣去直面求學路上的困難與挑戰(zhàn)。羊羔跪乳、烏鴉反哺。我將用我在學校學到的知識技術(shù)，報答你們的養(yǎng)育之恩，我永遠愛你們，你們辛苦了。最后感謝各位評審老師在百忙之中評審和批閱的論文，您提出的各種寶貴意見將是我今后從事工作的寶貴財富，再次向您表示最真摯的謝意。作者：梁鑫二〇一六于南京摘要合成孔徑雷達(SyntheticApertureRadar，SAR)具有高分辨率的特性，因此在軍用和民用的各個領(lǐng)域中廣泛應(yīng)用，尤其是在軍事偵察領(lǐng)域中的作用無可替代。在S
7、AR圖像目標識別的處理過程中，SAR圖像的相干斑去噪、圖像壓縮和圖像目標的分割都是很關(guān)鍵重要的步驟。而本文正是以SAR圖像目標識別為背景，主要研究了SAR圖像的去噪、壓縮和目標的分割識別等內(nèi)容。首先，描述了SAR圖像特有的相干斑乘性噪聲模型，因為它是SAR圖像分析的工作基礎(chǔ)。介紹了Lee濾波、Kuan濾波、小波變換濾波和基于Contourlet變換的濾波等幾種傳統(tǒng)的濾波方法，并分析了它們各自的優(yōu)缺點。然后提出了一種基于頭腦風暴閥值優(yōu)化的NSCT自適應(yīng)圖像去噪方法，與傳統(tǒng)方法相比較，可以獲得很好的
8、濾波去噪效果。在SAR圖像壓縮方面，提出一種新的基于自適應(yīng)二維隱式稀疏采樣的SAR圖像壓縮感知算法。并與傳統(tǒng)的壓縮感知算法、基于小波基的壓縮感知算法和基于DCT變換基的壓縮感知算法在“幅值一致性與采樣數(shù)據(jù)量”這一性能指標上作出比較。本文提出的算法不僅壓縮效果明顯，而且同時也保證了圖像的成像質(zhì)量。最后在SAR圖像的分割方面，先是給出了圖像分割的定義，簡單介紹了深度學習的基本思想、深度信念網(wǎng)絡(luò)和網(wǎng)絡(luò)的學習等深度學習的相關(guān)知識。在此基礎(chǔ)上提出了一種新的SAR圖像分割識別方法，通過與傳統(tǒng)的深度學習神經(jīng)網(wǎng)
