● 摘要
合成孔径雷达自动目标识别(SAR ATR)属于模式识别的范畴，是近年来军事防御领域的研究热点之一。论文从SAR图像理解角度出发，在实现已有SAR目标识别算法的基础上，对其中一些算法提出了相应的改进，并得到了一些有意义的结论和成果。论文的主要内容如下： 在图像分割方面，论文研究了基于单阈值形态学和基于马尔可夫随机场的SAR目标分割算法。结合SAR目标的散射中心提取与恒虚警率目标检测算法的特点，提出了一种新的双阈值恒虚警率SAR目标分割算法。利用各种指标将新算法的分割结果与其它两种算法的分割结果进行了比较，证实了新算法不仅速度快而且分割结果精确，并且包含目标散射中心的能力较强。 在目标识别方面，论文研究了五种SAR目标识别算法： 1. 研究了基于目标能量特征的平均模板识别算法。对其中的目标方位角估计算法进行了改进，并采用最小距离分类器和线性最小二乘分类器对目标分类。通过实验检验了算法的识别能力。 2. 构建了SAR目标尖峰模型，并利用尖峰的峰值点代表散射中心。提取了峰值点的位置和幅度作为特征，分析了位置随俯仰角和方位角变化的稳定性，开发了基于几何散列法的SAR目标识别算法，并通过实验验证了算法的识别能力。 3. 提出了利用组合图形图像学特征对SAR目标进行分类，这些特征实际上描述的是目标的尺寸、形状和结构等信息。研究了马氏距离分类器的基本原理，并用它对SAR图像目标区域和阴影区域的特征进行识别。实验结果表明目标区域的识别结果较好，而阴影区域的识别结果较差。 4. 阐述了统计学习理论，介绍了核函数的基本原理和满足条件，推导了支持向量机在线性约束条件下的二次凸规划求解算法，并利用决策导向循环图将两类可分的支持向量机扩展到多类可分。将SAR图像空间域、频率域和空频域的不同归一化系数作为特征，并分析了它们的特点。通过实验比较了这些系数特征的识别结果，指出将三级小波分解的近似系数作为特征，不仅识别结果好，而且识别效率高。 5. 提出利用核准则对SAR目标进行特征提取与识别。首先推导了KPCA准则，实验表明它对SAR目标的特征提取能力不强。其次阐述了KPCA+FLDA准则的基本原理，分析了它提取SAR目标特征的特点，实验结果表明该准则对SAR目标具有较强的特征提取和识别能力。推导了KFDA准则，指出它实际是KPCA+FLDA准则的简化，实验验证了两种准则具有相同的识别能力。最后提出了FIKFDA准则，该准则将基于分组策略的快速特征向量选择法(FFVS)与KFDA准则相结合，达到了快速有效地提取SAR目标特征的目的。