發(fā)布時間：2018-01-11 09:35

  本文關鍵詞：稀疏編碼樹框架下的SAR目標識別　出處：《計算機科學與探索》2017年05期 　論文類型：期刊論文

  更多相關文章： SAR目標識別 型號識別 稀疏編碼樹 字典學習 稀疏表示

【摘要】：為了提高利用合成孔徑雷達(synthetic aperture radar,SAR)圖像對目標型號識別的能力,在稀疏表示識別方法的基礎上,提出了一種樹形框架稀疏編碼的雷達目標識別方法。稀疏編碼樹是由多個節(jié)點構成的分類器,其上每個節(jié)點由不同識別需求的子分類器構成。在訓練階段,分別針對目標型號識別需求以及型號識別需求學習相應分類器,組成分類器的根節(jié)點和子節(jié)點。識別階段在根節(jié)點位置完成對目標類別的判斷,再根據根節(jié)點的判斷結果,對存在型號變體的目標,在子節(jié)點上再對型號進行識別,最終輸出目標的識別結果,而不存在型號變體的目標則直接輸出識別結果�；诿绹\動和靜止目標獲取與識別(moving and stationary target acquisition and recognition,MSTAR)計劃錄取的SAR圖像數據集上的實驗結果表明,樹形結構在取得與主流方法相當的目標類別識別精度的前提下,提高了對目標型號的識別能力,同時能夠準確輸出目標類別識別結果。
[Abstract]:In order to improve the ability of using synthetic aperture radar (SAR) image to recognize the target model, the method of sparse representation recognition is used. In this paper, a method of radar target recognition based on tree frame sparse coding is proposed. Sparse coding tree is a classifier composed of multiple nodes, each node is composed of sub-classifiers with different recognition requirements. Learning the corresponding classifier for the target model recognition requirement and the model recognition requirement respectively, the root node and the sub-node of the classifier are composed. The recognition stage completes the judgment of the target category at the root node position. Then according to the result of the root node, the target of the model variant is identified on the sub-node, and the final result of the target identification is outputted. Targets that do not have model variants are directly outputted. Acquisition and recognition based on US Motion and stationary targets (. Moving and stationary target acquisition and recognition. The experimental results on the SAR image data set obtained by MSTAR show that the tree structure improves the recognition ability of the target model on the premise of obtaining the recognition accuracy of the target category which is comparable to the mainstream method. At the same time, the target category recognition results can be output accurately.
【作者單位】： 南京航空航天大學計算機科學與技術學院;
【基金】：航空科學基金Nos.20151452021,20152752033~~
【分類號】：TN957.52
【正文快照】： 1引言圖像中提取特征識別的方法相比,稀疏表示減弱了雷達目標識別(radar target recognition)是指從雷對圖像預處理和姿態(tài)估計的要求,獲得了比傳統(tǒng)方達接收到的目標電磁波散射場的回波中提取出目標法更優(yōu)秀的精度。之后有學者改進直接由訓練樣相關的特征,并對目標的種類、型號

【相似文獻】

中國期刊全文數據庫 前4條

1 周晏;王璐;;基于稀疏編碼和禁忌優(yōu)化的故障信號抽取方法[J];計算機測量與控制;2014年07期

2 莊永文;;關于稀疏編碼理論及其應用[J];現代電子技術;2008年07期

3 李帥;許悅雷;馬時平;倪嘉成;王坤;;基于小波變換和深層稀疏編碼的SAR目標識別[J];電視技術;2014年13期

4 ;[J];;年期

中國碩士學位論文全文數據庫 前8條

1 覃曉冰;基于稀疏編碼的語音去噪技術研究[D];電子科技大學;2015年

2 黃成;基于非負稀疏編碼的視頻拷貝檢測方法研究[D];湘潭大學;2015年

3 湯玫;基于稀疏編碼字典和深度學習的極化SAR影像地物分類[D];西安電子科技大學;2015年

4 齊曉銳;稀疏編碼的有效算法[D];西安電子科技大學;2013年

5 張漢超;流形上的稀疏編碼[D];華東師范大學;2015年

6 呂遠;基于稀疏編碼的極化SAR影像地物分類[D];西安電子科技大學;2014年

7 錢龍;深度稀疏編碼模型及應用[D];上海交通大學;2014年

8 丁一;基于視頻時空特征稀疏編碼表示的人體行為識別[D];上海交通大學;2014年

，

本文編號：1409024