基於物理模型的極化SAR自動目標識別研究

《基於物理模型的極化SAR自動目標識別研究》是依託西安電子科技大學，由王英華擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於物理模型的極化SAR自動目標識別研究
• 項目類別：青年科學基金項目
• 項目負責人：王英華
• 依託單位：西安電子科技大學

中文摘要

針對合成孔徑雷達（SAR）自動目標識別（ATR）中的兩個難點問題，即複雜環境下的目標檢測與擴展工作條件下的穩健目標識別，本項目將基於高解析度全極化SAR（PolSAR）數據，從物理散射機理模型與散射中心模型兩種物理模型出發，對以下三方面內容展開研究。首先，基於參數化物理散射機理模型集與稀疏重構思想，研究具有模型自適應能力的極化目標分解方法，以分析目標與雜波的散射機理，為後續的目標檢測與識別奠定基礎；其次，通過分析散射機理，建立包含多種基本散射類型的複合目標的參數化模型，並結合該模型構造極化檢測量，以實現複雜環境下基於物理散射機理的複合目標檢測；最後，擬聯合圖像域與頻率域的稀疏性估計屬性散射中心模型的物理參數，並提取散射中心極化特徵，研究基於屬性穩定散射中心的極化穩健識別特徵提取，以結合極化信息實現擴展工作條件下的穩健識別。為PolSAR數據在國民經濟與國防建設中的套用提供技術支撐。

結題摘要

複雜環境下的目標檢測與擴展工作條件下的穩健目標識別，是SAR自動目標識別中的兩個難點問題。本項目針對這兩個難點問題，開展了基於物理模型的極化SAR自動目標識別方法的研究。主要研究內容和成果包括以下幾個方面：（1）研究了具有模型自適應能力的極化目標分解方法，包括基於約束稀疏表示的極化相干矩陣分解方法，以及極化相似度匹配下的極化相干矩陣散射能量分解方法；（2）研究了基於物理散射機理的複合目標檢測方法，包括基於超像素級散射機理分布特徵的極化SAR目標檢測方法、基於監督非相干字典學習的極化SAR艦船目標檢測方法、以及基於低秩字典學習與稀疏表示的極化SAR目標檢測方法；（3）研究了基於物理模型的極化穩健目標識別方法，包括基於稀疏表示的屬性散射中心提取與參數估計方法、基於全極化屬性散射中心模型的SAR目標屬性特徵提取方法、基於非負稀疏表示的SAR目標識別方法、聯合陰影與目標區域圖像的SAR目標識別方法、姿態圖像缺失情況下的SAR目標識別方法、以及基於多信息字典學習與稀疏表示的SAR目標識別方法等。本項目的研究成果可為SAR自動目標識別技術及其套用的發展提供一定的參考。