期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
重构目标和多层次BVMD特征融合的SAR图像目标识别方法
1
作者
肜瑶
张洋洋
《探测与控制学报》
北大核心
2025年第1期94-101,共8页
针对SAR图像目标识别问题,从特征提取和分类器两方面,提出结合目标重构和多层次二维变分模态分解(BVMD)特征决策融合的SAR图像目标识别方法。首先,提取待识别样本目标属性散射中心集,并据此对目标进行重构用于剔除原始图像中噪声、杂波...
针对SAR图像目标识别问题,从特征提取和分类器两方面,提出结合目标重构和多层次二维变分模态分解(BVMD)特征决策融合的SAR图像目标识别方法。首先,提取待识别样本目标属性散射中心集,并据此对目标进行重构用于剔除原始图像中噪声、杂波等干扰;其次,在重构图像的基础上,采用BVMD进行分解,获取多模态表示用于描述目标多层次的细节和整体特征;最后,基于联合稀疏表示算法对多模态特征进行综合分析,根据计算得到的各类别重构误差对待识别样本的所属目标类别进行判定。基于MSTAR公开数据集的实验结果证明了提出方法的有效性。
展开更多
关键词
SAR
目标识别
变分模态分解
目标重构
联合稀疏表示
在线阅读
下载PDF
职称材料
联合变分模态分解和卷积神经网络的SAR图像目标分类方法
2
作者
王源源
《电光与控制》
CSCD
北大核心
2023年第6期41-46,共6页
针对合成孔径雷达(SAR)目标分类问题,联合二维变分模态分解(BVMD)和卷积神经网络(CNN),通过二维变分模态分解获得原始SAR图像的多模态表示,反映目标的全局和细节信息;设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量;...
针对合成孔径雷达(SAR)目标分类问题,联合二维变分模态分解(BVMD)和卷积神经网络(CNN),通过二维变分模态分解获得原始SAR图像的多模态表示,反映目标的全局和细节信息;设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量;基于Bayesian理论融合各个模态的后验概率矢量;并根据融合后的结果判定目标结果。所提方法通过结合二维变分模态分解和卷积神经网络的优势综合提升SAR图像目标分类性能。实验中,基于MSTAR数据集对所提方法在4种典型场景下进行了测试并与现有方法进行对比,结果表明所提方法性能更具优势。
展开更多
关键词
合成孔径雷达图像
目标分类
二维变分模态分解
卷积神经网络
Bayesian决策融合
在线阅读
下载PDF
职称材料
题名
重构目标和多层次BVMD特征融合的SAR图像目标识别方法
1
作者
肜瑶
张洋洋
机构
黄河科技学院工学部
出处
《探测与控制学报》
北大核心
2025年第1期94-101,共8页
文摘
针对SAR图像目标识别问题,从特征提取和分类器两方面,提出结合目标重构和多层次二维变分模态分解(BVMD)特征决策融合的SAR图像目标识别方法。首先,提取待识别样本目标属性散射中心集,并据此对目标进行重构用于剔除原始图像中噪声、杂波等干扰;其次,在重构图像的基础上,采用BVMD进行分解,获取多模态表示用于描述目标多层次的细节和整体特征;最后,基于联合稀疏表示算法对多模态特征进行综合分析,根据计算得到的各类别重构误差对待识别样本的所属目标类别进行判定。基于MSTAR公开数据集的实验结果证明了提出方法的有效性。
关键词
SAR
目标识别
变分模态分解
目标重构
联合稀疏表示
Keywords
SAR
target recognition
bvmd
target reconstruction
joint sparse representation
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
联合变分模态分解和卷积神经网络的SAR图像目标分类方法
2
作者
王源源
机构
电子科技大学成都学院
出处
《电光与控制》
CSCD
北大核心
2023年第6期41-46,共6页
文摘
针对合成孔径雷达(SAR)目标分类问题,联合二维变分模态分解(BVMD)和卷积神经网络(CNN),通过二维变分模态分解获得原始SAR图像的多模态表示,反映目标的全局和细节信息;设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量;基于Bayesian理论融合各个模态的后验概率矢量;并根据融合后的结果判定目标结果。所提方法通过结合二维变分模态分解和卷积神经网络的优势综合提升SAR图像目标分类性能。实验中,基于MSTAR数据集对所提方法在4种典型场景下进行了测试并与现有方法进行对比,结果表明所提方法性能更具优势。
关键词
合成孔径雷达图像
目标分类
二维变分模态分解
卷积神经网络
Bayesian决策融合
Keywords
SAR image
target classification
bvmd
CNN
Bayesian decision fusion
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
重构目标和多层次BVMD特征融合的SAR图像目标识别方法
肜瑶
张洋洋
《探测与控制学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
联合变分模态分解和卷积神经网络的SAR图像目标分类方法
王源源
《电光与控制》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
