基于学习模式的SAR图像场景分类和目标识别统一模型研究

SAR可全天时全天候获取高分辨率地面极化图像，系统资源日益丰富,从中提取场景目标信息实现自动分类识别是其应用关键技术，但相干成像和斑点现象使处理困难。本项目通过对SAR物理机制的深入研究，引入计算视觉前沿理论，基于学习和相关模型理论研究场景分类和目标识别的统一模型用于SAR图像解译：首先建立图像场景和目标统一标号场，基于学习方法得到可稀疏表达的超完备字典对其描述，构造先验能量；随后系统研究SAR图像物理和数学统计特征，通过判别模型建立似然能量；最后对于上述复杂统一模型，发展本项目组具有独创性的Turbo迭代算法进行联合优化，获得最终场景分类和目标识别结果。另外研究一快速SAR图像半自动交互标注方案和相关算法平台建立所需学习的图像标注库。本项目统一模型框架、SAR图像标号场超完备表示和稀疏表达、SAR图像特征的系统研究、Turbo迭代联合优化对SAR图像研究和资源利用具有创新性和基础性意义。