本文關(guān)鍵詞：稀疏編碼樹框架下的SAR目標(biāo)識別　出處：《計算機(jī)科學(xué)與探索》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： SAR目標(biāo)識別 型號識別 稀疏編碼樹 字典學(xué)習(xí) 稀疏表示

【摘要】：為了提高利用合成孔徑雷達(dá)(synthetic aperture radar,SAR)圖像對目標(biāo)型號識別的能力,在稀疏表示識別方法的基礎(chǔ)上,提出了一種樹形框架稀疏編碼的雷達(dá)目標(biāo)識別方法。稀疏編碼樹是由多個節(jié)點(diǎn)構(gòu)成的分類器,其上每個節(jié)點(diǎn)由不同識別需求的子分類器構(gòu)成。在訓(xùn)練階段,分別針對目標(biāo)型號識別需求以及型號識別需求學(xué)習(xí)相應(yīng)分類器,組成分類器的根節(jié)點(diǎn)和子節(jié)點(diǎn)。識別階段在根節(jié)點(diǎn)位置完成對目標(biāo)類別的判斷,再根據(jù)根節(jié)點(diǎn)的判斷結(jié)果,對存在型號變體的目標(biāo),在子節(jié)點(diǎn)上再對型號進(jìn)行識別,最終輸出目標(biāo)的識別結(jié)果,而不存在型號變體的目標(biāo)則直接輸出識別結(jié)果�；诿绹\(yùn)動和靜止目標(biāo)獲取與識別(moving and stationary target acquisition and recognition,MSTAR)計劃錄取的SAR圖像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,樹形結(jié)構(gòu)在取得與主流方法相當(dāng)?shù)哪繕?biāo)類別識別精度的前提下,提高了對目標(biāo)型號的識別能力,同時能夠準(zhǔn)確輸出目標(biāo)類別識別結(jié)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(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：航空科學(xué)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(dá)目標(biāo)識別(radar target recognition)是指從雷對圖像預(yù)處理和姿態(tài)估計的要求,獲得了比傳統(tǒng)方達(dá)接收到的目標(biāo)電磁波散射場的回波中提取出目標(biāo)法更優(yōu)秀的精度。之后有學(xué)者改進(jìn)直接由訓(xùn)練樣相關(guān)的特征,并對目標(biāo)的種類、型號

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)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(jī)測量與控制;2014年07期

2 莊永文;;關(guān)于稀疏編碼理論及其應(yīng)用[J];現(xiàn)代電子技術(shù);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(biāo)識別[J];電視技術(shù);2014年13期

4 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 覃曉冰;基于稀疏編碼的語音去噪技術(shù)研究[D];電子科技大學(xué);2015年

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

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

4 齊曉銳;稀疏編碼的有效算法[D];西安電子科技大學(xué);2013年

5 張漢超;流形上的稀疏編碼[D];華東師范大學(xué);2015年

6 呂遠(yuǎn);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(xué);2014年

7 錢龍;深度稀疏編碼模型及應(yīng)用[D];上海交通大學(xué);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(xué);2014年

，

本文編號：1409024