基于智能优化的SAR 景象匹配识别方法研究

1144766066 · 发表于 2022-4-20 13:19:42

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
在飞行器末制导中，SAR（Synthetic Aperture Radar，SAR）目标景象的匹配识别方法研究具有重要的意义。然而，由于传统景象匹配识别搜索方法计算量巨大、搜索速度缓慢，难以达到末制导中快速、实时数据处理的要求。另外，SAR图像中存在的噪声严重影响了传统景象匹配识别算法的性能。因此，本文针对以上研究存在的题目，将智能优化方法引入SAR景象匹配识别中，并开展了如下研究工作。首先，本文研究了适用于在SAR目标景象匹配识别中的自由搜索算法理论模型。由于自由搜索算法模型本身的局限性，本文将混沌理论、微分进化等智能方法与自由搜索算法相结合，提出了增强决策的自由搜索算法（Enhanced Decision Making Free Search，EDMFS），并进行了Matlab仿真，验证了理论模型的有效性。EDMFS算法改善了原有自由搜索算法的概念模型，并在一定程度上提高了算法的收敛速度，使自由搜索算法更容易实现。其次，针对EDMFS算法计算量较大，收敛速度仍有待提高等题目，本文在自由搜索算法模型的框架下，通过将其与自适应微分进化、量子启发进化相结合，进一步提出了自适应微分与量子启发的自由搜索算法（Free Search with Adaptive Differential Evolution Exploitation and Quantum-Inspired Exploration，ADEQFS），该算法克服了EDMFS算法所存在的缺点，且具有较快的收敛速度与较高的计算可靠性等特点。此外，本文通过使用Markov链模型，证明了ADEQFS算法模型的概率收敛性，并进行了Matlab仿真，验证了ADEQFS算法模型的有效性。最后，本文开展了对景象目标，如：飞机、五角大楼、建筑物等，匹配识别方法的研究工作，通过引入边缘场势函数（Edge Potential Function，EPF）模型，建立了有效的特征匹配相似性度量函数，并与前期所研究的ADEQFS算法模型相结合，进一步提出了基于ADEQFS-EPF的SAR景象匹配识别方法，并通过Matlab仿真，进一步验证了ADEQFS算法模型在SAR景象匹配识别中的有效性。

基于智能优化的SAR 景象匹配识别方法研究

天涯海角也要找到Ni：基于智能优化的SAR 景象匹配识别方法研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作