本文選題：合成孔徑雷達(dá)　切入點(diǎn)：目標(biāo)識別　出處：《系統(tǒng)工程與電子技術(shù)》2015年06期

【摘要】：為了提高合成孔徑雷達(dá)(synthetic aperture radar,SAR)圖像中目標(biāo)變體的識別性能,在鑒別字典學(xué)習(xí)及聯(lián)合動(dòng)態(tài)稀疏表示模型的基礎(chǔ)上,提出一種基于多信息字典學(xué)習(xí)及稀疏表示的SAR目標(biāo)識別方法。在訓(xùn)練階段,采用鑒別字典學(xué)習(xí)LC-KSVD方法分別對目標(biāo)圖像域幅度信息及目標(biāo)頻域幅度信息進(jìn)行字典學(xué)習(xí)。在測試階段,結(jié)合訓(xùn)練階段學(xué)到的2種信息的字典及測試目標(biāo)的2種信息,采用聯(lián)合動(dòng)態(tài)稀疏表示模型求解2種信息下的稀疏表示系數(shù)。最后,根據(jù)2種信息下的重構(gòu)誤差實(shí)現(xiàn)對測試目標(biāo)的識別。使用MSTAR數(shù)據(jù)集對算法進(jìn)行驗(yàn)證,結(jié)果表明,新方法相對于現(xiàn)有的方法能夠達(dá)到更好的識別性能。
[Abstract]:In order to improve the recognition performance of target variants in synthetic aperture radar (SAR) images, a method of SAR target recognition based on multi-information dictionary learning and sparse representation is proposed on the basis of discriminant dictionary learning and joint dynamic sparse representation model.In the training stage, the discriminant dictionary learning (LC-KSVD) method is used to study the target image domain amplitude information and the target frequency domain amplitude information respectively.In the test stage, combining the dictionary of the two kinds of information and the two kinds of information of the test object, the sparse representation coefficient under the two kinds of information is solved by using the joint dynamic sparse representation model.Finally, according to the reconstruction error of two kinds of information, the recognition of test target is realized.The MSTAR dataset is used to validate the algorithm. The results show that the new method can achieve better recognition performance than the existing methods.
【作者單位】： 西安電子科技大學(xué)雷達(dá)信號處理國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金(61201292,61322103,61372132) 全國優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金(FANEDD-201156) 國防預(yù)研基金 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助課題
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 韓萍,吳仁彪,王兆華,王蘊(yùn)紅;基于KPCA準(zhǔn)則的SAR目標(biāo)特征提取與識別[J];電子與信息學(xué)報(bào);2003年10期

2 丁軍;劉宏偉;王英華;;基于非負(fù)稀疏表示的SAR圖像目標(biāo)識別方法[J];電子與信息學(xué)報(bào);2014年09期

3 胡利平;劉宏偉;吳順君;;一種新的SAR圖像目標(biāo)識別預(yù)處理方法[J];西安電子科技大學(xué)學(xué)報(bào);2007年05期

相關(guān)博士學(xué)位論文 前1條

1 尹奎英;SAR圖像處理及地面目標(biāo)識別技術(shù)研究[D];西安電子科技大學(xué);2011年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張友靜;黃浩;馬雪梅;;基于KPCA和SAM的城市植被遙感分類研究[J];地理與地理信息科學(xué);2006年03期

2 楊桄;陳克雄;周脈魚;徐忠林;王宗明;;SAR圖像中目標(biāo)的檢測和識別研究進(jìn)展[J];地球物理學(xué)進(jìn)展;2007年02期

3 胡利平;劉宏偉;吳順君;;基于兩級2DPCA的SAR目標(biāo)特征提取與識別[J];電子與信息學(xué)報(bào);2008年07期

4 韓征;蘇志剛;韓萍;吳仁彪;;基于樣本正交子空間的SAR目標(biāo)識別方法[J];電子與信息學(xué)報(bào);2009年11期

5 張銳;洪峻;明峰;;基于目標(biāo)CSAR回波模型的SAR自動(dòng)目標(biāo)識別算法[J];電子與信息學(xué)報(bào);2011年01期

6 劉振;姜暉;徐海峰;;基于二維非參數(shù)特征分析的SAR圖像目標(biāo)識別[J];電訊技術(shù);2012年12期

7 白楊;趙銀娣;;基于KPCA和FCM的HJ-1A星遙感數(shù)據(jù)分類[J];國土資源遙感;2013年01期

8 孫志軍;薛磊;許陽明;;基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J];電子與信息學(xué)報(bào);2013年04期

9 劉振;姜暉;;一種用于SAR目標(biāo)特征提取的I2DLDA方法[J];電子信息對抗技術(shù);2013年02期

10 王保云;張逸為;張榮;古今;王敏昆;;一種基于動(dòng)態(tài)字典學(xué)習(xí)的SAR圖像目標(biāo)識別算法[J];光電工程;2013年06期

相關(guān)會議論文 前1條

1 王穎;韓萍;吳仁彪;;基于Adaboost的SAR自動(dòng)目標(biāo)識別[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 陶勇;知識輔助的SAR圖像目標(biāo)特性分析與識別研究[D];國防科學(xué)技術(shù)大學(xué);2010年

2 尹奎英;SAR圖像處理及地面目標(biāo)識別技術(shù)研究[D];西安電子科技大學(xué);2011年

3 汪東;基于支持向量機(jī)的選時(shí)和選股研究[D];上海交通大學(xué);2007年

4 姜斌;地、海雜波建模及目標(biāo)檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2006年

5 胡利平;合成孔徑雷達(dá)圖像目標(biāo)識別技術(shù)研究[D];西安電子科技大學(xué);2009年

6 王鵬輝;基于統(tǒng)計(jì)建模的雷達(dá)高分辨距離像目標(biāo)識別方法研究[D];西安電子科技大學(xué);2012年

7 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

8 李彥兵;基于微多普勒效應(yīng)的運(yùn)動(dòng)車輛目標(biāo)分類研究[D];西安電子科技大學(xué);2013年

9 鄒國鋒;基于能量圖與非線性耦合度量的人臉識別方法研究[D];哈爾濱工程大學(xué);2013年

10 李飛;雷達(dá)圖像目標(biāo)特征提取方法研究[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 馮蕾;基于最優(yōu)投影支持張量機(jī)的多分類算法研究[D];西安電子科技大學(xué);2011年

2 張煒;基于點(diǎn)特征的圖像拼接技術(shù)研究[D];河南科技大學(xué);2010年

3 薛佟佟;無線傳感器網(wǎng)絡(luò)環(huán)境下移動(dòng)目標(biāo)的識別與定位技術(shù)研究[D];南京航空航天大學(xué);2011年

4 孫書進(jìn);基于MRF模型和統(tǒng)計(jì)建模的SAR圖像地物分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

5 周暢;無人機(jī)SAR圖像自動(dòng)目標(biāo)識別技術(shù)研究[D];沈陽航空航天大學(xué);2011年

6 黃浩;基于高分辨率衛(wèi)星影像的城市植被信息提取與分析研究[D];河海大學(xué);2005年

7 何X，

本文編號：1715336