论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种有效的对目标进行观测的新体制雷达。在战场上,利用SAR图像进行目标自动识别具有非常重要的作用。本文基于仿真模型从SAR图像数据的生成以及图像的目标识别两方面进行了相关的研究:重点研究了高分辨SAR图像的快速仿真以及仿真算法在不同场景背景(如具有起伏特性的地形数据、地面建筑物、地面典型车辆等等)下的应用;同时,基于仿真算法生成的SAR图像进行相关的目标识别研究。各部分的主要内容如下所述:第一部分,主要针对SAR图像的目标识别,首先简单介绍了支撑向量机(Support Vector Machine,SVM)以及K近邻这两种分类器;随后,介绍了深度置信网络(Deep Brief Networks,DBN)进行有监督特征提取的方法,最后,基于真实SAR图像数据,对以上的特征提取方法以及多种分类器进行实验验证与分析。第二部分,主要解决的问题是高分辨SAR图像的快速仿真问题。鉴于广泛使用的基于回波信号的SAR图像仿真需要借助于原始回波的录取以及有效的成像算法在效率上存在着很大的劣势。所以,本文引入了基于光线追踪算法的SAR图像仿真,依照SAR成像机理完成了从三维模型到二维SAR图像的转换。然而,传统的基于光线追踪的SAR图像仿真在追踪过程中存在着大量的不必要的运算开销,大大影响了成像效率,为此,本文引入一种自适应的场景划分方法,在开始追踪之前将原始的场景划分为树形结构,使得在追踪过程中可以直接减少大量的不相关运算,从而在仿真效率上获得极大的提升。最终的实验表明,改进的光线追踪算法在保证成像质量的同时在效率上也取得了可观的提升。第三部分,主要针对的是本文提出的SAR图像算法在不同应用场景下的可移植性。首先,本文将该算法应用于具有起伏特征的数字高程模型(Digital Elevation Model,DEM)数据上。本文通过分形插值的插值方法将原始DEM数据扩充到满足制定分辨率的情况下,将插值后的DEM数据三角化,然后借助于本文提出的算法完成地形数据的高分辨SAR图像仿真;其次,该算法对地面车辆的仿真结果也证明了本算法应用的广泛性。