針對(duì)現(xiàn)有合成孔徑雷達(dá)(SAR)圖像特征提取方面的不足,提出基于非下采樣剪切波(NSST)特征提取的SAR目標(biāo)識(shí)別方法。該方法采用NSST對(duì)SAR圖像進(jìn)行分解獲得多層次的子代圖像,這些子代圖像具有良好的平移不變性并且可以很好地反映目標(biāo)的主要和細(xì)節(jié)特征。在分類階段,采用聯(lián)合稀疏表示對(duì)多層次NSST子代圖像進(jìn)行聯(lián)合表征;聯(lián)合稀疏表示在獨(dú)立表示各個(gè)分量的同時(shí)考察了不同分量之間的相關(guān)性,因此可以有效提高聯(lián)合表征的精度;最終,根據(jù)整體重構(gòu)誤差判定測(cè)試樣本的目標(biāo)類別�；贛STAR數(shù)據(jù)集對(duì)提出方法進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果分析表明該方法在標(biāo)準(zhǔn)操作條件、型號(hào)差異、俯仰角差異以及噪聲干擾的條件下均可以保持優(yōu)異性能。 

【文章來(lái)源】：探測(cè)與控制學(xué)報(bào). 2020年01期 北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

NSST示意圖

具體實(shí)施中,綜合考慮識(shí)別精度和效率,分解文獻(xiàn)[21]中指出的4個(gè)子代圖像代入后續(xù)聯(lián)合稀疏表示,其中第1子代圖像為低通分量,反映目標(biāo)的整體信息。對(duì)于所有的子代圖像,采用文獻(xiàn)[13]中的隨機(jī)投影降維方法得到520維的特征矢量。3 實(shí)驗(yàn)與分析

首先基于表1中的實(shí)驗(yàn)設(shè)置對(duì)提出方法在標(biāo)準(zhǔn)操作條件下的識(shí)別性能進(jìn)行測(cè)試,具體結(jié)果展示如圖3所示的混淆矩陣。圖中對(duì)角線上的元素反映了對(duì)應(yīng)目標(biāo)在當(dāng)前條件下的正確識(shí)別率,其余元素為錯(cuò)誤識(shí)別為不同目標(biāo)的概率�？梢�,各類目標(biāo)均可以以98%以上的識(shí)別率實(shí)現(xiàn)正確分類。通過(guò)對(duì)各類對(duì)比算法進(jìn)行相同測(cè)試,獲得各類方法的平均識(shí)別率如表2所列。本文方法以99.14%的識(shí)別率居首,充分說(shuō)明了其有效性。CNN方法在標(biāo)準(zhǔn)操作條件下同樣可以取得很高的識(shí)別率,主要因?yàn)樵谟?xùn)練樣本充分的條件下訓(xùn)練得到的分類網(wǎng)絡(luò)對(duì)于測(cè)試樣本具有很好的適應(yīng)性。表2 各類方法在標(biāo)準(zhǔn)操作條件下的平均識(shí)別率Tab.2 Average recognition rates of different methods under SOC 方法類型 平均識(shí)別率/% 本文方法 99.14 SVM 96.73 SRC 95.94 CNN 99.08

【參考文獻(xiàn)】：
期刊論文
[1]基于多層卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像分類方法[J]. 李倩,裴炳南,常芳芳.  探測(cè)與控制學(xué)報(bào). 2018(03)
[2]卷積神經(jīng)網(wǎng)絡(luò)在SAR目標(biāo)識(shí)別中的應(yīng)用[J]. 郝巖,白艷萍,張校非,杜敦偉.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(05)
[3]結(jié)合NSST和快速非局部均值濾波的刀具圖像去噪[J]. 龍?jiān)屏?吳一全,周楊.  信號(hào)處理. 2017(11)
[4]屬性散射中心匹配及其在SAR目標(biāo)識(shí)別中的應(yīng)用[J]. 丁柏圓,文貢堅(jiān),余連生,馬聰慧.  雷達(dá)學(xué)報(bào). 2017(02)
[5]基于NSST和稀疏表示的多源異類圖像融合方法[J]. 王志社,楊風(fēng)暴,彭智浩.  紅外技術(shù). 2015(03)
[6]NSST與CSLDP相結(jié)合的人臉識(shí)別[J]. 楊恢先,翟云龍,蔡勇勇,奉俊鵬,李球球.  計(jì)算機(jī)工程與應(yīng)用. 2016(08)
[7]NSST各向異性雙變量收縮的圖像去噪算法[J]. 陳利霞,文學(xué)霖,歐陽(yáng)寧.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(12)
[8]基于非下采樣剪切波及TPCA的人臉識(shí)別[J]. 陳慧,閆德勤,呂志超,王洪東.  微型機(jī)與應(yīng)用. 2014(16)
[9]基于小波字典稀疏表示的SAR圖像目標(biāo)識(shí)別[J]. 田莉萍,王建國(guó).  雷達(dá)科學(xué)與技術(shù). 2014(01)
[10]基于NSST和自適應(yīng)PCNN的圖像融合算法[J]. 江平,張強(qiáng),李靜,張錦.  激光與紅外. 2014(01)



本文編號(hào)：2913475