1. 研究目的与意义（文献综述）
合成孔径雷达(sar)是一种高分辨率的相干成像系统，可以再任何时间、任何天气条件下工作。因此，它适用于多种应用，包括图像融合、环境监测等
尺度不变特征变换是一种经典的兴趣点检测和局部特征描述算法。由于其非常有效，被广泛应用于计算机视觉领域的图像匹配和目标定位与识别。它对尺度变换，旋转和平移的不变性以及对光照变化和仿射畸变的鲁棒性使它合适于不同种类的应用如目标检索，图像索引，拼接，注册和视屏追踪。
但是因为最初的sift算法被设计用来检测与光学摄影相关的结构，sift算法对光学图像有很强的适应，因为在光学图像中噪声通常是相对较弱的，但是sar图像通常会受到强乘性斑纹噪声的干扰，这会导致sift会检测出很多错误的关键点。所以原始sift算法对sar图像表现不佳。
2. 研究的基本内容与方案
基本内容及目标：对SAR图像进行预处理，提取合适的特征，然后利用训练样本训练分类器，实现车辆的分类，在测试样本集上验证分类算法。
拟采用的技术方案及措施：构建监督学习算法，算法完成以下过程：先用转换工具将SAR图像文件转换为JPEG文件，再通过SAR-SIFT计算出转换后图片的特征描述子。用SAR图像训练集对数据进行学习，再用测试集检验算法的准确率。
3. 研究计划与安排
1-3周 查阅中、英文资料，完成开题报告，完成不少于2万字符的英文翻译任务；
4-8周 学习和评测sar图像中的车辆分类方法；
9-14周 完成sar图像中的车辆分类实现和评测总结；
4. 参考文献（12篇以上）
[1] dellinger f, delon j, gousseau y, et al. sar-sift: asift-like algorithm for sar images [j]. ieee trans on geoscience and remotesensing, 2015, 53 (1): 453 -466.
[2] fan jianwei, wu yan, wang fan, et al. sar imageregistration using phase congruency and nonlinear diffusion-based on sift[j].ieee geoscience and remote sensing letters, 2015, 12(3): 562 -566.
[3] zhou t, pan j, zhang p, et al. mapping winter wheat withmulti-temporal sar and optical images in an urban agricultural region[j].sensors,2017,17(6):1210.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
