本文選題：級聯(lián)字典 + 字典構(gòu)建��； 參考：《電子科技大學(xué)學(xué)報(bào)》2014年04期

【摘要】：稀疏表示選擇最佳線性表示重構(gòu)信號,可避免合成孔徑雷達(dá)(SAR)目標(biāo)識別中的方位角估計(jì)難題,同時減輕強(qiáng)相干噪聲影響。稀疏字典選擇是稀疏表示中的關(guān)鍵問題之一,該文提出分別使用級聯(lián)方式和并聯(lián)方式構(gòu)造稀疏字典實(shí)現(xiàn)SAR目標(biāo)識別。首先對訓(xùn)練樣本進(jìn)行對數(shù)歸一化處理,使用主成分分析(PCA)特征提取和降維;然后對處理后的數(shù)據(jù)分別組成級聯(lián)字典和并聯(lián)字典,采用截?cái)嗯ｎD內(nèi)點(diǎn)法(TNIPM)獲得目標(biāo)的稀疏表示;最后,在兩種字典的稀疏表示框架下設(shè)計(jì)分類器對SAR目標(biāo)識別。通過對比實(shí)驗(yàn),驗(yàn)證了該文的字典構(gòu)建方式在稀疏表示框架下對SAR目標(biāo)識別的有效性。
[Abstract]:The problem of azimuth estimation in synthetic Aperture Radar (SAR) target recognition can be avoided and the influence of strong coherent noise can be alleviated by sparse representation selecting optimal linear representation to reconstruct signal. The selection of sparse dictionaries is one of the key problems in sparse representation. This paper proposes to construct sparse dictionaries using cascaded and parallel methods to realize SAR target recognition. Firstly, the training samples are treated with logarithmic normalization, and the feature extraction and dimensionality reduction are performed by using principal component analysis (PCA), then the processed data are composed of cascaded dictionaries and parallel dictionaries respectively, and the sparse representation of the target is obtained by truncating Newton's internal point method (TNIPM). Finally, a classifier is designed for SAR target recognition under the framework of sparse representation of two dictionaries. A comparative experiment is conducted to verify the effectiveness of the proposed dictionary construction method for SAR target recognition under the sparse representation framework.
【作者單位】： 電子科技大學(xué)電子工程學(xué)院;中國人民解放軍95438部隊(duì);
【基金】：國家自然科學(xué)基金(61201271) 四川省省院科技合作計(jì)劃項(xiàng)目(2012JZ0001)
【分類號】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

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

【共引文獻(xiàn)】

相關(guān)期刊論文 前2條

1 夏敏納;龔德良;肖娟;;一種面向可靠云計(jì)算的自適應(yīng)故障檢測方法[J];計(jì)算機(jī)應(yīng)用研究;2014年02期

2 黃曉生;黃萍;曹義親;嚴(yán)浩;;一種改進(jìn)的基于K-SVD字典學(xué)習(xí)的運(yùn)動目標(biāo)檢測算法[J];微電子學(xué)與計(jì)算機(jī);2014年03期

相關(guān)博士學(xué)位論文 前4條

1 宣曼;H.264/AVC視頻完整性認(rèn)證關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2011年

2 高廣宇;影視視頻結(jié)構(gòu)解析及自動編目技術(shù)研究[D];北京郵電大學(xué);2013年

3 潘巍巍;故障嚴(yán)重程度識別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年

4 蔡宇;三維人臉檢測與識別技術(shù)研究[D];吉林大學(xué);2013年

相關(guān)碩士學(xué)位論文 前8條

1 趙健;基于判別稀疏局部保持投影的圖像識別[D];西安電子科技大學(xué);2013年

2 汪桃林;基于稀疏表示的短語音說話人識別[D];電子科技大學(xué);2013年

3 張慈祥;基于奇異值分解和稀疏表示的人臉識別[D];昆明理工大學(xué);2013年

4 馬鵬;基于非負(fù)矩陣分解和稀疏表示的人臉識別算法研究[D];重慶大學(xué);2013年

5 徐東勛;基于稀疏編碼的快速人臉識別算法研究[D];中國海洋大學(xué);2013年

6 馬彥鑫;基于CAD和心臟超聲圖像序列的血栓識別方法研究[D];哈爾濱工業(yè)大學(xué);2013年

7 姜輝明;基于稀疏表示的人臉識別方法研究[D];華東交通大學(xué);2013年

8 劉訓(xùn)利;基于線性表示模型的人臉識別研究[D];西南交通大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 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

2 張銳;洪峻;明峰;;基于電磁散射的復(fù)雜目標(biāo)SAR回波與圖像仿真[J];電子與信息學(xué)報(bào);2010年12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

4 高貴;何鵑;匡綱要;黃紀(jì)軍;李德仁;;SAR圖像目標(biāo)方位角估計(jì)方法綜述[J];信號處理;2008年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉曉山;付國蘭;;基于脊波變換的圖像壓縮[J];電腦與信息技術(shù);2007年02期

2 劉曉山;付國蘭;;基于脊波變換和SPIHT算法相結(jié)合的圖像壓縮[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

3 王華丹;劉海林;;稀疏盲源分離問題的恢復(fù)性研究[J];廣東工業(yè)大學(xué)學(xué)報(bào);2008年02期

4 談華f，

本文編號：1786290