项目名称: 基于高分辨距离像时频域稀疏表示的微波遥感目标识别研究

项目编号: No.61301224

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 张新征

作者单位: 重庆大学

项目金额: 24万元

中文摘要: 高分辨率微波成像(SAR)对地观测系统的发展,对微波图像目标解译提出了重大需求。目标识别是微波图像目标解译的核心技术之一。为了克服图像失真或模糊等带来的图像域识别困难,采用高分辨距离像识别目标是有效途径。申请人前期研究发现,高分辨距离像在时频域中不仅能有效的揭示目标各种复杂散射机理,而且具有稀疏性、局部性特点。因此提出"基于高分辨距离像时频域稀疏表示的微波遥感目标识别"研究课题。具体内容包括:将目标SAR图像转换为高分辨率距离像,然后采用AGR方法获得距离像时频图数据;研究时频图稀疏表示建模方法;构造既有重构能力又有目标鉴别能力的时频图字典学习模型;基于时频图稀疏表示研究SAR目标识别算法;利用MSTAR公开发布SAR数据开展目标识别实验,分析识别性能。本项目研究旨在建立SAR目标高分辨距离像时频域稀疏表示模型,为微波遥感图像识别提供新方法,为高分辨率微波遥感对地观测数据解译提供技术支撑。

中文关键词: 合成孔径雷达;目标识别;时频分析;稀疏表示;距离像

英文摘要: A major demand of the microwave imagery target interpretation has been put forward by the development of high-resolution microwave imaging Earth observation system, such as synthetic aperture radar (SAR). Target classification is one of the key techniques of microwave imagery target interpretation. To circumvent the SAR images distortion problem, an alternative approach to target classification using one-dimensional high range resolution profiles (HRRP) had been proposed as a potential solution. Preliminary studies by the applicant showed that the time-frequency domain of HRRP can reveal various target complex scattering mechnism effectively which is sparsity and locality. So, the research project is proposed as "Microwave remote sensing target classification based on HRRP time-frequency domain sparse representation ". The research content is as follows.Firstly, the conversion from all SAR target complex images to HRRPs is performed. Then time-frequency maps of all HRRPs are obtained using adaptive Gaussian representation (AGR) method. How to model the time-frequency maps using sparse representation theory is investigated. On the basis of the sparse representation model of the time-frequency map, we construct dictionary learning model with both reconstruction ability and discrimination ability. The targets cla

英文关键词: SAR;target recognition;time-frequency;sparse representation;range profile

成为VIP会员查看完整内容
2

相关内容

专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
21+阅读 · 2021年6月28日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
41+阅读 · 2021年2月8日
专知会员服务
33+阅读 · 2021年2月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
IEEE WHISPERS大规模高光谱目标跟踪挑战赛来了!
中国图象图形学报
60+阅读 · 2020年7月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
14+阅读 · 2021年3月10日
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
21+阅读 · 2021年6月28日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
41+阅读 · 2021年2月8日
专知会员服务
33+阅读 · 2021年2月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
IEEE WHISPERS大规模高光谱目标跟踪挑战赛来了!
中国图象图形学报
60+阅读 · 2020年7月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员