本项目围绕遮挡目标识问题,实现了SAR遮挡目标的模拟。针对遮挡和残缺目标识别困难的问题,构造了Curvelet双框架系统,提出了基于Curvelet和PCA特征提取的目标识别方法。研究了Contourlet理论,提出了SWBCT变换和一种超完备的Contourlet变换,在小波变换的基础上还提出了一种轮廓波包的实现方法,为遮挡目标的特征提取和识别提供了有效手段。从高维信息的稀疏表示和核机器学习理论入手,将多尺度分析理论引入核机器学习构造了Meyer小波核,提出了一种类似曲线波变换机理的核支撑矢量机算法,这些多尺度核函数的构造弥补了高斯核支撑矢量机对带有奇异点函数曲线逼近的缺陷,提高了SAR遮挡目标的识别率。研究成果在国内外著名期刊和国际知名会议上共计发表论文36篇,其中SCI检索16篇、EI检索1838篇,其中SCI检索18篇、EI检索17篇,申请国家发明专利6项,其中2项已授权,出版专著2部,培养硕士研究生8人。项目负责人凭借本课题研究成果获得了高等学校研究优秀成果奖(自然科学奖)一等奖和陕西省科学技术奖一等的奖励,研究成果获得同行的广泛认可。
英文主题词SAR target recognition; occluded target; Curvelet; Contourlet; multi-kernel