论文部分内容阅读
合成孔径雷达自动目标识别(Synthetic Aperture Radar Automatic Target Recognition,SAR ATR)能够从大场景SAR图像中自动搜索出感兴趣的目标,并准确判定其类别属性,实现由图像数据到情报信息的转化,是当前国际上亟待解决的前沿热点问题。传统单视角SAR目标识别受成像机理制约,通常难以满足目标精细认知的要求。而利用多个观测视角的SAR图像,能够为目标识别提供更加完整的特征信息,有利于目标的精细认知和识别,是SAR目标识别技术的重要发展方向。其核心是如何多视角联合目标检测、特征提取、分类识别和观测路径优化。针对这些问题,本文开展了理论分析、方法研究与仿真验证等工作,主要创新如下:1.提出了一种渐变孔径SAR成像检测一体化方法。通过对多视角成像中产生的渐变孔径图像进行迭代加权积累检测,解决了传统SAR成像与检测过程相互独立引起的时间资源利用率与检测性能之间的矛盾,在实现高效高分辨成像的同时,有效提高了目标检测概率。2.提出了一种多视角SAR目标融合特征提取方法。通过建立多视角SAR目标的邻域类别空间关系,导出最优特征提取映射,融合提取目标的局部和全局分类信息,解决了传统方法中目标特征提取不全面均衡的问题,提高了多视角SAR目标的识别率。3.提出了一种多视角并行深度网络SAR目标识别方法。利用深度网络对多视角样本增广后的SAR图像数据进行渐进学习,解决了少量训练样本导致的深度网络泛化能力低下的问题,有效提升了有限原始样本条件下多视角SAR目标的识别性能。4.提出了一种多视角SAR目标最优观测路径规划方法,通过对带约束条件的多视角观测飞行路径的优化求解,导出了高效安全的平台观测路径和最佳成像视角,能够进一步提升多视角SAR的目标识别性能和效率。本文所提出的方法已通过仿真和实测数据验证。结果表明,这些方法可以有效解决多视角SAR目标识别中存在的主要问题,实现高效准确的目标检测识别。