针对SAR目标识别的k均值增量学习法

1

作者 胡超 郝明 汪文英 《现代雷达》 北大核心 2025年第4期46-51,共6页

深度神经网络技术在为合成孔径雷达(SAR)自动目标识别领域带来了较高的识别精度的同时,也在持续进行样本训练的过程中产生了灾难性遗忘问题。目前,学界使用增量学习的方法来缓解深度神经网络持续学习过程中的灾难性遗忘问题。增量学习... 深度神经网络技术在为合成孔径雷达(SAR)自动目标识别领域带来了较高的识别精度的同时,也在持续进行样本训练的过程中产生了灾难性遗忘问题。目前,学界使用增量学习的方法来缓解深度神经网络持续学习过程中的灾难性遗忘问题。增量学习的关键问题在于提取并保留用于区分新类和旧类的特征,该问题也成为增量学习性能提升的主要瓶颈。主流的增量学习方法一般通过筛选并保留一定数量的旧样本,来保留关键的旧类特征。为了进一步提升增量学习方法的性能,增强增量学习的实用性,文中提出了一种新的增量学习样本保留方法,该方法保留的旧样本具有更强的旧类特征代表性;利用了k均值方法选择代表性旧样本,再利用蒸馏损失训练新模型;通过在MSTAR数据集上的实验可知,该方法能够进一步提升神经网络对SAR图像的增量学习能力。 展开更多

关键词 合成孔径雷达 sar自动目标识别 深度神经网络 增量学习 灾难性遗忘

在线阅读 下载PDF 职称材料

ARWCGAN:一种高质量的多类别SAR图像生成方法

2

作者 郑洋 王榕旭 +1 位作者 郭开泰 梁继民 《西安电子科技大学学报》 北大核心 2025年第2期101-112,共12页

在合成孔径雷达(SAR)自动目标识别(ATR)领域,高质量的训练数据集通常十分匮乏。现有基于生成对抗网络(GANs)的SAR图像生成方法,常面临训练稳定性差、生成图像质量低的问题。为解决这些问题,提出了一种新的方法,称为注意力残差Wasserstei... 在合成孔径雷达(SAR)自动目标识别(ATR)领域,高质量的训练数据集通常十分匮乏。现有基于生成对抗网络(GANs)的SAR图像生成方法,常面临训练稳定性差、生成图像质量低的问题。为解决这些问题,提出了一种新的方法,称为注意力残差Wasserstein条件生成对抗网络(ARWCGAN),旨在生成高质量的多类别SAR图像。该方法设计了注意力残差层,以提升模型对SAR图像特征的提取能力,增强生成图像的目标细节和纹理特征。同时,采用了联合梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)损失函数和分类损失函数,以改进训练稳定性并提高生成图像的多样性。在MSTAR数据集进行了生成实验,并从定性视觉检查、定量质量评估和ATR模型贡献三个方面对生成图像效果进行了评估。实验结果表明,ARWCGAN能够生成高质量的图像,显著提升了ATR模型的识别精度。 展开更多

关键词 合成孔径雷达 图像生成 自动目标识别 生成对抗网络

在线阅读 下载PDF 职称材料

增强-检测级联SAR地面目标检测网络

3

作者 陈宝翔 行坤 《电子设计工程》 2025年第3期151-155,161,共6页

在合成孔径雷达地面目标检测任务中,传统检测方法因为在处理过程中采用固定模型假设而导致性能严重下降。卷积神经网络作为一种基于数据驱动的方法,在拥有足够的训练集时可以显著提高目标检测的准确性,但在检测陆地背景下的微小目标时... 在合成孔径雷达地面目标检测任务中,传统检测方法因为在处理过程中采用固定模型假设而导致性能严重下降。卷积神经网络作为一种基于数据驱动的方法,在拥有足够的训练集时可以显著提高目标检测的准确性,但在检测陆地背景下的微小目标时性能仍不稳定。为了应对这些挑战,提出了一种先增强后检测的地面目标检测框架。其中包括以Transformer为骨干网络的增强网络、增强目标特征区分度的跨特征空间注意力模块以及具有多尺度特征的检测网络。形成一个级联的目标检测网络架构,以实现更好的推理性能。使用MSTAR基准数据集对提出的网络进行实验,证明提出的级联网络在各项指标上超过其他现有方法,其精度最高可以达到93.6%。 展开更多

关键词 合成孔径雷达 地面目标检测 自动目标识别 Transformer网络

在线阅读 下载PDF 职称材料

面向SAR目标识别成像参数敏感性的深度学习技术研究进展

4

作者 何奇山 赵凌君 +1 位作者 计科峰 匡纲要 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第10期3827-3848,共22页

随着人工智能技术的发展,基于深度神经网络的合成孔径雷达(SAR)目标识别得到了广泛关注。然而,SAR系统的成像机制导致了图像特性与成像参数之间的强相关性,因此深度学习框架下的目标识别算法精度极易受成像参数敏感性的干扰,这成为了制... 随着人工智能技术的发展,基于深度神经网络的合成孔径雷达(SAR)目标识别得到了广泛关注。然而,SAR系统的成像机制导致了图像特性与成像参数之间的强相关性,因此深度学习框架下的目标识别算法精度极易受成像参数敏感性的干扰,这成为了制约先进智能算法部署到实际工程中的一大障碍。该文首先回顾了SAR图像目标识别技术的发展与相关数据集,从雷达工作的成像几何、载荷参数和噪声干扰3个角度,深入分析了成像参数变化对图像特性的影响;然后,从模型、数据、特征3个维度,总结归纳了现有文献关于深度学习技术对成像参数敏感性的鲁棒性与泛化性这一问题的研究进展;接下来,汇总并分析了典型方法的实验结果;最后讨论了在未来有望突破成像参数敏感性这一问题的深度学习技术研究方向。 展开更多

关键词 合成孔径雷达 自动目标识别 深度学习 域自适应 参数敏感性

在线阅读 下载PDF 职称材料

SAR-ATR系统复数对抗样本生成方法

5

作者 张梦君 熊邦书 《应用科学学报》 CAS CSCD 北大核心 2024年第5期747-756,共10页

针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复... 针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复数网络作为判别器实现对抗训练,以增强对抗样本的攻击能力;最后,通过替代模型实现可迁移的对抗攻击,以此实现了更高的攻击成功率。实验结果表明,所提方法在有目标攻击和无目标攻击任务下的成功率分别达到了76.338%和87.841%,迁移的成功率更高且对抗样本与原始干净样本更为接近。所提方法将对抗攻击扩展到复数神经网络后,避免了合成孔径雷达目标信息和精度的丢失,为实际合成孔径雷达自动目标识别系统的安全性和鲁棒性提供了参考方案。 展开更多

关键词 生成对抗网络 对抗样本 合成孔径雷达自动目标识别系统 复数卷积神经网络 有目标攻击 无目标攻击

在线阅读 下载PDF 职称材料

小样本SAR目标的双重一致性因果识别方法

6

作者 王陈炜 罗思懿 +3 位作者 黄钰林 裴季方 张寅 杨建宇 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第10期3928-3935,共8页

在小样本条件下提升方法的泛化性能,是合成孔径雷达自动目标识别(SAR ATR)的重要研究方向。针对该方向中的基础理论问题,该文建立了一个SAR ATR因果模型,证明了SAR图像中背景、相干斑等干扰在充足样本条件下可以被忽略;但在小样本条件下... 在小样本条件下提升方法的泛化性能,是合成孔径雷达自动目标识别(SAR ATR)的重要研究方向。针对该方向中的基础理论问题,该文建立了一个SAR ATR因果模型,证明了SAR图像中背景、相干斑等干扰在充足样本条件下可以被忽略;但在小样本条件下,这些因素将成为识别中的混杂因子,在提取的SAR图像特征中引入虚假相关性,影响SAR ATR性能。为了甄别和消除这些特征中的虚假效应,该文提出一个基于双重一致性的小样本SAR ATR方法,其中双重一致性包括类内一致性掩码和效应一致性损失。首先,基于鉴别特征应具有类内一致和类间差异的原则,利用类内一致性掩码,捕获目标的类内一致鉴别特征,甄别出目标特征中的混淆部分,准确估计出干扰引入的虚假效应。其次,基于不变风险最小化的思想,利用效应一致性损失,将经验风险最小化数据量需求转变为对效应相似度的度量需求,降低虚假效应消除对数据量的需求,消除特征中的虚假效应。因而,所提基于双重一致性的小样本SAR ATR方法可实现特征提取中的真实因果,实现准确的识别性能。两个基准数据集上的识别实验,验证了该方法的合理性和有效性,可提升小样本条件下SAR目标识别的性能。 展开更多

关键词 合成孔径雷达 自动目标识别 小样本 因果推断

在线阅读 下载PDF 职称材料

基于三维电磁散射参数化模型的SAR目标识别方法 被引量：64

7

作者 文贡坚 朱国强 +6 位作者 殷红成 邢孟道 杨虎 马聪慧 闫华 丁柏圆 钟金荣 《雷达学报（中英文）》 CSCD 2017年第2期115-135,共21页

合成孔径雷达目标识别是雷达数据解译中一个长期研究的难点问题。近年来,基于模型的SAR目标识别方法由于在扩展条件下的识别性能表现良好而备受关注。在联合国内多家研究单位进行攻关的基础上,该文简要阐述了对该问题的初步研究成果及... 合成孔径雷达目标识别是雷达数据解译中一个长期研究的难点问题。近年来,基于模型的SAR目标识别方法由于在扩展条件下的识别性能表现良好而备受关注。在联合国内多家研究单位进行攻关的基础上,该文简要阐述了对该问题的初步研究成果及思考。首先从3个方面出发梳理了散射部件模型发展的技术脉络并对其进行了补充完善;然后从正向推算和逆向反演两条技术途径提出了复杂目标电磁散射参数化建模方法;最后提出了基于复杂目标电磁散射参数化模型的目标识别新框架。论文最后对基于模型的SAR目标识别下一步研究方向进行了展望。 展开更多

关键词 电磁散射 参数化模型 sar 自动目标识别

在线阅读 下载PDF 职称材料

深度学习在SAR目标识别与地物分类中的应用 被引量：82

8

作者 徐丰 王海鹏 金亚秋 《雷达学报（中英文）》 CSCD 2017年第2期136-148,共13页

深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用... 深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上,10类目标平均分类精度达到了99%。针对带相位的极化SAR图像,该文提出了复数深度卷积网络,将该算法应用于全极化SAR图像地物分类,Flevoland 15类地物平均分类精度达到了95%。 展开更多

关键词 合成孔径雷达 深度学习 自动目标识别 地物分类

在线阅读 下载PDF 职称材料

基于卷积神经网络的SAR图像目标识别研究. 被引量：73

9

作者 田壮壮 占荣辉 +1 位作者 胡杰民 张军 《雷达学报（中英文）》 CSCD 2016年第3期320-325,共6页

针对合成孔径雷达(Synthetic Aperture Radar,SAR)的图像目标识别应用,该文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量,提高了卷积神经网络的... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)的图像目标识别应用,该文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量,提高了卷积神经网络的类别区分能力;然后利用改进后的卷积神经网络对SAR图像进行特征提取;最后利用支持向量机(Support Vector Machine,SVM)对特征进行分类。使用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)SAR图像数据进行实验,识别结果证明了所提方法的有效性。 展开更多

关键词 合成孔径雷达 自动目标识别 卷积神经网络 支持向量机 BP算法

在线阅读 下载PDF 职称材料

基于二维子分类鉴别分析的SAR图像识别方法研究 被引量：12

10

作者 张静 王国宏 +1 位作者 杨智勇 刘福太 《电子学报》 EI CAS CSCD 北大核心 2010年第4期798-803,797,共7页

本文在分析传统二维鉴别分析方法局限性的基础上,提出了一种基于二维子分类鉴别分析的合成孔径雷达图像识别方法.该方法首先对SAR图像进行图像预处理,然后利用图像欧氏距离对每类目标进行子类划分,并由图像的行信息和列信息提出了两种... 本文在分析传统二维鉴别分析方法局限性的基础上,提出了一种基于二维子分类鉴别分析的合成孔径雷达图像识别方法.该方法首先对SAR图像进行图像预处理,然后利用图像欧氏距离对每类目标进行子类划分,并由图像的行信息和列信息提出了两种二维子分类鉴别分析方法,最后利用最近邻分类器对提取的特征投影矩阵进行分类识别.本文利用美国实测的MSTAR数据对算法进行了仿真验证,实验结果表明了本文方法的正确性和有效性. 展开更多

关键词 sar 自动目标识别 二维子分类鉴别分析 图像欧氏距离 特征提取

在线阅读 下载PDF 职称材料

基于目标CSAR回波模型的SAR自动目标识别算法 被引量：6

11

作者 张锐 洪峻 明峰 《电子与信息学报》 EI CSCD 北大核心 2011年第1期27-32,共6页

基于模板的SAR目标识别需要存储海量的目标模板,给识别系统的设计和算法效率的提高都造成了严重的困难,而基于模型的方法克服了上述问题,并已成为下一代目标识别算法研究的热点。该文提出的基于圆周SAR(CSAR)回波模型的识别算法,从目标... 基于模板的SAR目标识别需要存储海量的目标模板,给识别系统的设计和算法效率的提高都造成了严重的困难,而基于模型的方法克服了上述问题,并已成为下一代目标识别算法研究的热点。该文提出的基于圆周SAR(CSAR)回波模型的识别算法,从目标的3维CAD模型出发,利用弹射线原理构建目标的CSAR回波,并通过在线实时预测目标聚束SAR图像来完成识别。同传统的基于散射中心模型的算法相比,利用CSAR回波的算法不仅预测结果准确,而且算法简单高效。仿真实验验证了算法的有效性,并比较了相关算法的优缺点。 展开更多

关键词 合成孔径雷达 自动目标识别 圆周合成孔径雷达 弹射线法 3维模型

在线阅读 下载PDF 职称材料

基于线性回归的SAR目标方位角估计方法 被引量：5

12

作者 计科峰 匡纲要 郁文贤 《现代雷达》 CSCD 北大核心 2004年第11期26-29,共4页

方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺... 方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺点的基础上,给出了一种有效的基于线性回归的SAR图像目标方位角估计方法,并通过对大量实测MSTARSAR图像目标方位角的估计试验,详细分析了该方法对SAR图像目标方位角的估计性能。 展开更多

关键词 目标方位 sar图像 估计方法 MSTAR 合成孔径雷达(sar) 自动目标识别 稳健性 部署 细分 速度

在线阅读 下载PDF 职称材料

基于FCNN和ICAE的SAR图像目标识别方法 被引量：10

13

作者 喻玲娟 王亚东 +2 位作者 谢晓春 林赟 洪文 《雷达学报（中英文）》 CSCD 北大核心 2018年第5期622-631,共10页

近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得... 近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器(Improved Convolutional Auto-Encoder, ICAE)的SAR图像目标识别方法,即先用ICAE无监督训练方式获得的编码器网络参数初始化FCNN的部分参数,后用带标签训练样本对FCNN进行训练。基于MSTAR数据集的十类目标分类实验结果表明,在不扩充带标签训练样本的情况下,该方法不仅能获得98.14%的平均正确识别率,而且具有较强的抗噪声能力。 展开更多

关键词 合成孔径雷达 自动目标识别 全卷积神经网络 卷积自编码器 改进的卷积自编码器

在线阅读 下载PDF 职称材料

基于模糊聚类视区划分的SAR目标识别方法 被引量：10

14

作者 李娜 刘方 《电子学报》 EI CAS CSCD 北大核心 2012年第2期394-399,共6页

现有基于模板匹配的SAR目标识别技术,多通过姿态遍历来构建和存储基础模板库.为降低计算消耗和存储开销,借鉴计算机视觉中视区概念,提出了一种基于非均匀视区划分的模板库精简方法.结合关键特征矢量,基于Gustafson-Kessel(GK)算法对视... 现有基于模板匹配的SAR目标识别技术,多通过姿态遍历来构建和存储基础模板库.为降低计算消耗和存储开销,借鉴计算机视觉中视区概念,提出了一种基于非均匀视区划分的模板库精简方法.结合关键特征矢量,基于Gustafson-Kessel(GK)算法对视区作模糊聚类,以识别概率最优控制视区划分策略并提炼原型模板.采用典型舰船目标的SAR仿真图像集,验证了方法在精简模板库、实现高效SAR自动目标识别方面具有可行性. 展开更多

关键词 合成孔径雷达 自动目标识别 视区 模糊聚类

在线阅读 下载PDF 职称材料

基于改进的子类判决分析的SAR目标特征提取与识别 被引量：4

15

作者 胡利平 刘宏伟 吴顺君 《电子与信息学报》 EI CSCD 北大核心 2009年第9期2264-2268,共5页

针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA... 针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力。 展开更多

关键词 合成孔径雷达 自动目标识别 子类判决分析 快速全局k-均值聚类算法

在线阅读 下载PDF 职称材料

一种基于动态字典学习的SAR图像目标识别算法 被引量：2

16

作者 王保云 张逸为 +2 位作者 张荣 古今 王敏昆 《光电工程》 CAS CSCD 北大核心 2013年第6期17-25,共9页

本文提出了一种应用于SAR图像目标识别的动态字典学习算法,该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸。删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行,而增加操作是在增加代价... 本文提出了一种应用于SAR图像目标识别的动态字典学习算法,该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸。删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行,而增加操作是在增加代价的约束下针对信号表示的残留误差的主分量进行,通过交替执行删除和增加操作来不断优化字典,使其表示能力达到最佳。在MSTAR数据集上的实验验证了算法性能,并给出了相应的参数调整建议。从实验结果和分析可看出,该算法具有识别率高、算法稳定等特点。 展开更多

关键词 稀疏表达 K-SVD算法 动态字典学习 sar图像分类 自动目标识别

在线阅读 下载PDF 职称材料

一种SAR图像特征提取和目标分类的新方法 被引量：4

17

作者 李勇 王德功 +1 位作者 常硕 关春健 《现代防御技术》 北大核心 2013年第4期126-130,共5页

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集... 提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法。该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类。采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率。 展开更多

关键词 合成孔径雷达 二维离散小波变换 核主成分分析 支持向量机 自动目标识别

在线阅读 下载PDF 职称材料

基于多尺度特征的SAR区域型目标检测方法 被引量：1

18

作者 陆立明 王润生 李武皋 《雷达科学与技术》 2004年第6期355-359,共5页

通过对SAR图像的目标特性分析 ,提出了一种SAR区域型目标的检测方法。与通常的一些目标检测算法相比 ,该算法在ROI的提取和目标建模两个方面作了改进 ,提出了一个新的特征提取算子并引入多尺度的梯度特征作为分类依据。算法应用于真实的... 通过对SAR图像的目标特性分析 ,提出了一种SAR区域型目标的检测方法。与通常的一些目标检测算法相比 ,该算法在ROI的提取和目标建模两个方面作了改进 ,提出了一个新的特征提取算子并引入多尺度的梯度特征作为分类依据。算法应用于真实的SAR图像进行居民区的检测 ,获得了预期的结果。实验表明 。 展开更多

关键词 合成孔径雷达 自动目标识别 方向梯度 目标检测

在线阅读 下载PDF 职称材料

一种提高SAR目标识别率的有效方法 被引量：3

19

作者 韩萍 梅雪兰 +1 位作者 吴仁彪 王兆华 《中国民航学院学报》 2003年第3期6-9,13,共5页

在合成孔径雷达自动目标识别SARATR中,SAR像的预处理是提高识别率的关键技术之一。给出了一种简单有效的SAR图像预处理方法,该方法首先对SAR目标像进行对数变换后,再做傅立叶变换。经预处理后的SAR像用支持矢量机SVM分类器进行目标识别... 在合成孔径雷达自动目标识别SARATR中,SAR像的预处理是提高识别率的关键技术之一。给出了一种简单有效的SAR图像预处理方法,该方法首先对SAR目标像进行对数变换后,再做傅立叶变换。经预处理后的SAR像用支持矢量机SVM分类器进行目标识别。实验结果表明:本方法不但有效地提高了目标识别率,而且保证了目标的平移不变性并具有良好的推广能力。 展开更多

关键词 合成孔径雷达 自动目标识别 对数变换 傅立叶变换 支持矢量机

在线阅读 下载PDF 职称材料

基于改进的稀疏保持投影的SAR目标特征提取与识别 被引量：1

20

作者 韩萍 王欢 《雷达学报（中英文）》 CSCD 2015年第6期674-680,共7页

提出了一种改进的稀疏保持投影(Sparsity Preserving Projections,SPP)特征提取方法。该方法将SPP特征提取与局部保持投影(Locality Preserving Projection,LPP)特征提取思想相结合,构造新的目标函数求解投影向量,保证了投影空间内样本... 提出了一种改进的稀疏保持投影(Sparsity Preserving Projections,SPP)特征提取方法。该方法将SPP特征提取与局部保持投影(Locality Preserving Projection,LPP)特征提取思想相结合,构造新的目标函数求解投影向量,保证了投影空间内样本的稀疏重构误差达到最小的同时使同类样本间距最小。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明在不利用目标成像方位信息情况下平均识别率最高可达97.81%,明显地提高了目标的识别结果,是一种有效的SAR目标识别方法。 展开更多

关键词 合成孔径雷达 自动目标识别 稀疏保持投影 特征提取

在线阅读 下载PDF 职称材料