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

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 classifying algorithm is studied on the basis of the sparse representation model. Experiments will be performed with MSTAR public release SAR data sets. This research aims to construct the sparse representation model of the HRRP time-frequency map, which will provide a novel method for SAR target classification and support data interpretation of high-resolution microwave remote sensing.

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。

高分辨率合成孔径雷达(Synthetic Aperture Radar, SAR)图像解译是当前高分辨率对地观测数据应用中急需解决的问题。本项目针对SAR图像中的目标识别问题，开展了基于目标高分辨距离像时频域稀疏表示的研究。主要研究内容包括：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。研究取得了下列主要成果：（1）基于AGR时频分析技术，系统研究了SAR目标距离像的时频图中所反映的目标散射特征；（2）对SAR目标时频图进行稀疏表示建模，研究了既有重构能力又有目标鉴别能力的时频图字典学习模型，并据此提出了新的SAR目标识别方案。实验验证了该方案具有良好的目标识别性能，特别是在低图像质量下具有强鲁棒性；（3）研发了一种新的SAR图像目标特征——2D Slice-Zernike矩特征。实验表明，该特征即可以提取目标全局散射信息，也可以有效提取目标局部散射特性信息，并具有良好的目标识别性能。（4）提出了一种方位角辅助的动态非负稀疏表示SAR图像目标识别方案，该方案可以有效的排除混淆字典原子的干扰，使有效字典原子减少，对不同的待识别样本可以动态构造字典，能够有效降低稀疏求解的计算量。实验表明，该方案具有优良的目标识别性能。.上述研究成果可以为高分辨率微波遥感对地观测图像解译提供新方法和技术支撑。