本文選題：SAR目標識別 + 非負稀疏表示��； 參考：《電子與信息學報》2014年09期

【摘要】：針對合成孔徑雷達(SAR)圖像目標識別中存在物體遮擋的情況,該文提出一種基于非負稀疏表示的分類方法。通過分析L0范數(shù)和L1范數(shù)最小化在求解非負稀疏表示問題上的區(qū)別,證明在一定條件下,L1范數(shù)最小化方法除了保持解的稀疏性還能得到與輸入信號更加相似的原子集合,因此也更加適用于分類問題中。在運動和靜止目標獲取與識別(MSTAR)數(shù)據(jù)集上的識別實驗結果表明,采用L1范數(shù)的非負稀疏表示分類方法能達到較好的識別性能,并且相對傳統(tǒng)方法對存在遮擋情況下的識別問題更穩(wěn)健。
[Abstract]:In this paper, a classification method based on non-negative sparse representation is proposed to solve the problem of object occlusion in synthetic aperture radar (SAR) image recognition. By analyzing the difference between L _ 0 norm and L _ 1 norm minimization in solving the non-negative sparse representation problem, it is proved that under certain conditions, in addition to preserving the sparsity of the solution, we can obtain an atomic set more similar to the input signal. Therefore, it is more suitable for classification problems. The experimental results on the moving and stationary target acquisition and recognition data sets show that the non-negative sparse representation classification method based on L1 norm can achieve better recognition performance. And it is more robust than the traditional method in the case of occlusion.
【作者單位】： 西安電子科技大學雷達信號處理國家重點實驗室;
【基金】：國家自然科學基金(61271024,61201292,61201283) 新世紀優(yōu)秀人才支持計劃(NCET-09-0630) 全國優(yōu)秀博士學位論文作者專項資金(FANEDD-201156) 國家部委基金 中央高校基本科研業(yè)務費專項資金資助課題
【分類號】：TN957.52

【相似文獻】

相關期刊論文 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;2007年02期

2 劉曉山;付國蘭;;基于脊波變換和SPIHT算法相結合的圖像壓縮[J];江西師范大學學報(自然科學版);2007年06期

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

4 談華f，

本文編號：2047443