散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径。散射中心匹配的难点在于散射中心特征存在的误差和缺失。Coherent Point Drift(CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和...散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径。散射中心匹配的难点在于散射中心特征存在的误差和缺失。Coherent Point Drift(CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失。本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性。MSTAR数据实验说明了该方法的有效性。展开更多
文摘属性散射中心是合成孔径雷达(Synthetic Aperture Radar,SAR)图像的一个重要特征。该文提出了一种属性散射中心匹配方法并将其运用于SAR目标识别中。该方法首先基于属性散射中心模型提取待识别SAR图像和模板SAR图像的属性散射中心,进而采用Hungarian算法实现散射中心的匹配。在建立的匹配关系的基础上,设计了一种稳健的散射中心匹配度度量方法计算待识别散射中心与各类模板散射中心的匹配度。该匹配度准则充分考虑了单个散射中心强弱、匹配对强弱以及漏警、虚警带来的影响,对于散射中心集的匹配度的评价更为全面。基于Moving and Stationary Target Acquisition and Recognition(MSTAR)数据集的实验验证了方法的有效性。
文摘散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径。散射中心匹配的难点在于散射中心特征存在的误差和缺失。Coherent Point Drift(CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失。本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性。MSTAR数据实验说明了该方法的有效性。
