在复杂多变的战场环境中,快速准确的定位目标至关重要。合成孔径雷达(SAR),具有全天时、全天候、穿透云层和植被成像的能力,成为了这一任务的关键。随着技术的进步,SAR的应用方向也在不断扩大,包括高分辨率宽幅成像、多基地、轻小型化、智能化等。
然而SAR也面临着一定的技术挑战,如动态目标成像困难等。卷积神经网络,作为一种深度学习模型,在目标识别、图像分类和检测等方面具有巨大优势。有鉴于此,本论文提出了一种利用卷积神经网络(CNN)自动识别SAR图像中移动目标的方法。
本论文共分为五部分,第一部分为引言部分,介绍了合成孔径雷达相较于空中/天基光电传感器在图像采集方面的优势和不足,说明了自动目标识别(ATR)技术,特别是卷积神经网络在ATR中的应用。
第二部分为技术背景部分,详细介绍了SAR的数据采集方法,CNN的结构和应用情况,以及SAR和CNN如何在自动目标识别应用中协同工作。
第三部分为方法与模拟部分,描述了卷积神经网络的设计细节,使用SAMPLE数据库对CNN进行测试和训练的方法,以及模拟测试中使用的参数。
第四部分为结果和分析部分,详细分析和讨论了模拟结果。结果显示了CNN在识别静止和移动目标方面的准确性,并讨论了自动对焦技术对分类准确性的影响。
第五部分总结了研究的主要发现,包括CNN在SAR图像中识别移动目标的潜力,并提出了未来研究方向,例如提高自动对焦技术,开发区分静止与移动目标图像的方法等。
图 2 ISAR成像模式
图4 CNN架构示例图
图 5 引入相位误差前的SAR静止图像
图 8 移动目标模拟混淆矩阵(分类准确率16.95%)
目录
需要英文原文及更多国外装备伪装隐身技术资料欢迎联系13810077682(微信同号)
长按识别二维码,获取更多精彩内容