PCA和KPCA自融合的MSTAR SAR自動目標識別算法研究.pdf

1、專業(yè)學位碩士學位論文PCA和KPCA自融合的MSTARSAR自動目標識別算法研究ResearchonPCAandKPCASelfFusionBasedMSTARSARAutomaticTargetRecognitionAlgorithm作者姓名：工程領(lǐng)域：學號：指導教師：林闖完成日期：2013。325大連理工大學DalianUniversityofTechnology大連理工大學專業(yè)學位碩士學位論文摘要合成孔徑雷達(SAR)是一種高分辨

2、率主動式相干成像雷達，它具有全天候、全天時、穿透力強等優(yōu)點，廣泛應(yīng)用于軍事和民用領(lǐng)域。SAR圖像的自動目標識別模擬了人類的視覺、分析和分類過程，使用計算機來完成SAR圖像特征的提取及分類，從而達到獲取相關(guān)領(lǐng)域信息的目的。MSTAR是美國國防高級研究計劃局和空間實驗室提供的SAR地面靜止軍用目標數(shù)據(jù)集，該數(shù)據(jù)集含有多方位角、多仰角的三類SAR目標，是測試SAR識別算法的經(jīng)典數(shù)據(jù)集。本文提出了一種基于主成分分析(PCA)和核主成分分析(KP

3、CA)自融合的MSTARSAR自動目標識別算法。該算法首先通過PCA和KPCA分別提取原始樣本的線性特征和非線性特征，然后依據(jù)加權(quán)最大間隔準則(WMMC)計算融合系數(shù)，并以線性組合的方式將所提取的特征進行融合，再使用遺傳算法從融合后的特征中選出對分類最有用的特征進入目標分類環(huán)節(jié)。仿真中分別使用最近鄰分類器和線性回歸分類器對SAR圖像提取的特征進行分類，得到仿真結(jié)果并對其進行比對分析。與傳統(tǒng)的預先設(shè)定融合系數(shù)的特征融合算法相比，本文提出的

4、算法通過建立最優(yōu)方程求解融合系數(shù)，保證了融合空間內(nèi)不同類之間的間隔最大，在一定程度上提高了目標的識別率。仿真實驗中使用PCA、KPCA以及本文所提出的算法的目標識別率進行對比分析，結(jié)果顯示本文所提出的基于PCA和KPCA白融合的MSTARSAR自動目標識別算法具有更高的識別率。本算法設(shè)計合理，時間復雜度也在可接受的范圍內(nèi)。然而本論文并沒有涉及核函數(shù)及其參數(shù)的自動選擇問題，只是在實驗中通過測試不同的核函數(shù)和參數(shù)，人工選擇識別效果最佳的核函