脈沖耦合神經(jīng)網(wǎng)絡(luò)在SAR自動(dòng)目標(biāo)識(shí)別中的應(yīng)用研究.pdf

1、SAR在環(huán)境監(jiān)測(cè)、資源勘探及軍事領(lǐng)域得到廣泛應(yīng)用,SAR圖像因其良好的穿透性比光學(xué)圖像包含更豐富的內(nèi)容,對(duì)SAR圖像解譯可以獲得覆蓋區(qū)域的相關(guān)信息和知識(shí)。目標(biāo)識(shí)別是SAR圖像解譯和分析的重要過(guò)程,識(shí)別過(guò)程主要包括檢測(cè)、鑒別和識(shí)別三個(gè)階段。PCNN是一種自組織無(wú)監(jiān)督神經(jīng)網(wǎng)絡(luò),具有尺度和旋轉(zhuǎn)不變特性,且其模型很容易通過(guò)硬件實(shí)現(xiàn),因此實(shí)時(shí)性?xún)?yōu)于其他類(lèi)型的神經(jīng)網(wǎng)絡(luò)。
　　 當(dāng)前國(guó)內(nèi)外SAR目標(biāo)識(shí)別,在圖像相干斑的抑制階段,主要采用局域統(tǒng)

2、計(jì)濾波方法和結(jié)構(gòu)濾波算法和小波算法；在圖像目標(biāo)檢測(cè)階段主要采用CFAR方法；在目標(biāo)鑒別階段主要采用遺傳算法對(duì)目標(biāo)和非目標(biāo)進(jìn)行鑒別；在目標(biāo)的分類(lèi)和識(shí)別階段主要采用馬爾可夫隨機(jī)場(chǎng)、支持向量機(jī)和Gabor小波等基于邊緣檢測(cè)的方法。
　　 本文主要研究PCNN在SAR降噪和目標(biāo)特征提取過(guò)程中的應(yīng)用,通過(guò)對(duì)比PCNN方法和現(xiàn)有方法的實(shí)驗(yàn)效果確定PCNN在SAR目標(biāo)識(shí)別過(guò)程的適用性。同時(shí),因研究需要大量的支持?jǐn)?shù)據(jù)集,本文所使用數(shù)據(jù)均來(lái)自SA