论文总字数：24517字

摘 要

差分进化算法，是一种与遗传算法流程类似的，具有高效率的全局优化算法。这种算法在许多领域都有着广泛的应用，其主要利用对于目标函数的优化来筛选合适的子代，流程包括突变，交叉，选择等以达到优化的目的。

合成孔径雷达可以获得比较高分辨率的图像。在对目标的精确寻找方面有着重要的意义。然而在图像生成的过程中常常伴随着干扰的存在，因而本文旨在排除相关干扰，提取出雷达图像中幅值较高的点区域（强散射点）。

本文通过使用差分进化算法，选取合适的目标函数，对进行过预处理的图像进行强散射点的提取。本文通过MATLAB仿真对于实际图片中强散射点的提取进行了测试，获得了不错的效果，证明了本算法的可行性。本文主要进行了下面两方面的工作：

1. 实现差分进化算法，并对其算子进行了优化，以得到保留最优秀信息，防止最优解被舍弃，增加了探寻到全局最优解的概率。
2. 对于SAR图像进行预处理，提取所需的图像信息，并保存在内存中，再用差分进化算法将所需的信息进行处理，得到所需的强散射点，最后进行输出，与原图进行比较，验证了算法的正确性与本方案的可行性。

关键词：差分进化算法，雷达图像，强散射点提取

Abstract

The differential evolution algorithm is similar to the genetic algorithm flow and has a high-efficiency global optimization algorithm. This algorithm has a wide range of applications in many fields. It mainly uses the optimization of the objective function to screen suitable children. The process includes mutation, crossover, selection, etc. to achieve the purpose of optimization.

Synthetic aperture radar can obtain higher resolution images. It is of great significance in the precise search of the target. However, in the process of image generation, the interference is often accompanied by the presence of interference. Therefore, the purpose of this paper is to exclude the relevant interference and extract the point area (strong scattering point) with higher amplitude in the radar image.

In this paper, we use the differential evolution algorithm to select the appropriate objective function to extract the strong scattering points from the preprocessed images. In this paper, the extraction of strong scattering points in real pictures is tested by MATLAB simulation, and good results are obtained, which proves the feasibility of this algorithm. This article mainly carried out the following two aspects of the work:

1. Implement a differential evolution algorithm and optimize its operators to obtain the best information for preservation, to prevent the optimal solution from being discarded, and to increase the probability of finding a global optimal solution.

2. Preprocess the SAR image, extract the required image information, and save it in memory. Then use the differential evolution algorithm to process the required information to obtain the required strong scattering point, and finally output the original image. A comparison was made to verify the correctness of the algorithm and the feasibility of the solution.

Key words: differential evolution algorithm, radar image, strong scattering point extraction

目录

摘要 I

Abstract II

第一章 绪论 4

1.1 研究背景及意义 4

1.1.1 差分进化算法的研究背景和意义 4

1.1.2 雷达图像强散射点提取的背景和意义 4

1.2 差分进化算法的研究历史和现状 5

1.2.1 变异策略的改进 5

1.2.2 加入新的操作 6

1.2.3 多算法混合 6

1.3 雷达图像强散射点提取的历史和现状 7

1.4 论文的主要工作和安排 8

第二章 差分进化算法与雷达的图像强散射点提取 9

2.1 差分进化算法 9

2.1.1 未改进的差分进化算法 9

2.1.2 原始算法流程图 10

2.1.3 原始算法案例分析 11

2.2 雷达图像强散射点提取 11

2.2.1 雷达图像强散射点提取的基本概念 11

2.2.2 雷达图像强散射点提取的流程 12

2.2.3 雷达图像强散射点提取评价准则 12

2.3 小结 14

第三章 差分进化算法的改进 15

3.1 概述 15

3.2 参数改进 15

3.2.1 静态参数控制 15

3.2.2 自适应参数控制 16

3.3 初始化和变异策略的调整 16

3.3.1 初始化优化 16

3.3.2 变异策略调整 16

3.4 小结 17

第四章 基于DE算法的强散射点提取 18

4.1 引言 18

4.2 本文算法流程 18

4.3 实验结果及分析 20

4.3.1 实验目标 20

4.4 本章总结 24

第五章 总结与未来展望 25

5.1 本文工作总结 25

5.2 未来期望 25

参考文献 27

绪论

研究背景及意义

差分进化算法的研究背景和意义

在我们的日常生活中以及科学研究领域中，都不可避免的会遇到优化问题。优化技术是一种利用数学知识，对于待求问题进行求解的技术，这种技术在数学，计算机等科研领域都有着重要的作用。因而，优化算法有着很高的研究价值，人们对于优化算法的研究也十分广泛，提出了粒子群算法等一系列优化算法，本文将要研究的差分进化算法也是其中的一种。

从20世纪40年代起，生物模拟就成为了计算机科学的一个重要组成部分，早期的一系列科学发明都源于对于生物的解读和模仿。随着时间的推移和科技的发展，生物模拟技术得到了进一步的运用和更广泛的发展。当今计算机科学家和分子生物学家已经开始合作进行研究，并且得到了更广泛的应用。进化算法主要有三种典型的算法：遗传算法，进化规划和进化策略。现在又产生了如蚁群优化算法，粒子群算法等多种优化算法。与普通的迭代算法不同，进化算法一般是从一组解出发得到一组较好的解，并从得到的解触发，作为之后迭代的基础。并且进化算法在搜索的过程中利用结构化和随机性信息，来得到最优可能满足生存条件的个体，是一种概率型算法。

剩余内容已隐藏，请支付后下载全文，论文总字数：24517字