期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于图网络与不变性特征感知的SAR图像目标识别方法 被引量：1
1
作者 曹婧宜 张扬 +4 位作者 尤亚楠 王亚敏 杨峰 任维佳 刘军 《雷达学报(中英文)》 北大核心 2025年第2期366-388,共23页
基于深度学习的合成孔径雷达(SAR)图像目标识别技术日趋成熟。然而,受散射特性、噪声干扰等影响,同类目标的SAR成像结果存在差异。面向高精度目标识别需求,该文将目标实体、生存环境及其交互空间中不变性特征的组合抽象为目标本质特征,... 基于深度学习的合成孔径雷达(SAR)图像目标识别技术日趋成熟。然而,受散射特性、噪声干扰等影响,同类目标的SAR成像结果存在差异。面向高精度目标识别需求,该文将目标实体、生存环境及其交互空间中不变性特征的组合抽象为目标本质特征,提出基于图网络与不变性特征感知的SAR图像目标识别方法。该方法用双分支网络处理多视角SAR图像,通过旋转可学习单元对齐双支特征并强化旋转免疫的不变性特征。为实现多粒度本质特征提取,设计目标本体特征强化单元、环境特征采样单元、上下文自适应融合更新单元,并基于图神经网络分析其融合结果,构建本质特征拓扑,输出目标类别向量。该文使用t-SNE方法定性评估算法的类别辨识能力,基于准确率等指标定量分析关键单元及整体网络,采用类激活图可视化方法验证各阶段、各分支网络的不变性特征提取能力。该文所提方法在MSTAR车辆、SAR-ACD飞机、OpenSARShip船只数据集上的平均识别准确率分别达到了98.56%,94.11%,86.20%。实验结果表明,该算法具备在SAR图像目标识别任务中目标本质特征提取能力,在多类别目标识别方面展现出较高的稳健性。 展开更多
关键词 合成孔径雷达(SAR) 目标识别 不变性特征提取 本质特征 深度学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部