1、合成孔徑雷達(dá)(SyntheticApertureRadar,SAR)圖像自動(dòng)目標(biāo)識(shí)別(AutomaticTargetRecognition，ATR)技術(shù)是在無人為干涉的情況下，利用采集到的SAR圖像數(shù)據(jù)，準(zhǔn)確的找到感興趣的區(qū)域，并提取目標(biāo)的特征信息，識(shí)別出目標(biāo)的類別屬性。在SARATR體系中包含最主要的三個(gè)步驟，即SAR圖像預(yù)處理，SAR圖像目標(biāo)特征提取和SAR圖像目標(biāo)分類識(shí)別。本論文針對(duì)這三個(gè)步驟，完成了以下任務(wù):
　　1.SA

2、R圖像的預(yù)處理方法:本論文研究了一種基于復(fù)Contourlet變換和隱馬爾科夫樹(HMT)模型的SAR圖像去除相干斑噪聲方法。該方法利用復(fù)Contourlet變換的多尺度、多方向性和平移不變性的特點(diǎn)，將其與HMT模型相結(jié)合，從而能夠準(zhǔn)確地描述復(fù)Contourlet變換域系數(shù)在相鄰尺度間的相關(guān)性。對(duì)實(shí)驗(yàn)結(jié)果的定量分析可知，該方法取得了良好的去噪效果。
　　2.SAR圖像的特征提取方法:流形學(xué)習(xí)方法是模式識(shí)別的基本方法，本文應(yīng)用的最大

3、異類距離嵌入特征提取(MaximumInterclassDistanceEmbedding，MIDE)方法的創(chuàng)新性體現(xiàn)在既結(jié)合了主成份分析(PersonalComputerAssistant，PCA)的差異特性和局部保持映射(LocalPreservingProjection，LPP)的鄰域信息，并同時(shí)融入了數(shù)據(jù)集的類別信息。利用此方法旨在找尋一個(gè)線性嵌入的映射，能夠?qū)⑼队昂螳@得的不同類別的SAR圖像特征彼此互相遠(yuǎn)離。
　　3.S

4、AR圖像目標(biāo)識(shí)別算法:文中提出了一種基于神經(jīng)網(wǎng)絡(luò)集成模型的SAR圖像分類識(shí)別算法。該方法很好的克服了SAR圖像對(duì)方位角敏感的問題，針對(duì)同向目標(biāo)的特征空間訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)分類，并使用另一個(gè)二級(jí)神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)單向目標(biāo)識(shí)別器的識(shí)別結(jié)果進(jìn)行結(jié)合，提高識(shí)別精度。
　　將SAR圖像自動(dòng)目標(biāo)識(shí)別三個(gè)階段的三種方法同時(shí)應(yīng)用在SAR圖像自動(dòng)目標(biāo)識(shí)別中，通過仿真實(shí)驗(yàn)，定量分析可知，其最終的目標(biāo)識(shí)別率高于其它較為優(yōu)秀的算法所達(dá)到的目標(biāo)識(shí)別率，證