摘要
针对合成孔径雷达(SAR)图像目标识别问题,提出一种基于多层自动编码器的特征提取算法。该方法利用随机神经网络受限波尔兹曼机学习建模环境概率分布的能力,通过组建更具函数表达能力的多层神经网络,提取描述目标及其阴影轮廓形状的综合特征。利用两种分类模型实现目标自动识别。基于MSTAR数据的仿真实验结果验证了算法的有效性。
Automatic Target Recognition （ATR） of Synthetic Aperture Radar （SAR） images is investigated. A SAR feature extraction algorithm based on a multilayer auto-encoder is proposed. The method makes use of a probabilistic neural network and Restricted Boltzmann Machine （RBM） modeling probability distribution of the environment. Through the formation of a more expressive multilayer neural network, the deep learning model learns the shared representation of the target and its shadow outline reflecting the target shape characteristics. Targets are classified automatically through two recognition models. The experiment results based on the MSTAR verify the effectiveness of the proposed algorithm.
出处
《雷达学报（中英文）》
CSCD
2013年第2期195-202,共8页
Journal of Radars
基金
国家部委基金资助课题
作者简介
通信作者：孙志军robotman@126．com孙志军（1985-），男，吉林磐石；电子工程学院通信与信息系统专业博士生，研究方向为模式识别与图像处理。薛磊（1963-），男，安徽霍邱；电子工程学院教授，博士生导师，研究方向为通信系统与通信信号处理。许阳明（1964-），男，安徽舒城；电子工程学院副教授，研究方向为通信信号处理与信息融合等。孙志勇（1974-），男，湖北黄冈；博士生，电子工程学院讲师，研究方向为雷达信号处理。
